-
公开(公告)号：CN116309924B
公开(公告)日：2023-08-18
申请号：CN202310598313.0
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06T7/10 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法、图像展示的方法及装置。本说明书实施例在图像生成模型的训练过程中，会将第一数量的第一CT图像作为该图像生成模型的输入，并且以最小化图像生成模型所输出的第二数量的生成图像与第二数量的第二CT图像之间的偏差为优化目标，来对该图像生成模型进行训练，以使得训练后的该图像生成模型能够根据输入的少量的第一CT图像生成大量的第二CT图像，再根据生成的大量的第二CT图像来确定出更高分辨率的CT图像，进而能够在保证患者不至接受更多的辐射剂量、降低扫描成本的同时，保证得到更高分辨率的CT图像。
-
公开(公告)号：CN116309924A
公开(公告)日：2023-06-23
申请号：CN202310598313.0
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06T7/10 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法、图像展示的方法及装置。本说明书实施例在图像生成模型的训练过程中，会将第一数量的第一CT图像作为该图像生成模型的输入，并且以最小化图像生成模型所输出的第二数量的生成图像与第二数量的第二CT图像之间的偏差为优化目标，来对该图像生成模型进行训练，以使得训练后的该图像生成模型能够根据输入的少量的第一CT图像生成大量的第二CT图像，再根据生成的大量的第二CT图像来确定出更高分辨率的CT图像，进而能够在保证患者不至接受更多的辐射剂量、降低扫描成本的同时，保证得到更高分辨率的CT图像。
-
公开(公告)号：CN113256536B
公开(公告)日：2021-11-23
申请号：CN202110682443.3
申请日：2021-06-18
Applicant: 之江实验室
Abstract: 本发明公开了一种基于小波分析的超高维数据重建深度学习方法，利用高维高阶的离散小波包变换来扩展高维数据到不同的频域通道，结合多个并行的神经网络，实现了高维数据的重构任务；先进行数据预处理，再通过小波包变换为不同频带子域的小波包系数，输入到为其搭建并训练独立网络，网络的输出通过小波包反变换，重建原始图像。本发明利用高维数据经小波变换后各频域独立的性质，并行地利用GPU内存，加速了神经网络的训练进程，使原受限于硬件计算资源的深度学习人工任务变为可能。本发明亦推广到分割及生成任务。对于分割任务，U‑net网络输出结果经反卷积上采样为原始图像分辨率分割标签。对于生成任务，各通道的神经网络改为GAN。
-
公开(公告)号：CN120047835A
公开(公告)日：2025-05-27
申请号：CN202510536283.X
申请日：2025-04-27
Applicant: 之江实验室
IPC: G06V20/10 , G06F16/51 , G06F16/535 , G06T3/4007 , G06T5/90 , G06T5/50
Abstract: 本发明公开了一种基于全球多光谱遥感影像的矿物指数计算方法和系统，属于图像数据处理技术领域。本方法包括：获取原始遥感影像数据并解析元数据；基于元数据，对原始遥感影像数据进行筛选，剔除无效数据；对遥感影像数据进行重采样切片；进行数据预处理，将重采样切片后的数据转化为能够直接计算矿物指数的数据；进行影像镶嵌和影像匀色，将同一地理区域内不同遥感影像切片整合为单一、连续的图像，并减少切片间的色差，得到全球一张图；基于全球一张图，计算矿物指数指标。本发明实现了数据自动筛选、数据预处理、遥感镶嵌和匀色到最终矿物指数计算的全流程，避免了传统软件面临的存储、内存等压力；还用查找表的方式，极大地节约计算时间。
-
公开(公告)号：CN118471481B
公开(公告)日：2024-09-27
申请号：CN202410910661.1
申请日：2024-07-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大模型和人工智能代理的医学多模态辅助诊疗系统，该系统包括：用于接收和预处理医学相关临床问题和医学影像数据的数据输入与预处理模块；用于采用深度学习方法和大模型AI‑Agent对预处理后的医学数据进行综合智能分析的综合智能分析模块；用于使用AI‑Agent对综合智能分析结果进行整合以生成诊断报告的诊断报告生成模块；用于将诊断报告和分析数据打包后导出的报告导出与数据打包模块。本发明能够生成易于理解的诊断报告，为医生提供即时的诊断参考；不仅提高了医疗影像分析的效率，还通过生成详细的诊断报告，改善医患沟通的质量；本发明实现方法灵活，易于集成于现有医疗系统中，显著提高诊疗质量和效率。
-
Patent Agency Ranking
公开(公告)号：CN118471481A
公开(公告)日：2024-08-09
申请号：CN202410910661.1
申请日：2024-07-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大模型和人工智能代理的医学多模态辅助诊疗系统，该系统包括：用于接收和预处理医学相关临床问题和医学影像数据的数据输入与预处理模块；用于采用深度学习方法和大模型AI‑Agent对预处理后的医学数据进行综合智能分析的综合智能分析模块；用于使用AI‑Agent对综合智能分析结果进行整合以生成诊断报告的诊断报告生成模块；用于将诊断报告和分析数据打包后导出的报告导出与数据打包模块。本发明能够生成易于理解的诊断报告，为医生提供即时的诊断参考；不仅提高了医疗影像分析的效率，还通过生成详细的诊断报告，改善医患沟通的质量；本发明实现方法灵活，易于集成于现有医疗系统中，显著提高诊疗质量和效率。
-
公开(公告)号：CN116309385B
公开(公告)日：2023-10-10
申请号：CN202310169846.7
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/774 , G06V10/762 , G06V10/28 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的腹部脂肪与肌肉组织测量方法及系统。本发明利用少量标注的CT图像，构建一个2D‑3D两阶段分割框架，进行三维CT序列的皮下脂肪、内脏脂肪和骨骼肌的自动测量。通过2D分割模型的训练，获得CT图像序列未标注层面的“伪标签”，这样可以大大减少三维分割模型训练数据所需的图像标注量。然后，提出一个活动轮廓正则化的三维深度卷积神经网络分割模型，用于三维腹壁结构的自动分割，以提高分割目标形状的正则性和边界光滑性。本发明具有自动化、精度高、可迁移扩展的特点，可以实现CT、核磁等影像上的不用脂肪及肌肉组织的自动测量。
-
公开(公告)号：CN116309385A
公开(公告)日：2023-06-23
申请号：CN202310169846.7
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/774 , G06V10/762 , G06V10/28 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的腹部脂肪与肌肉组织测量方法及系统。本发明利用少量标注的CT图像，构建一个2D‑3D两阶段分割框架，进行三维CT序列的皮下脂肪、内脏脂肪和骨骼肌的自动测量。通过2D分割模型的训练，获得CT图像序列未标注层面的“伪标签”，这样可以大大减少三维分割模型训练数据所需的图像标注量。然后，提出一个活动轮廓正则化的三维深度卷积神经网络分割模型，用于三维腹壁结构的自动分割，以提高分割目标形状的正则性和边界光滑性。本发明具有自动化、精度高、可迁移扩展的特点，可以实现CT、核磁等影像上的不用脂肪及肌肉组织的自动测量。
-
公开(公告)号：CN115456918B
公开(公告)日：2023-03-24
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
IPC: G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
公开(公告)号：CN115456918A
公开(公告)日：2022-12-09
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
