-
公开(公告)号：CN108846834B
公开(公告)日：2020-11-20
申请号：CN201810548920.5
申请日：2018-05-31
Applicant: 清华大学
Abstract: 本发明提供一种医用图像处理装置及医用图像处理方法，包括：图像存储部，存储包含股骨头的第一图像；图像分割部，分割出仅含有股骨头部分的第二图像；特征检验部，检验第二图像边缘是否为圆，显示不为圆部分的图像；纹理检测部，包括：ROI区域选取单元，从第二图像选取ROI区域；灰度变换单元，所述区域作灰度梯度变换，大于第一阈值的点置为0；细分单元，将ROI区域细分成多个第二区域，ROI区域面积是第二区域面积的整数倍；计数单元，对第二区域内的0的个数进行计数；第一判断单元，判断第二区域0个数是否超过第二阈值；第一显示单元，显示超过第二阈值的第二区域的图像。上述装置和方法能够实现股骨头医用图像的自动化处理。
-
公开(公告)号：CN110060157A
公开(公告)日：2019-07-26
申请号：CN201910161482.1
申请日：2019-03-04
Applicant: 清华大学
IPC: G06Q40/04
Abstract: 本发明公开了一种信誉度评估方法及系统。该方法应用于信誉度评估系统，包括：建立账户，参与网络交互的节点创建自己的账户；账户间交易，账户间进行数据传递和金额传递，系统状态更新；账户信誉度更新，账户交易后，互相进行信誉度评价，并形成评价矩阵，运用机器学习的方法，预测网络各账户综合信誉度，系统状态再次更新；生成区块上传，当系统完成信誉度更新后，将这一时间内发生的交易记录和系统状态的改变，打包到一个区块，上传至区块链，使得每个账户所做的交易可被查证且不可更改。本发明提高了信誉度评估的安全性、准确性、可靠性、可扩展性，适用于各类场景建立网络节点信誉度的评估。
-
公开(公告)号：CN109493325A
公开(公告)日：2019-03-19
申请号：CN201811237087.9
申请日：2018-10-23
Applicant: 清华大学
Abstract: 本发明公开了一种基于CT影像的肿瘤异质性分析系统。该系统包括：预处理模块，用于对原始CT影像做预处理；标注模块，用于对预处理后CT影像进行标注，获取病灶区域的轮廓信息；特征提取模块，用于对病灶区域内的每个体素，以其邻域为范围，提取计算影像特征；分割模块，用于将提取的特征输入针对体素的分割算法，对每个体素归类，以完成病灶的内部区域分割，生成病灶的肿瘤异质性信息；可视化界面模块，用于将病灶的肿瘤异质性信息进行可视化呈现。该系统可准确提供病灶的肿瘤异质性信息，从而辅助医生准确分析肿瘤病灶的肿瘤内异质性。
-
公开(公告)号：CN108877880A
公开(公告)日：2018-11-23
申请号：CN201810697392.X
申请日：2018-06-29
Applicant: 清华大学
CPC classification number: G16H10/60
Abstract: 本发明公开了一种基于病历文本的病人相似性度量装置及方法，包括病历向量样本库存储部，存储第一病历向量；标签标注部；预处理部，将第一病历向量转化为第一连续数值型病历向量；连续病历向量存储部，存储第一连续数值型病历向量；距离度量矩阵获得部，学习第一连续数值型病历向量，获得距离度量矩阵；病历向量提取部，提取第二病历向量；连续病历向量获得部，获得第二连续数值型病历向量；比较部，比较第一连续数值型病历向量和第二连续数值型病历向量的相似度；输出部，选取与第二病历文本的相似的一个或多个第一病历文本并输出。本发明可以得到不同评价指标下病人的相似性。
-
公开(公告)号：CN108764355A
公开(公告)日：2018-11-06
申请号：CN201810548916.9
申请日：2018-05-31
Applicant: 清华大学
CPC classification number: G06K9/6256 , G06K9/6267 , G06T7/40
Abstract: 本发明公开了一种基于纹理特征分类的图像处理装置包括：图像提取模块，用于获取仅包含股骨头的图像；图像预处理模块，对图像进行灰度量化；特征向量提取模块，用于计算灰度共生矩阵，并提取纹理特征向量；以及特征分类模块，包括分类器构建单元，构建分类器，将纹理特征向量输入构建形成的分类器进行分类，输出分类结果。本发明将医学图像中表述的抽象物理特征数字化，转变为特征向量的形式进行描述，提取图像中的纹理特征，并基于纹理特征进行分类，提高了对图像识别的正确率。本发明还公开了一种基于纹理特征分类的图像处理方法。
-
Patent Agency Ranking
公开(公告)号：CN114972849B
公开(公告)日：2025-03-25
申请号：CN202210505393.6
申请日：2022-05-10
Applicant: 清华大学
IPC: G06F17/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06T7/00
Abstract: 本公开提供的一种胶质瘤的类型识别方法、模型训练方法、装置、设备，涉及图像处理技术，包括：获取胶质瘤的组织病理图像；将组织病理图像输入预设识别模型，提取胶质瘤中各目标图块的各特征向量，基于第一通道对各特征向量进行处理，得到与每种类型对应的第一分类信息以及目标向量，基于第二通道对目标向量进行处理，得到与每种类型对应的第二分类信息；对第一分类信息和第二分类信息进行处理，得到目标分类结果。本方案中，可以通过第一通道得到每种类型对应的第一分类信息以及目标向量；通过第二通道对目标向量进行处理，得到每种类型对应的第二分类信息；根据第一、第二分类信息，得到分类结果。可在一定程度上提高分型的准确率。
-
公开(公告)号：CN115082718B
公开(公告)日：2024-11-22
申请号：CN202210488276.3
申请日：2022-05-06
Applicant: 清华大学
IPC: G06V10/762 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本申请提供的一种基于组织病理图像的胶质瘤分级方法、装置、设备及介质，通过将获取到的待检测的WSI图像输入到预先训练得到的胶质瘤分级模型中，得到该待检测的WSI图像对应的胶质瘤恶性级别，然后保存该胶质瘤恶性级别，以实现智能诊断，辅助医生进行诊断，增强了胶质瘤诊断结果的客观性，使得诊断准确性提高。
-
公开(公告)号：CN113723617B
公开(公告)日：2024-08-06
申请号：CN202110986930.9
申请日：2021-08-26
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本发明提供一种二阶段联邦学习方法、系统，按照预设的第一轮次数重复基于特征融合算法根据本地模型和新全局模型进行一阶段联邦学习，以更新本地模型的本地权重和新全局模型的参数，并将更新的新全局模型作为二阶段全局模型，再通过预设的测试数据对二阶段全局模型进行收敛测试以获取准确率，若准确率收敛，则将二阶段全局模型作为客户端的二阶段本地模型，并重复基于联邦平均算法进行二阶段联邦学习，以更新二阶段本地模型的本地权重，若重复次数达到预设的第二轮次数，则完成二阶段联邦学习，如此，改变原模型训练的损失函数，使得本地模型在更新时更接近于从服务器端收到的全局模型，从而减轻用户本地数据的过多影响，进而使模型更快地具有泛化能力，提高收敛速度。
-
公开(公告)号：CN116875684A
公开(公告)日：2023-10-13
申请号：CN202310842752.1
申请日：2023-07-10
Applicant: 清华大学
IPC: C12Q1/6883 , G01N33/68 , G16H50/20 , G16B20/30
Abstract: 本发明涉及生物医学技术领域，具体涉及一组用于识别不稳定动脉粥样硬化斑块的生物标志物及其应用。通过斑块形成阶段开始出现、具有特定分子特征、且具有较高易损风险的细胞群筛选出一组用于识别不稳定动脉粥样硬化斑块的生物标志物，其可应用到不良心脑血管事件的早期预警及诊断中，临床应用前景良好。
-
公开(公告)号：CN116531011A
公开(公告)日：2023-08-04
申请号：CN202310457044.6
申请日：2023-04-24
Applicant: 清华大学
IPC: A61B6/03
Abstract: 本发明提供了一种基于体模的冠脉CTA钙化斑块检测系统、方法、设备及介质，涉及应用医学技术领域。本发明实施例中，在调整好CT设备后，可以获取所有斑块体模的至少一幅CTA图像。从而在获取了患者的待检测的冠脉CTA后，在斑块位置的邻近区域，通过计算机进行分析，并将分析结果和体模图像在同样算法下分析结果通过设计的指标进行匹配，选出最能模拟当前CTA中斑块情况的体模，利用该体模信息辅助还原CTA上斑块的真实状况。从而，本发明实施例可以使用斑块体模匹配CTA辅助还原CTA上冠脉斑块的真实大小，增加无创检查冠脉CTA在斑块分析上的可信度。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.018 seconds)
