-
公开(公告)号：CN111462004B
公开(公告)日：2023-03-21
申请号：CN202010237049.4
申请日：2020-03-30
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明提供了一种图像增强方法和装置，以及计算机设备和计算机可读存储介质，解决了现有技术中图像采集设备采集到的图像质量不能满足需求的问题。图像增强方法包括：获取由采集的原始图像降采样得到的一组子图像序列，子图像序列按分辨率依次降低的顺序依次排序；将分辨率最低的子图像作为参考图像计算上一个子图像的差值图像；对差值图像进行多尺度细节增强处理，得到细节增强图像；基于细节增强图像和上一个子图像计算上一个子图像对应的重构图像；利用上一个子图像对应的重构图像更新参考图像，重复上述过程以计算更上一个子图像对应的重构图像，直至得到原始图像对应的重构图像。
-
公开(公告)号：CN112597328B
公开(公告)日：2022-02-22
申请号：CN202011596849.1
申请日：2020-12-28
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明实施例公开了一种标注方法、装置、设备及介质。该方法包括：获取目标对象的同批次扫描数据中标注了感兴趣区域的第一图像数据和对应的第一标注数据，以及未标注感兴趣区域的第二图像数据；提取所述第二图像数据的数据特征得到第一特征信息，基于注意力机制对所述第一图像数据、所述第二图像数据、所述第一标注数据和所述第一标注数据特征信息处理得到所述第二图像数据的第二特征信息；根据所述第二特征信息生成第二标注结果。本发明实施例的技术方案，以半自动化的方式解决了对图像中的感兴趣区域进行人工标记工作量大，全自动化标记不够准确的问题，实现提高感兴趣区域标记效率与准确率，降低人力成本的效果。
-
公开(公告)号：CN112750124B
公开(公告)日：2021-11-09
申请号：CN202110090537.1
申请日：2021-01-22
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明实施例公开了一种模型生成、图像分割方法、装置、电子设备及存储介质。该模型生成方法包括：将获取到的样本图像输入至原始分割模型中，根据原始分割模型输出的分割特征图确定增强特征图和分类向量；根据增强特征图中的第三特征图和第四特征图确定相似性损失函数，并且根据分类向量和针对于已知目标的分类标签确定分类损失函数；将分类损失函数和相似性损失函数反向输入到原始分割模型，调节原始分割模型的网络参数，生成图像分割模型。本发明实施例的技术方案，可以生成能够进行精细并且完整分割的图像分割模型，达到了增强弱监督分割模型的分割性能的效果。
-
公开(公告)号：CN111445457B
公开(公告)日：2021-06-22
申请号：CN202010223807.7
申请日：2020-03-26
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请公开了一种网络模型的训练方法及装置、识别方法及装置、电子设备。所述网络模型的训练方法包括：获取包含脑部的血肿区域的样本图像；根据所述包含脑部的血肿区域的样本图像，训练预设网络模型，以生成所述网络模型，所述网络模型用于识别所述血肿区域的影像学特征的征象类别。利用本申请实施例提供的网络模型的训练方法训练生成的网络模型，能够减少识别脑血肿的影像学特征的征象类别所花费的时间，同时提高识别脑血肿的影像学特征的征象类别的准确率和效率。
-
公开(公告)号：CN112488178A
公开(公告)日：2021-03-12
申请号：CN202011355246.2
申请日：2020-11-26
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请公开了一种网络模型的训练方法及装置、图像处理方法及装置、设备。该训练方法包括：根据多个二维医学样本影像对应的三维样本特征和多个二维样本特征，通过特征转化算法，获得三维求和样本特征和多个二维求和样本特征，其中，多个二维医学样本影像具有包含病灶或不包含病灶的整体标签，三维求和样本特征结合有多个二维样本特征转化而成的三维样本特征，多个二维求和样本特征结合有三维样本特征转化而成的多个二维样本特征；根据多个二维求和样本特征和三维求和样本特征，获得训练完成的网络模型，能够减少对医学影像的病灶的精确标注的依赖，且能够精准地对病灶进行自动分类，从而大大降低了医生的图像标注的工作量。
-
Patent Agency Ranking
公开(公告)号：CN112288708A
公开(公告)日：2021-01-29
申请号：CN202011167553.8
申请日：2020-10-27
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明公开了一种CT图像中淋巴结的检测方法、装置、计算机可读存储介质以及电子设备，通过获取CT图像后将CT图像中的每层二维图像输入训练好的神经网络模型，直接得到每层二维图像中包含淋巴结图像的区域图像，最后基于区域图像的位置关系，将所有的区域图像融合以得到三维淋巴结图像；通过将CT图像拆分为二维图像并利用神经网络模型进行自动识别和分割，以得到每层二维图像中的淋巴结图像所在的区域图像，然后将区域图像融合得到三维淋巴结图像，这样可以利用二维图像处理难度较小且准确度较高的特点先得到淋巴结图像的二维图像，然后将二维图像融合得到三维图像，在降低检测难度的同时提高检测效率。
-
公开(公告)号：CN109741806B
公开(公告)日：2021-01-29
申请号：CN201910013477.6
申请日：2019-01-07
Applicant: 推想医疗科技股份有限公司
IPC: G16H15/00 , G06F40/30 , G06F40/186
Abstract: 本发明提供了一种医学影像诊断报告辅助生成方法及其装置。其中所述方法包括：获取医生输入的医学影像描述信息；对所述医学影像描述信息进行语义分割，得到多个影像语义分节；利用预先训练的分节识别模型对所述影像语义分节进行识别，获得每个所述影像语义分节对应的诊断意见分节；将所有所述诊断意见分节组合，得到诊断意见信息，并根据所述诊断意见信息生成医学影像诊断报告。实现了基于神经网络技术在医生进行撰写诊断意见时自动辅助生成诊断报告，提高了基于医学影像对患者进行诊断的效率，提高了医学诊断的准确性、一致性和可信度。
-
公开(公告)号：CN112233126A
公开(公告)日：2021-01-15
申请号：CN202011104293.X
申请日：2020-10-15
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明提供了一种医学图像的加窗方法及装置。该方法包括：分别获取待加窗处理的多个医学图像中的每个医学图像中的感兴趣区域的第一CT值和第二CT值，其中，第一CT值大于第二CT值；根据获取的多个第一CT值，确定加窗处理的窗口的第一参数值；根据获取的多个第二CT值，确定加窗处理的窗口的第二参数值；根据窗口的第一参数值和第二参数值，对多个医学图像进行加窗处理，能够自动选择合适的窗宽、窗位。
-
公开(公告)号：CN111128391B
公开(公告)日：2021-01-12
申请号：CN201911351404.4
申请日：2019-12-24
Applicant: 推想医疗科技股份有限公司
IPC: G16H50/70 , G06F16/35 , G06F16/33 , G06F40/289 , G06F40/30
Abstract: 本发明实施例公开了一种信息处理设备、方法和存储介质，该设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如下操作：获取当前对象的当前病历信息；对当前病历信息进行分词处理，并确定分词结果中的每个词对应的第一词向量；将每个第一词向量输入至预设图网络模型中，并根据预设图网络模型的第一输出结果，确定每个词对应的注意力权重，其中，预设图网络模型根据医学知识图谱进行构建；根据预设分类网络模型、各个词对应的注意力权重和第一词向量，确定当前对象对应的分类结果。通过本发明实施例的技术方案，可以保证分类结果的准确性。
-
公开(公告)号：CN112116005A
公开(公告)日：2020-12-22
申请号：CN202010987247.2
申请日：2020-09-18
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明提供了一种影像分类模型的训练方法及装置、存储介质和电子设备。该训练方法包括分别对整体影像和整体影像中的局部影像进行特征提取得到第一特征和第二特征，整体影像中除局部影像之外的区域具有病灶，局部影像包含由病灶引起的结构变异；融合第一特征和第二特征得到第三特征；对第三特征进行分类输出最终分类结果；根据最终分类结果训练影像分类模型，从而能够实现采用本发明实施例中的影像分类模型对整体影像中的难以定位或区分的病灶进行准确分类。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.037 seconds)
