-
公开(公告)号：CN119052516A
公开(公告)日：2024-11-29
申请号：CN202411029003.8
申请日：2024-07-30
Applicant: 中国科学院深圳先进技术研究院 , 广州紫气东莱医疗科技有限公司
IPC: H04N21/2187 , H04N13/398
Abstract: 本申请提供了一种虚拟远程直播方法、装置、设备及存储介质，涉及虚拟现实技术领域。其中，该方法包括：根据真实场景中的真实模型构建虚拟场景，其中，虚拟场景中包括用于与真实模型相对应的虚拟模型；基于所述真实场景中真实模型的位姿在本地端和远程端同步显示所述虚拟场景中的虚拟模型；持续获取本地端针对所述真实模型进行位姿监测生成的位姿数据，和/或，远程端针对所述虚拟模型进行远程交互生成的操作数据以调整所述虚拟模型的位姿。本申请解决了相关技术中虚拟远程直播效果差的问题。
-
公开(公告)号：CN118262121A
公开(公告)日：2024-06-28
申请号：CN202410244056.5
申请日：2024-03-04
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本申请提供了一种图像特征提取方法、装置、电子设备及存储介质，涉及图像处理技术领域。其中，该方法包括：获取待处理图像；基于图学习算法对所述待处理图像进行特征提取，获得微环境特征；所述微环境特征用于描述所述待处理图像的微环境信息；基于全局特征提取模型对所述待处理图像进行特征提取，获得全局信息特征；所述全局信息特征用于描述所述待处理图像的全局空间信息；对所述微环境图像特征和所述全局特征进行不同模态间的特征融合，得到融合特征，以将所述融合特征应用于病理分析任务。本申请解决了相关技术中病理分析任务的准确率不高的问题。
-
公开(公告)号：CN116433734A
公开(公告)日：2023-07-14
申请号：CN202310149191.7
申请日：2023-02-14
Applicant: 中国科学院深圳先进技术研究院
IPC: G06T7/33 , G16H20/40 , G06N3/08 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种多模态影像引导放射治疗的配准方法。该方法包括：获取多模态的待配准影像；对所述待配准影像的目标器官进行点云化处理，并使用非刚性配准所学习到的形变关系对所述待配准图像进行基于器官解剖结构点云的配准，以获得初步形变的待配准影像；将所述初步形变的待配准影像输入到经训练的深度卷积网络，获得配准后的影像，所述深度卷积网络反映所述多模态的待配准影像与模板影像之间的形变关系；利用所述配准后的影像制定放射治疗计划。本发明提升了图像配准的准确性以及医学可解释性。
-
公开(公告)号：CN113920013B
公开(公告)日：2023-06-16
申请号：CN202111198028.7
申请日：2021-10-14
Applicant: 中国科学院深圳先进技术研究院
IPC: G06V20/20 , G06V10/82 , G06T3/40 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于超分辨率的小图像多目标检测方法。该方法包括：获取原始场景的第一分辨率图像；利用可逆神经网络模型将第一分辨率图像转换为第二分辨率图像后进行传输，进而还原为第一分辨率图像，其中第二分辨率图像的分辨率低于第一分辨率图像；将还原的第一分辨率图像输入至经训练的超分辨率扩散模型，并通过随机迭代去噪过程执行超分辨率重建，输出超高分辨率图像；对所述超高分辨率图像执行目标检测，获得目标识别信息。本发明提高了低分辨率情景下的障碍物检测精度，并使得导盲设备可以长时间工作，减轻使用者负担。
-
公开(公告)号：CN115994912A
公开(公告)日：2023-04-21
申请号：CN202111209495.5
申请日：2021-10-18
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明公开了一种基于领域自适应的多域医学图像分割方法。该方法包括：以设定的损失函数为目标训练变分自编码器，以提取不同域的隐空间编码和对应域的风格向量，其中，该变分自编码器包括编码器和解码器；对于待处理图像，利用所述变分自编码器推断域信息并提取域风格向量，将图像的隐空间编码减去相应域的风格向量，获得去风格化的隐空间编码；将所述去风格化的隐空间编码输入至所述解码器，重建出统一风格的图像；将所述统一风格的图像输入到经训练的分割网络，获得分割结果。本发明消除了多域数据之间的域鸿沟，并增加了训练分割网络的数据量，提升了图像分割精度。
-
Patent Agency Ranking
公开(公告)号：CN114067389A
公开(公告)日：2022-02-18
申请号：CN202111216040.6
申请日：2021-10-19
Applicant: 中国科学院深圳先进技术研究院
IPC: G06V40/16 , G06K9/62 , G06V10/774 , G06N3/04
Abstract: 本申请涉及图像处理领域，提供了一种面部表情的分类方法，包括：获取目标图像，该目标图像包括目标对象的面部表情；将目标图像输入到表情分类模型中，得到分类结果，分类结果用于指示面部表情的情绪表达程度；表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过第一特征提取网络对目标图像进行局部特征提取，得到面部表情所在区域的第一特征；通过第二特征提取网络对目标图像进行全局特征提取，得到第二特征；通过融合分类模块对第一特征和第二特征进行特征融合和分类，得到分类结果。上述方法能够提高面部表情的情绪特征的提取率，从而解决面部表情分类准确率低的问题。
-
公开(公告)号：CN107169975B
公开(公告)日：2019-07-30
申请号：CN201710186624.0
申请日：2017-03-27
Applicant: 中国科学院深圳先进技术研究院
CPC classification number: G06T7/13 , G06T7/136 , G06T7/149 , G06T7/155 , G06T2207/10132
Abstract: 本发明实施例提供了一种超声图像的分析方法及装置，用于从所述超声图像中分割出目标区域。其中，分析方法包括：对所述超声图像进行预处理；从预处理后的所述超声图像中提取出所述目标区域的初始轮廓；以及对所述目标区域的初始轮廓进行演化，从而获取所述目标区域的准确边界。本发明实施例，能够在保证分割结果准确性的同时，提高分割的自动化水平和速度。
-
公开(公告)号：CN109800789A
公开(公告)日：2019-05-24
申请号：CN201811554036.9
申请日：2018-12-18
Applicant: 中国科学院深圳先进技术研究院
IPC: G06K9/62
Abstract: 本发明属于医学图像处理技术领域，公开了基于图网络的糖尿病视网膜病变分类方法及装置。基于图网络的糖尿病视网膜病变分类方法，包括：获取预定数量的眼底彩色图像，归一化预处理眼底彩色图像，作为归一化图像；将归一化图像构造图结构，对图结构进行特征提取，获得待处理的数据；构建卷积神经网络模型，对待处理的数据进行卷积神经网络训练，得到糖尿病视网膜病变等级分类模型。本发明将图形数据结构化，通过图结构分析算法，结合卷积神经网络模型，通过计算机自动阅片，实现眼底彩色图像的分类。
-
公开(公告)号：CN103584827B
公开(公告)日：2016-09-07
申请号：CN201310616957.4
申请日：2013-11-27
Applicant: 中国科学院深圳先进技术研究院
IPC: A61B1/00
Abstract: 本发明涉及医疗器械领域，具体公开一种医用内窥镜一次性护套，以及对应的医用内窥镜。本发明的医用内窥镜一次性护套包括：护套外壁（8）；并行包裹在护套外壁（8）内的内镜护套（4）、水气通道（5）和活检通道（7）；以及与所述护套外壁（8）接合的楔形接头（3），所述楔形接头（3）用于接入医用内窥镜、水气通道（4）和活检通道（7），并且包括连接所述内镜护套（4）的内镜入口（1）。本发明将活检通道、水气通道集成在内窥镜护套中，并使用楔形接头连接内窥镜镜体，实现镜体与污染物的彻底隔绝，有效避免了交叉感染。且结构简单、操作方便，一次性护套在每次使用后更换，避免复杂的消毒过程，适于各种软性内窥镜的使用场合。
-
公开(公告)号：CN102266250B
公开(公告)日：2013-11-13
申请号：CN201110202475.5
申请日：2011-07-19
Applicant: 中国科学院深圳先进技术研究院
CPC classification number: A61B8/4245
Abstract: 本发明涉及一种超声手术导航系统，用于在手术中对手术器械进行实时的定位跟踪，该系统包括影像系统和跟踪定位系统，影像系统包括超声探头和影像工作站，影像工作站根据超声探头获取的实时手术中的影像进行图像显示，并根据跟踪定位系统获取手术器械在手术图像中的位置。通过在超声探头及手术器械上固定标记物，定位器获得超声探头及手术器械的坐标，并得到手术器械相对于超声探头的相对坐标位置，从而在术中超声成像时，导航系统可以根据定位器提供的精确定位信息在三维空间中绘制出扇形超生面片与手术器械的相对位置，进而引导医生进行精确的手术导航。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.045 seconds)
