-
公开(公告)号：CN114926471B
公开(公告)日：2023-03-28
申请号：CN202210570543.1
申请日：2022-05-24
Applicant: 北京医准智能科技有限公司
IPC: G06T7/10 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开一种图像分割方法、装置、电子设备及存储介质，包括：获取第一数据集；获取学生模型和教师模型；获取第二标签；利用教师模型从第一数据集中提取第一特征图；利用学生模型从第一数据集中提取第二特征图；根据第一特征图和第二特征图计算第二损失值；利用第二损失值对学生模型的参数进行更新；利用教师模型对第一数据集进行图像分割，得到第一概率图集；利用学生模型对第一数据集进行图像分割，得到第二概率图集；利用第一概率图集、第二概率图集、第一标签和第一预设值计算第一损失值；利用第一损失值对学生模型的参数进行更新，得到多病灶分割模型；利用多病灶分割模型对图像数据进行图像分割，得到多病灶分割结果。
-
公开(公告)号：CN114677536A
公开(公告)日：2022-06-28
申请号：CN202210197831.7
申请日：2022-03-02
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于Transformer结构的预训练方法及装置，该方法先获取目标对象的图像和视频；针对图像和视频中任一分割区域：将分割区域的特征符号作为分割区域的标签；分别对图像的部分分割区域和视频的部分分割区域进行掩膜处理得到第一训练样本和第二训练样本；基于Transformer结构对第一训练样本中掩膜区域的特征符号进行有监督预测学习得到初始模型；之后基于初始模型初始化预训练模型得到初始预训练模型；最后利用初始预训练模型对第一训练样本和第二训练样本中进行有监督联合训练得到最终预训练模型。由此，使得模型同时学习到视频数据的空间特征和时间特征，进而为下游任务提供了很好的预训练模型。
-
公开(公告)号：CN114998607A
公开(公告)日：2022-09-02
申请号：CN202210511777.9
申请日：2022-05-11
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了超声图像的特征提取方法、装置、电子设备及存储介质，包括：通过图像特征编码器和文本特征编码器对超声图像和诊断报告进行特征提取，得到图像特征和文本特征；对超声图像和任意诊断报告，根据图像特征和文本特征确定该超声图像与诊断报告之间的第一余弦相似度，根据第一余弦相似度，得到全局损失；对超声图像和其匹配的诊断报告，根据图像特征和文本特征，确定各图像块之间的第二余弦相似度和各句子的第三余弦相似度，根据第二余弦相似度和第三余弦相似度得到图像局部损失和文本局部损失；根据全局损失、图像局部损失和文本局部损失优化图像特征编码器和文本特征编码器；通过优化后的图像特征编码器对待处理的超声图像进行特征提取。
-
公开(公告)号：CN114926471A
公开(公告)日：2022-08-19
申请号：CN202210570543.1
申请日：2022-05-24
Applicant: 北京医准智能科技有限公司
IPC: G06T7/10 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开一种图像分割方法、装置、电子设备及存储介质，包括：获取第一数据集；获取学生模型和教师模型；获取第二标签；利用教师模型从第一数据集中提取第一特征图；利用学生模型从第一数据集中提取第二特征图；根据第一特征图和第二特征图计算第二损失值；利用第二损失值对学生模型的参数进行更新；利用教师模型对第一数据集进行图像分割，得到第一概率图集；利用学生模型对第一数据集进行图像分割，得到第二概率图集；利用第一概率图集、第二概率图集、第一标签和第一预设值计算第一损失值；利用第一损失值对学生模型的参数进行更新，得到多病灶分割模型；利用多病灶分割模型对图像数据进行图像分割，得到多病灶分割结果。
-
公开(公告)号：CN114581382A
公开(公告)日：2022-06-03
申请号：CN202210156933.4
申请日：2022-02-21
Applicant: 北京医准智能科技有限公司
Abstract: 本发明公开了一种针对乳腺病灶的训练方法、装置及计算机可读介质，本发明一实施例的方法首先将具有恶性标签的乳腺数据和具有良性标签的乳腺数据均作为训练样本，得到训练样本数据；其中，乳腺数据至少包括乳腺超声图像和对应病例的影响因素量化值；其次针对训练样本数据中任一训练样本：对训练样本中乳腺超声图像进行图像特征提取，得到乳腺图像特征；之后将训练样本中影响因素量化值和乳腺图像特征进行融合处理，得到病灶融合特征；最后对病灶融合特征进行有监督的分类学习，生成病灶分类模型。由此，充分融合了乳腺图像特征和乳腺癌的影响因素量化值，从而提高了模型训练的准确性，使得病灶分类模型能够对乳腺病灶进行准确预测。
-
Patent Agency Ranking
公开(公告)号：CN114529760A
公开(公告)日：2022-05-24
申请号：CN202210088319.9
申请日：2022-01-25
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明公开了一种针对甲状腺结节的自适应分类方法及装置。本发明一实施方式包括：将甲状腺结节对应的目标视频数据作为训练样本；目标视频数据均标注有征象特征标签；目标视频数据包括不同分类标准给出的TIRADS等级的数据组；并对训练样本的征象特征分类进行监督训练，得到征象分类结果和第一损失函数；之后，基于训练样本和征象分类结果，对不同数据对应的TIRADS等级的分类进行监督训练，得到第二损失函数；最后，基于第一损失函数和第二损失函数，对模型进行优化，生成结节分类模型。由此，对训练样本中征象特征分类，以及不同数据对应的TIRADS等级进行有监督的分类训练，提升了模型预测结果的准确率以及模型的泛化能力。
-
公开(公告)号：CN115240844B
公开(公告)日：2023-04-18
申请号：CN202210837466.1
申请日：2022-07-15
Applicant: 北京医准智能科技有限公司
IPC: G16H50/20 , G16H50/70 , G06F18/214
Abstract: 本公开提供了一种辅助诊断模型的训练方法、装置、电子设备及存储介质，所述方法包括：将第一多媒体信息样本输入至多媒体分支中，获取病灶视觉特征嵌入；将既往病史文本信息输入至文本分支中，获取文本特征嵌入；基于病灶视觉特征嵌入和文本特征嵌入融合后的特征，确认预测病灶等级分类，以及病灶嵌入特征；将病灶嵌入特征输入至生成模块中，获取预测诊断文本信息；基于第一多媒体信息样本对应的标记病灶等级分类、预测病灶等级分类、第一多媒体信息样本对应的标记诊断文本信息和预测诊断文本信息确认损失函数；基于损失函数调整辅助诊断模型的参数，直至损失函数满足第一条件，确认辅助诊断模型训练完成。
-
公开(公告)号：CN115240844A
公开(公告)日：2022-10-25
申请号：CN202210837466.1
申请日：2022-07-15
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了一种辅助诊断模型的训练方法、装置、电子设备及存储介质，所述方法包括：将第一多媒体信息样本输入至多媒体分支中，获取病灶视觉特征嵌入；将既往病史文本信息输入至文本分支中，获取文本特征嵌入；基于病灶视觉特征嵌入和文本特征嵌入融合后的特征，确认预测病灶等级分类，以及病灶嵌入特征；将病灶嵌入特征输入至生成模块中，获取预测诊断文本信息；基于第一多媒体信息样本对应的标记病灶等级分类、预测病灶等级分类、第一多媒体信息样本对应的标记诊断文本信息和预测诊断文本信息确认损失函数；基于损失函数调整辅助诊断模型的参数，直至损失函数满足第一条件，确认辅助诊断模型训练完成。
-
公开(公告)号：CN114663372B
公开(公告)日：2022-09-23
申请号：CN202210237564.1
申请日：2022-03-11
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00 , G06V20/40 , G06V10/774 , G06V10/80
Abstract: 本公开提供了一种基于视频的病灶分类方法、装置、电子设备及介质，通过从多个样本超声视频中获取视频片段集合和图像集合，对视频片段集合和图像集合进行多层特征提取，并在特征提取过程中将特征提取结果合并，将合并的结果作为下一层视频特征提取的输入，最终得到训练视频特征图集；基于训练视频特征图集进行训练得到病灶分类模型。通过训练好的病灶分类模型对待识别的视频特征图集进行识别，得到病灶的分类结果。通过视频片段和样本图像对模型进行训练，既关注了病灶在时间维度的特征，也关注了样本图像中病灶的空间维度的特征，且通过将不同尺度的特征图拼接传递，更好的将特征融合，使病灶分类模型对病灶的分类结果更加准确。
-
公开(公告)号：CN114664410A
公开(公告)日：2022-06-24
申请号：CN202210236906.8
申请日：2022-03-11
Applicant: 北京医准智能科技有限公司
IPC: G16H30/20 , G16H50/70 , G06N3/08 , G06V10/774 , G06V10/764
Abstract: 本公开提供了一种基于视频的病灶分类方法、装置、电子设备及介质，通过采集病灶的多个样本超声视频的视频片段和多个样本超声图像，对多个视频片段和多个样本超声图像分别进行多层特征提取，对视频片段和超声图像执行的卷积操作实现参数共享，通过对得到的训练视频特征图集和训练图像特征图集对病灶分类模型进行训练；对待识别病灶的超声视频进行多层视频特征提取后，通过病灶分类模型进行分类预测，得到待识别病灶的分类结果。通过使用少量样本超声视频进行主要训练，大量的样本超声图像进行辅助训练，使得病灶分类模型在少量样本超声视频训练的基础上，能够使训练出的病灶分类模型对待识别病灶实现较好的分类预测效果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.026 seconds)
