-
公开(公告)号：CN114972859A
公开(公告)日：2022-08-30
申请号：CN202210545928.2
申请日：2022-05-19
Applicant: 推想医疗科技股份有限公司
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本说明书实施方式提供了一种像元的分类方法、模型训练方法、装置、设备和介质。所述方法包括：获取肺动脉图像序列中表示肺动脉骨架的像元集合，和表示所述肺动脉骨架的像元集合中像元之间的邻接关系的邻接矩阵；提取所述像元集合中的像元的初级分类特征；其中，所述初级分类特征用于表征所述像元集合中的像元；使用所述初级分类特征和所述邻接矩阵确定所述肺动脉骨架的像元集合中像元属于的肺动脉类别。通过提取表示肺动脉骨架像元的初级分类特征和构建表示肺动脉骨架的像元集合中像元的邻接矩阵作为像元分类模型的图注意力网络进行融合提取像元集合中像元的特征，提升了肺动脉图像序列中表示肺动脉的像元的分类的准确性。
-
公开(公告)号：CN114972211A
公开(公告)日：2022-08-30
申请号：CN202210499642.5
申请日：2022-05-09
Applicant: 推想医疗科技股份有限公司
Abstract: 本说明书实施方式提供了一种图像分割模型的训练方法、分割方法、装置、设备和介质。所述图像分割模型包括编码器和分割解码器；所述方法包括：使用所述编码器提取无标注样本图像的图像特征；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。通过将第一掩码信息和第一重构图像与无标注图像之间的差异作为第二掩码信息计算图像分割模型的损失，从而更新图像分割模型，实现了在对训练样本进行少量标注的情况下，提升图像分割模型分割目标对象的准确性。
-
公开(公告)号：CN113888663B
公开(公告)日：2022-08-26
申请号：CN202111204693.2
申请日：2021-10-15
Applicant: 推想医疗科技股份有限公司
IPC: G06T11/00 , G06T7/33 , G06V10/80 , G06V10/774
Abstract: 本发明实施例公开了一种重建模型训练方法、异常检测方法、装置、设备及介质。重建模型训练方法包括：获取至少一个正样本图像；对于任一正样本图像中的任一像素区域，确定当前像素区域在第一模态下的第一相关像素区域，以及当前像素区域在至少一个第二模态下的第二像素区域；获取任一正样本图像中的各像素区域的第一相关像素区域和第二像素区域的融合区域特征，并基于各所述像素区域的融合区域特征以及各所述像素区域在各个模态下的各模态区域图像，对当前图像重建模型进行迭代训练，直到满足迭代停止条件，得到训练后的目标图像重建模型。通过本发明实施例的技术方案，实现了提高医学图像中异常检测的准确性，从而降低医生漏诊异常疾病的可能性。
-
公开(公告)号：CN112488178B
公开(公告)日：2022-07-26
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。
-
公开(公告)号：CN112085197B
公开(公告)日：2022-07-22
申请号：CN202010954707.1
申请日：2020-09-11
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明提供了一种神经网络模型的训练方法及装置、存储介质和电子设备。神经网络模型的训练方法包括对同一身体部位的多个模态影像分别进行特征提取得到对应的多个模态特征；对多个模态特征进行融合得到第一融合向量；采用循环神经网络的方式对第一融合向量进行特征聚合重建得到第一特征向量；根据第一特征向量计算第一损失函数；根据第一损失函数训练神经网络模型。本发明通过对多个模态特征进行融合得到第一融合向量以及采用循环神经网络的方式对第一融合向量进行特征聚合重建得到第一特征向量，从而能够有效挖掘多个模态影像中多个模态特征的关联性。
-
Patent Agency Ranking
公开(公告)号：CN114742916A
公开(公告)日：2022-07-12
申请号：CN202210415984.4
申请日：2022-04-20
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请提供一种图像重建方法、装置、存储介质及电子设备，涉及图像处理技术领域。该方法包括：在编码器模块输出的第一特征图序列中添加M个掩码向量矩阵，其中，第一特征图序列为第一影像序列的特征图序列，M为正整数；利用解码器模块中的自注意力机制，基于第一特征图序列，确定M个掩码向量矩阵各自对应的M个学习向量矩阵；基于第一特征图序列和M个学习向量矩阵，生成第二影像序列。本申请基于非对称的编码器‑解码器结构和自注意力机制，可以对第一特征图序列中不同区域进行自适应的特征提取、可以更准确地对不同组织结构的第一影像序列进行重建、可根据医生诊断需要生成所需层厚的第二影像序列。
-
公开(公告)号：CN113361584B
公开(公告)日：2022-05-27
申请号：CN202110611034.4
申请日：2021-06-01
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请提供了一种模型训练的方法及装置、肺动脉高压的测量方法及装置，该模型训练的方法包括：向初始网络模型中输入样本数据，样本数据标注有肺动脉标签、分叉点标签和背景标签中的至少一个，其中肺动脉标签和/或分叉点标签构成前景标签；利用第一分类分支对样本数据进行分类，得到第一分类结果；利用第二分类分支对具有前景标签的样本数据进行分类，得到第二分类结果；基于第一分类结果和第二分类结果，获得最终分类结果，最终分类结果用于表征样本数据是否具有分叉点；根据最终分类结果进行模型训练。本申请通过在训练过程中将样本数量较少的样本数据合并判别，避免了在模型训练的过程中，因为样本之间数据量差距较大而出现类不平衡的现象。
-
公开(公告)号：CN113034642B
公开(公告)日：2022-05-27
申请号：CN202110341995.8
申请日：2021-03-30
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请提供了一种图像重建方法及装置、图像重建模型的训练方法及装置，该图像重建方法包括：基于厚层影像序列确定第一影像序列，其中，第一影像序列的信噪比高于厚层影像序列，厚层影像序列包括多个原始图像，第一影像序列包括多个第一图像，多个第一图像与多个原始图像在空间上一一对应；基于多个第一图像中的每个第一图像，确定两个第二图像，以得到第二影像序列，第二影像序列包括多个第二图像，第一图像位于两个第二图像之间；基于第一影像序列和第二影像序列确定薄层影像序列。本申请的技术方案能够重建高分辨率和高精确度的薄层影像序列。
-
公开(公告)号：CN114445629A
公开(公告)日：2022-05-06
申请号：CN202210101493.2
申请日：2022-01-27
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、系统、电子设备及存储介质。该模型生成方法可包括：获取样本图像、增强图像和样本图像的分割标签，将样本图像和分割标签、及增强图像和分割标签分别作为一组训练样本；基于多组训练样本对原始分割模型进行训练，得到图像分割模型；其中，增强图像包括根据样本图像以及图像模板生成的第一增强图像、和/或根据样本图像的目标特征图和目标特征图模板生成的第二增强图像，图像模板中包括像素值为第一数值的像素点，目标特征图模板中包括像素值为第二数值的像素点，且第一数值和第二数值小于预设数值。本发明实施例的技术方案，基于有限数据分布下的样本图像训练得到具有强鲁棒性的图像分割模型。
-
公开(公告)号：CN114445424A
公开(公告)日：2022-05-06
申请号：CN202210049565.3
申请日：2022-01-17
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/11 , G06T7/00 , G06K9/62 , G06V10/774
Abstract: 本申请涉及图像处理技术领域，具体涉及一种模型训练方法和模型训练装置、肝段分割方法和肝段分割装置，以及计算机可读存储介质和电子设备，解决了现有模型对肝段分割的效果较差的问题。由于肝脏的肝静脉和门静脉等静脉与肝段的划分存在紧密的位置联系，因此，本申请实施例提供的模型训练方法，利用包括肝脏样本图像数据、肝脏样本图像数据对应的肝段标注数据和静脉标注数据的训练数据集，对初始网络模型进行训练，能够使初始网络模型在学习肝段分割的过程中参考到静脉的位置，从而提高训练得到的肝段分割模型的分割效果，以提高肝段分割的鲁棒性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
386
records
(took 0.046 seconds)
