-
公开(公告)号：CN114998607B
公开(公告)日：2023-01-31
申请号：CN202210511777.9
申请日：2022-05-11
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了超声图像的特征提取方法、装置、电子设备及存储介质，包括：通过图像特征编码器和文本特征编码器对超声图像和诊断报告进行特征提取，得到图像特征和文本特征；对超声图像和任意诊断报告，根据图像特征和文本特征确定该超声图像与诊断报告之间的第一余弦相似度，根据第一余弦相似度，得到全局损失；对超声图像和其匹配的诊断报告，根据图像特征和文本特征，确定各图像块之间的第二余弦相似度和各句子的第三余弦相似度，根据第二余弦相似度和第三余弦相似度得到图像局部损失和文本局部损失；根据全局损失、图像局部损失和文本局部损失优化图像特征编码器和文本特征编码器；通过优化后的图像特征编码器对待处理的超声图像进行特征提取。
-
公开(公告)号：CN114943699B
公开(公告)日：2023-01-17
申请号：CN202210532763.5
申请日：2022-05-16
Applicant: 北京医准智能科技有限公司
Abstract: 本发明公开了一种冠脉钙化斑块的分割模型的训练方法及装置、冠脉钙化斑块的分割方法及装置，其中所述训练方法包括：获取目标训练图像，所述目标训练图像为包括心脏区域的非对比增强心电门控钙化积分电子计算机断层扫描CSCT图像；所述心脏区域包括多个冠脉分支；获取针对所述目标训练图像的位置编码图像，所述位置编码图像至少表征所述目标训练图像中各冠脉分支间的相对位置；基于所述目标训练图像和所述位置编码图像，对分割模型进行训练；其中，训练完成的分割模型用于对待分割CSCT图像中的所述多个冠脉分支中的各冠脉分支的钙化斑块区域进行分割。
-
公开(公告)号：CN113920068B
公开(公告)日：2022-12-30
申请号：CN202111125524.X
申请日：2021-09-23
Applicant: 北京医准智能科技有限公司
Abstract: 本申请公开一种基于人工智能的身体部位检测方法、装置及电子设备，身体部位检测方法包括：对初始图像进行图像分割，得到目标图像；对目标图像进行处理，得到用于指示身体部位的掩膜；利用掩膜确定目标图像中的第一身体部位；对第一身体部位的图像进行处理，得到目标图像中的第二身体部位。其中，第一身体部位和第二身体部位基于身体检测模型确定。本申请通过标记有身体部位标签的样本训练身体检测模型，最终利用训练完成的身体检测模型检测医学影像中的身体部位。
-
公开(公告)号：CN115511818A
公开(公告)日：2022-12-23
申请号：CN202211149410.3
申请日：2022-09-21
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了一种肺结节检出模型的优化方法、装置、设备及存储介质，通过患者的临近检查历史信息和当前检查影像，确定所述当前检查影像的多个肺结节候选区域；将所述当前检查影像输入肺结节检出模型，获得所述当前检查影像的多个肺结节特征；基于各个位置上的肺结节候选区域和肺结节特征之间的关系，调整所述肺结节检出模型检出的各个肺结节特征的概率阈值，优化肺结节检出模型，能够有效提高肺结节检出模型的准确性，降低出错概率。
-
公开(公告)号：CN115409856A
公开(公告)日：2022-11-29
申请号：CN202211183941.4
申请日：2022-09-27
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了一种肺部医学图像处理方法、装置、设备及存储介质，所述方法包括：获取三维的目标肺部CT图像；将所述目标肺部CT图像输入预先训练的医学图像分割模型，得到所述目标肺部CT图像中的各个肺部病变区域图像。采用该方法，其中，医学图像分割模型为基于三维的样本肺部CT图像、预先标注的样本肺部CT图像中的各个病变区域图像和预设的实例损失函数，对待训练神经网络进行训练得到的，而实例损失函数反映了预先标注的各个病变区域图像对待训练神经网络分割所述样本肺部CT图像中的病变区域图像的影响，利用实例损失函数使得训练得到的医学图像分割模型有效地减少了肺部多发病变区域图像的漏分割，提升了肺部CT图像分割效果。
-
Patent Agency Ranking
公开(公告)号：CN114627296B
公开(公告)日：2022-11-08
申请号：CN202210282010.3
申请日：2022-03-21
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了图像分割模型的训练方法，方法包括：基于第一编码子网络和解码子网络，确定第一训练子集中的第一标注样本图像对应的第一标注预测图像；基于第一编码子网络、第二编码子网络和变换子网络，确定第一训练子集中全部样本图像对应的空间特征向量；基于第一标注样本图像对应的第一标注图像和第一标注预测图像确定图像分割模型的第一子损失值；基于第一训练子集中全部样本图像对应的空间特征向量确定图像分割模型的第二子损失值；基于图像分割模型的第一子损失值和第二子损失值，训练图像分割模型；其中，第一训练子集中包括至少一组样本图像对，每一组样本图像对包括从同一视频中获取的标注样本图像和非标样本图像。
-
公开(公告)号：CN115294400A
公开(公告)日：2022-11-04
申请号：CN202211013114.0
申请日：2022-08-23
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06T7/00 , G06T7/11 , G06T9/00
Abstract: 本公开提供了一种图像分类模型的训练方法、装置、电子设备及存储介质，包括：确认第一样本图像和第一掩码图像；基于所述第一掩码图像训练图像分类模型包括的第一编码器，确认训练完成的第一编码器为第二编码器；将第二样本图像输入至第二编码器和全连接层分类器中，确认全连接层分类器的输出为第二样本图像的肺部预测分类结果；基于第二样本图像的肺部标注分类结果和第二样本图像的肺部预测分类结果调整全连接层分类器的参数，或者调整第二编码器和全连接层分类器的参数。
-
公开(公告)号：CN115240005A
公开(公告)日：2022-10-25
申请号：CN202210901681.3
申请日：2022-07-28
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本公开提供了一种图像分类模型的训练方法、装置、设备及存储介质，包括：确认样本集；其中，所述样本集中包括正位样本图像，以及正位样本图像和侧位样本图像组成的图像对；所述图像对来源于同一目标；将所述样本集输入至所述图像分类模型中，对所述图像分类模型进行训练；其中，所述图像分类模型包括正位分支、侧位分支和融合分支，所述正位分支包括第一编码器和第一分类器；所述侧位分支包括第二编码器和第二分类器；所述融合分支包括特征融合层和第三分类器。
-
公开(公告)号：CN115082742A
公开(公告)日：2022-09-20
申请号：CN202210920449.4
申请日：2022-08-02
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本公开提供了一种图像分类模型的训练方法、装置、电子设备及存储介质，包括：获取目标对象对应的横切图像和纵切图像所对应的视觉特征；基于图像分类模型包括的图间变换器，将所述视觉特征映射至第一属性图包括的各目标节点，确定各目标节点的属性特征的预测概率；基于图像分类模型包括的图内变换器，对所述分类图中各分类节点进行特征融合，确定各分类节点对应的分类预测概率；基于所述各目标节点的属性特征的预测概率，以及各目标节点的属性特征的标签确认第一子损失；基于所述各分类节点对应的分类预测概率，以及所述目标对象的分类标签确认第二子损失；基于所述第一子损失和所述第二子损失调整所述图像分类模型的参数。
-
公开(公告)号：CN115049590A
公开(公告)日：2022-09-13
申请号：CN202210541331.0
申请日：2022-05-17
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00 , G06V10/22 , G06V10/764 , G06V10/82 , G06T7/73 , G06T7/66 , G06T7/11 , G06T5/30 , G06T3/40
Abstract: 本申请提供了一种图像处理方法、装置、电子设备及存储介质；获取血管对应的三维图像；确定所述三维图像中的血管图像和所述血管图像对应的第一候选区域；确定所述第一候选区域中的钙化成份的位置信息和所述钙化成份对应的第二候选区域；确定所述第二候选区域中的钙化成份特征点和非钙化成份特征点；基于所述钙化成份特征点和所述非钙化成份特征点，确定所述血管包括的成份类别。通过本申请，能够提高图像处理的精度。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.035 seconds)
