-
公开(公告)号：CN116541791A
公开(公告)日：2023-08-04
申请号：CN202310540311.6
申请日：2023-05-12
Applicant: 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC: G06F18/2433 , A61B5/346 , A61B5/349 , A61B5/352 , A61B5/00 , G06F18/214 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于多尺度信号恢复的心电图异常检测方法和系统，包括：使用滤波消除心电图原始信号的信号噪声得到全局信号；检测全局信号R峰并使用自适应动态阈值得到局部信号；对全局信号和局部信号实现多尺度信号特征编码；对多尺度编码特征使用自注意力机制以及基于残差的方法得到全局和局部特征；对全局信号使用时间尺度平滑得到平滑信号趋势；对平滑信号趋势实现信号趋势编码；对全局特征和局部特征实现多尺度信号解码；对全局特征和信号趋势特征实现信号趋势解码；使用异常评定函数实现心电图异常评定。本发明提高了心电图异常检测算法对不同异常类型的探测能力，提高了心电图异常检测算法的可解释性。
-
Patent Agency Ranking
公开(公告)号：CN118873148A
公开(公告)日：2024-11-01
申请号：CN202410919093.1
申请日：2024-07-10
Applicant: 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC: A61B5/318 , A61B5/346 , A61B5/00 , A61B5/36 , A61B5/352 , A61B5/366 , G06F18/24 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/098
Abstract: 本发明涉及一种基于异常检测预训练的心电图长尾分类方法、装置及介质，其中方法包括以下步骤：获取多尺度心电图信号；获取心电报告信息，提取报告属性信息和分类结果；基于多尺度心电图信号和报告属性信息预训练异常检测模型；以信号趋势辅助恢复中得到的信号趋势特征和多尺度交叉恢复中得到的全局心电特征的串联组合作为长尾分类网络的输入，从心电报告中提取的分类结果作为输出，训练长尾分类网络；将待检测心电图信号输入预训练完成的异常检测模型，对得到的信号趋势特征和全局心电特征进行串联组合，并将组合得到的特征输入到下游的长尾分类网络进行异常类型多分类，得到分类预测结果概率。与现有技术相比，本发明具有提高了分类结果的全面性和可靠性等优点。
-
公开(公告)号：CN114972871B
公开(公告)日：2025-05-09
申请号：CN202210617656.2
申请日：2022-06-01
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/77 , G06T7/33 , G06N3/045 , G06N3/082 , G06N3/0464
Abstract: 本发明提供了一种基于图像配准的少样本图像异常检测方法及系统，包括：对支撑图像和待检测图像提取图像的高维特征；对图像的高维特征进行特征的空间变换得到变换的图像特征；对变换的图像特征实现特征编码；对编码特征实现特征配准；对变换的图像特征拟合支撑图像的特征分布得到特征分布模型；对变换的图像特征和特征分布模型实现图像异常评定。本发明针对目前异常检测方法存在的问题，提出一种基于图像配准的少样本异常检测方法，本发明利用已知类别物体数据训练可推广的通用模型，不需要对新类别物体数据重新训练模型，而是仅利用少样本的新类别数据，即可应用于新类别物体的异常检测任务。
-
公开(公告)号：CN118172306A
公开(公告)日：2024-06-11
申请号：CN202410179957.0
申请日：2024-02-18
Applicant: 上海人工智能创新中心 , 上海交通大学
IPC: G06T7/00 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于视觉语言模型的医学图像异常检测方法、设备及介质，该方法采用多层次视觉特征适配技术，将多个残差适配器集成到视觉语言模型的视觉编码器中；同时采用适配特征比对技术，通过视觉适配特征与文本提示特征的比对实现零样本异常检测，或者通过少样本目标图像视觉适配特征的比对实现少样本异常检测。与现有技术相比，本发明具有更加准确的定位异常区域，提供更加优秀的异常检测性能等优点。
-
公开(公告)号：CN114972871A
公开(公告)日：2022-08-30
申请号：CN202210617656.2
申请日：2022-06-01
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于图像配准的少样本图像异常检测方法及系统，包括：对支撑图像和待检测图像提取图像的高维特征；对图像的高维特征进行特征的空间变换得到变换的图像特征；对变换的图像特征实现特征编码；对编码特征实现特征配准；对变换的图像特征拟合支撑图像的特征分布得到特征分布模型；对变换的图像特征和特征分布模型实现图像异常评定。本发明针对目前异常检测方法存在的问题，提出一种基于图像配准的少样本异常检测方法，本发明利用已知类别物体数据训练可推广的通用模型，不需要对新类别物体数据重新训练模型，而是仅利用少样本的新类别数据，即可应用于新类别物体的异常检测任务。
-
公开(公告)号：CN113115040A
公开(公告)日：2021-07-13
申请号：CN202110422137.6
申请日：2021-04-20
Applicant: 上海交通大学
IPC: H04N19/154 , H04N19/86
Abstract: 一种图像压缩方法，将接收到的原始图像输入图像压缩编码器，获得压缩图像；判断所述压缩图像是否满足观看质量，若不满足观看质量，则调整所述图像压缩编码器的压缩参数，将原始图像输入调整过的图像压缩编码器，对输出的压缩图像继续判断是否满足观看质量，若满足观看质量，则输出、获得压缩图像和/或所述图像压缩编码器的压缩参数。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
