一种基于列梅兹逼近算法的sigmoid函数拟合硬件电路

    公开(公告)号:CN107247992B

    公开(公告)日:2019-08-30

    申请号:CN201710416069.6

    申请日:2014-12-30

    Abstract: 本发明公开了一种基于列梅兹逼近算法的sigmoid函数拟合硬件电路,其特征是如下步骤进行:1确定拟合多项式的阶数;2获得sigmoid函数的拟合区间;3获得分段区间;4获得拟合多项式;5设计系数存储模块;6设计多项式运算模块;7设计判断模块;8获得拟合硬件电路;9判断操作数所在的拟合执行区间;10读取拟合多项式系数;11在多项式运算模块中进行拟合计算。本发明能在降低硬件资源消耗的基础上,提高运算精度、加快运算速度以及提升运算结构的灵活性。

    一种三维脊椎模型中椎弓根的切面获取方法及装置

    公开(公告)号:CN109979572A

    公开(公告)日:2019-07-05

    申请号:CN201910227240.8

    申请日:2019-03-25

    Abstract: 本发明公开了一种三维脊椎模型中椎弓根的切面获取方法及装置,所述方法包括:1)、基于三维医学图像处理技术,生成三维脊椎模型,其中,所述三维脊椎模型由若干个有限元组成;2)、获取所述三维脊椎模型中椎弓根的外圆周轮廓线;3)、将所述外圆周轮廓线经过的有限元的坐标映射到空间坐标系中,并根据映射后的有限元的空间坐标进行平面拟合,得到拟合平面;4)、将所述拟合平面作为切割平面,切割所述三维脊椎模型得到切面。应用本发明实施例,可以解决现有技术中功能较为单一的技术问题。

    基于集成学习的胃镜图像辅助处理系统及方法

    公开(公告)号:CN107564580B

    公开(公告)日:2019-02-12

    申请号:CN201710811399.5

    申请日:2017-09-11

    Abstract: 本发明公开一种基于集成学习的胃镜图像辅助处理系统及方法,所述系统包括图像采集模块、数据预处理模块、神经网络训练模块以及集成学习模块,通过数据预处理模块对图像数据实现筛选、数据分类、扩充等过程的优化,神经网络训练模块实现对所采用的卷积神经网络模型的扩充,同时通过集成学习模块提供一种将所产生的不同分类器进行整合的方法,旨在得到最终决策分类器,以提高分类器的整体性能,从而在敏感性、特异性、漏诊率、误诊率四个指标上到达临床辅助诊疗的要求,所述方法有效提高识别效率及准确度,真正起到辅助诊疗的作用。

    胃镜图像智能处理方法及装置

    公开(公告)号:CN107230198B

    公开(公告)日:2018-09-18

    申请号:CN201710434430.8

    申请日:2017-06-09

    Abstract: 本申请提供一种胃镜图像智能处理方法及装置,其中方法包括:动态获取第一胃镜图像;分割出所述第一胃镜图像上存在病灶特征的分割区域,在所述第一胃镜图像上标注对应所述分割区域的一级特征信息和位置信息作为第二胃镜图像,输出所述第二胃镜图像;接收所述第二胃镜图像,将多个所述第二胃镜图像中的一级特征信息和位置信息进行组合分析形成二级特征信息及对应所述二级特征信息的区域位置信息,输出标注有所述二级特征信息及所述区域位置信息的第三胃镜图像;接收所述第三胃镜图像并显示。本申请可帮助医生进行诊断,获得病理建议区域,大大减少了漏诊、错诊的几率。

    一种脊椎矫正装置
    46.
    发明授权

    公开(公告)号:CN106934810B

    公开(公告)日:2018-08-31

    申请号:CN201710195660.3

    申请日:2017-03-28

    Abstract: 本发明涉及一种脊椎矫正装置,该脊椎矫正装置包括识别模块、拟合模块、包围盒处理模块和矫正模块,识别模块以脊柱三维空间模型上的三角片为种子点进行生长并利用广度优先遍历法进行有最大迭代次数的相邻平面生长以获得三角片集合,拟合模块基于三角片集合中所有三角片的法向量和顶点参数采用矩阵乘法以及计算矩阵奇异值的方法计算拟合平面方程式,包围盒处理模块基于拟合出的两个相对拟合平面的中心点和法向量来确定包围盒的中心、两个相对面的距离和法向量并基于所确定的包围盒的中心、两个相对面的距离和法向量来确定包围盒的空间位置和大小,矫正模块基于包围盒截取的脊椎骨参数来产生弯棒的弯曲参数以通过弯棒实现脊椎矫正。

    医用内窥镜人工智能芯片的体系架构及图像处理方法

    公开(公告)号:CN108055454A

    公开(公告)日:2018-05-18

    申请号:CN201711296271.6

    申请日:2017-12-08

    Abstract: 本发明提供了一种医用内窥镜人工智能芯片的体系架构及图像处理方法。本发明通过设置部位识别模块筛选出包含预定部位的图像,后续只需要针对包含预定部位的图像进行处理,即进行预定特征区域识别,并且只需要计算包含预定特征区域的图像的置信度并进行标注,从而降低了需要处理的数据量以及需要处理的图像的数量,提高了图像的处理效率,包含该部位识别模块的内窥镜需要的处理数据量也相应的得到降低,从而提高了内窥镜对图像处理的效率以及内窥镜的检测效率。

    配置人工智能芯片的医用内窥镜系统及图像处理方法

    公开(公告)号:CN108042090A

    公开(公告)日:2018-05-18

    申请号:CN201711297987.8

    申请日:2017-12-08

    CPC classification number: A61B1/00009 A61B1/00006 A61B1/00011

    Abstract: 本发明提供一种配置人工智能芯片的医用内窥镜系统及图像处理方法。通过数据处理模块筛选置信度超过预定阀值的图像,传送给远程服务模块,降低通信负载。包含该模块的内窥镜需要传输的数据量也会得到降低。通过远程服务模块将具有预定特征区域进行标注和分类,从而将特定的图像信息展示给相关的工作人员,减少了图像识别的工作量,提高了工作效率。包含该模块的内窥镜也能够将具有特定的图像信息的图像展示给相关的工作人员,提高工作效率。通过实时指导模块低延时的接收指导命令,实现了实时接受远程指导,提高图像采集处理的效率。包含该模块的内窥镜也能够实现低延时的接收指导命令,从而提高了内窥镜检测的有效性。

    基于集成学习的胃镜图像辅助处理系统及方法

    公开(公告)号:CN107564580A

    公开(公告)日:2018-01-09

    申请号:CN201710811399.5

    申请日:2017-09-11

    Abstract: 本发明公开一种基于集成学习的胃镜图像辅助处理系统及方法,所述系统包括图像采集模块、数据预处理模块、神经网络训练模块以及集成学习模块,通过数据预处理模块对图像数据实现筛选、数据分类、扩充等过程的优化,神经网络训练模块实现对所采用的卷积神经网络模型的扩充,同时通过集成学习模块提供一种将所产生的不同分类器进行整合的方法,旨在得到最终决策分类器,以提高分类器的整体性能,从而在敏感性、特异性、漏诊率、误诊率四个指标上到达临床辅助诊疗的要求,所述方法有效提高识别效率及准确度,真正起到辅助诊疗的作用。

    一种网络化数据流的标签提取方法

    公开(公告)号:CN107483256A

    公开(公告)日:2017-12-15

    申请号:CN201710737185.8

    申请日:2017-08-24

    Abstract: 本发明公开了一种网络化数据流的标签提取方法,包括:1.根据社交网络中用户节点之间存在的关注关系,构建数据流形式的网络数据块,并获得网络数据块中每个用户节点的邻居列表;2.更新每一个网络数据块中每个用户节点的邻居列表;3.根据每一个网络数据块中用户的微博内容,采用主题建模法抽取出每个用户对应的候选标签列表,4.根据网络数据块中每个用户及其所有邻居用户的候选标签列表,得出每个用户的标签集。本发明在面向大规模的社交网络数据流中,能及时、有效的捕捉到社交用户的兴趣标签,从而能达到用户信息推荐和为公司做决策的目的。

Patent Agency Ranking