-
公开(公告)号:CN109447937B
公开(公告)日:2021-07-06
申请号:CN201710754656.6
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
Abstract: 本发明公开了一种图像处理模型的确定方法及其相关装置,首先,采用训练样本数据对深度学习卷积网络训练,得到初始的图像处理模型;之后,根据初始的图像处理模型确定训练样本数据中的稀有样本数据,并在训练样本数据中提升稀有样本数据的出现频率;最后,采用提升稀有样本数据的出现频率后的训练样本数据,对深度学习卷积网络重新训练,得到第一优化的图像处理模型。通过筛选出稀有样本数据并对其样本量进行扩充,使训练样本数据涵盖更多的数据变化条件,可以提高最后形成的图像处理模型对于稀有样本数据的分析精度。
-
公开(公告)号:CN110019900B
公开(公告)日:2021-04-20
申请号:CN201710757308.4
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种眼底图像的结构标注方法及设备,所述方法包括:对需要进行结构标注的眼底图像进行N次结构识别分类,其中,每经过一次结构识别分类,获得相应的结构边界集合,N为大于2的整数;分别针对每一个结构边界集合执行以下操作,获得至少一个目标子图:分别确定一个结构边界集合中的每一个子图与每一个其他结构边界集合的重叠面积,分别统计所述每一个子图被判定重叠面积大于设定门限的次数,以及筛选出所述次数大于第一设定阈值的子图作为目标子图;在所述眼底图像中,将所述至少一个目标子图占用的区域标注为结构区域。
-
公开(公告)号:CN108062341A
公开(公告)日:2018-05-22
申请号:CN201610997488.9
申请日:2016-11-08
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司
Abstract: 本发明实施例公开一种数据的自动标注方法及装置,所述方法包括:将标注样本中任意两个样本数据的数据特征进行比较,获得任意两个所述样本数据的排序列表;基于所述排序列表进行数据训练,获得所述数据特征的排序模型;利用所述排序模型,将所述待标注数据插入到所述排序列表的对应位置;当所有待标注数据都添加到所述排序列表之后,根据所述排序列表中待标注数据的排序生成标注标签。在本实施例中会基于样本数据的数据特征的比较,得到排序列表,通过数据训练得到排序模型,利用排序模型进行待标注数据的排序,并基于排序进行数据标注,相对于人工标注,减少了人工错误导致的不精确性,利用设备进行自动标注,提升了标注效率。
-
公开(公告)号:CN110019900A
公开(公告)日:2019-07-16
申请号:CN201710757308.4
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种眼底图像的结构标注方法及设备,所述方法包括:对需要进行结构标注的眼底图像进行N次结构识别分类,其中,每经过一次结构识别分类,获得相应的结构边界集合,N为大于2的整数;分别针对每一个结构边界集合执行以下操作,获得至少一个目标子图:分别确定一个结构边界集合中的每一个子图与每一个其他结构边界集合的重叠面积,分别统计所述每一个子图被判定重叠面积大于设定门限的次数,以及筛选出所述次数大于第一设定阈值的子图作为目标子图;在所述眼底图像中,将所述至少一个目标子图占用的区域标注为结构区域。
-
公开(公告)号:CN109427052A
公开(公告)日:2019-03-05
申请号:CN201710757936.2
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
Abstract: 本发明实施例提供基于深度学习处理眼底图像的相关方法及设备。其中,一种基于深度学习的眼底图像处理方法包括:以预设分割方式分割待处理眼底图像,获得至少一个分析图像;通过眼底图像深度学习网络模型对至少一个分析图像进行分析,获得至少一个中间图像;融合至少一个中间图像,以获得包含特征标记的待处理眼底图像;其中,眼底图像深度学习网络模型为通过深度学习网络对至少一个训练图像分别进行多层卷积计算,以迭代更新深度学习网络模型获得的;在每一次更新深度学习网络模型的过程中,结合最后一层卷积计算获得的特征图及至少一个更新特征图,更新深度学习网络模型;更新特征图为对一层卷积计算获得的特征图再次进行卷积计算获得的特征图。
-
公开(公告)号:CN108074628A
公开(公告)日:2018-05-25
申请号:CN201611025248.9
申请日:2016-11-15
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司
Abstract: 本发明实施例公开了一种复诊患者预测方法及装置,用以解决现有技术中,在预测已就诊患者是否来医院复诊时准确性低的问题。所述方法包括:针对已就诊患者,根据预先设定的各目标医疗特征和目标社会特征的信息,获取所述已就诊患者各目标社会特征对应的各第一参数值及各目标医疗特征对应的各第二参数值;根据获取的所述各第一参数值、所述各第二参数值及预先训练完成的潜在患者预测模型,预测所述已就诊患者是否复诊。由于在本发明实施中,在预测已就诊患者在患者是否为来医院复诊时,通过所述已就诊者的各社会特征和各医疗特征的参数值进行预测,提高了预测的准确性。
-
公开(公告)号:CN109447995A
公开(公告)日:2019-03-08
申请号:CN201710754621.2
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
CPC classification number: G06T7/11 , G06T7/0012 , G06T2207/30041
Abstract: 本发明公开了一种眼前节图像的分割方法及其相关装置,预先针对裂隙型眼前节图片和弥散型眼前节图片训练对应的裂隙模型和弥散模型,在获取到眼前节图像后,根据预先训练的裂隙模型和弥散模型检测眼前节图像的图片类型;在确定出的眼前节图像所属的图片类型,将眼前节图像分割成虹膜区域、晶状体区域和皮肤区域。由于采用预先训练的裂隙模型和弥散模型确定眼前节图像进行图片类型,能够同时处理裂隙光和弥散光拍摄的图片,对眼前节图像进行自动分割,获取其皮肤区域、虹膜区域、晶状体区域的位置,因而可以方便地实现批量眼前节图像的区域自动分割和检测。
-
公开(公告)号:CN109447937A
公开(公告)日:2019-03-08
申请号:CN201710754656.6
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
IPC: G06T7/00
Abstract: 本发明公开了一种图像处理模型的确定方法及其相关装置,首先,采用训练样本数据对深度学习卷积网络训练,得到初始的图像处理模型;之后,根据初始的图像处理模型确定训练样本数据中的稀有样本数据,并在训练样本数据中提升稀有样本数据的出现频率;最后,采用提升稀有样本数据的出现频率后的训练样本数据,对深度学习卷积网络重新训练,得到第一优化的图像处理模型。通过筛选出稀有样本数据并对其样本量进行扩充,使训练样本数据涵盖更多的数据变化条件,可以提高最后形成的图像处理模型对于稀有样本数据的分析精度。
-
公开(公告)号:CN108132957B
公开(公告)日:2021-09-10
申请号:CN201611095424.6
申请日:2016-12-01
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司
IPC: G06F16/22
Abstract: 本发明公开了一种数据库处理方法,包括:利用源数据库的表结构信息,获取含有单主键的至少一个第一表;针对每个含有单主键的第一表,将单主键数据与所述源数据库中除所述至少一个第一表外的第二表进行匹配,建立含有单主键的第一表与第二表之间的主从表关系;利用建立的主从表关系,利用左连接的方式确定源数据库的表之间的关联关系;对得到的关联关系进行排序和合并,生成关系树。本发明同时还公开了一种数据库处理装置。
-
公开(公告)号:CN109447995B
公开(公告)日:2021-01-15
申请号:CN201710754621.2
申请日:2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
Abstract: 本发明公开了一种眼前节图像的分割方法及其相关装置,预先针对裂隙型眼前节图片和弥散型眼前节图片训练对应的裂隙模型和弥散模型,在获取到眼前节图像后,根据预先训练的裂隙模型和弥散模型检测眼前节图像的图片类型;在确定出的眼前节图像所属的图片类型,将眼前节图像分割成虹膜区域、晶状体区域和皮肤区域。由于采用预先训练的裂隙模型和弥散模型确定眼前节图像进行图片类型,能够同时处理裂隙光和弥散光拍摄的图片,对眼前节图像进行自动分割,获取其皮肤区域、虹膜区域、晶状体区域的位置,因而可以方便地实现批量眼前节图像的区域自动分割和检测。
-
-
-
-
-
-
-
-
-