-
公开(公告)号：CN116128863B
公开(公告)日：2023-09-12
申请号：CN202310187003.X
申请日：2023-03-01
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00 , G06V10/774
Abstract: 本公开提供了一种医学图像处理方法、装置及设备，所述方法包括：获取待识别医学图像；将待识别医学图像输入预先训练的疾病区域检测模型；基于疾病区域检测模型，确定待识别医学图像的每个像素点是否为病灶点；根据各个病灶点，确定待识别医学。图像对应的疾病区域信息。采用该方法，由于疾病区域检测模型是根据多种机型输出的医学图像训练得到的，因此，疾病区域检测模型对多种新机型的数据适用程度较高，疾病区域检测模型识别医学图像的疾病区域提高了疾病区域检测效果。
-
公开(公告)号：CN114881937B
公开(公告)日：2022-12-09
申请号：CN202210397848.7
申请日：2022-04-15
Applicant: 北京医准智能科技有限公司
Abstract: 本发明实施例提供一种针对超声切面的检测方法及装置，该方法首先将第一标准超声切面图像与第二标准超声切面图像组合形成正样本对；将第一标准超声切面图像与M个异常超声切面图像中任一异常超声切面图像组合形成负样本对，得到M个负样本对；将正样本对和M个负样本对共同作为训练样本；然后对正样本对和负样本对进行特征提取处理，得到第一特征向量、第二特征向量、以及M个异常切面特征向量；之后基于正样本对的相似度，以及每个负样本对的相似度，进行自监督的对比学习得到损失函数；最后对模型参数进行迭代更新，当对损失函数趋于最小时，得到超声切面检测模型。由此能够提高模型训练的准确性，进而有利于对异常超声切面图像进行准确检测。
-
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：CN114758360A
公开(公告)日：2022-07-15
申请号：CN202210435881.4
申请日：2022-04-24
Applicant: 北京医准智能科技有限公司
IPC: G06V40/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种多模态图像分类模型训练方法、装置及电子设备，包括：确认训练图像集；将训练图像集中的第一超声图像和第一超声造影图像输入至多模态图像分类模型包括的图像序列化模块和特征提取模块中，获得第一超声图像对应的第一特征编码集合和第一超声造影图像对应的第二特征编码集合；将第一特征编码集合和第二特征编码集合输入至多模态图像分类模型包括的多模态聚合模块中，获得第一超声图像和第一超声造影图像对应的分类预测结果；基于第一超声图像和所述第一超声造影图像对应的分类标注结果与分类预测结果之间的差异，调整多模态图像分类模型的参数；其中，所述多模态聚合模块包括多头自注意力层和多层感知机。
-
Patent Agency Ranking
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。
-
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：CN115409990B
公开(公告)日：2023-06-16
申请号：CN202211188150.0
申请日：2022-09-28
Applicant: 北京医准智能科技有限公司
IPC: G06V10/26 , G06V10/28 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本公开提供了一种医学图像分割方法、装置、设备及存储介质，所述方法包括：将待分割医学图像输入预先训练的目标图像分割模型，第一残差特征提取层提取第一残差特征，第二残差特征提取层对第一残差特征提取第二残差特征，语义特征提取层对第一残差特征提取语义特征，特征融合层对第二残差特征和语义特征进行融合得到融合特征，结果输出层基于融合特征提取待分割医学图像中目标器官的器官区域图像，以及确定目标器官的器官类别，并输出器官区域图像和器官类别。采用该方法，使得医学检测仪器可以利用器官区域图像在更精确的区域检测的同时，也可以在器官对应的检测模式下进行检测，提高了检测结果准确率，从而达到了更好的辅助检查效果。
-
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：CN114842239B
公开(公告)日：2022-12-23
申请号：CN202210350880.X
申请日：2022-04-02
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/40 , G06V10/74 , G06N3/04 , G06N3/08 , G06T7/00 , G16H50/20
Abstract: 本公开提供了一种基于超声视频的乳腺病灶属性预测方法及装置，包括获取乳腺的多个超声视频和多张图片，以及各自对应的属性信息；根据超声视频的属性信息和图片的属性信息，计算超声视频和图片的相似度，选取相似度最强的多组超声视频和图片；针对选取的每组超声视频和图片，将该组中的图片与超声视频进行融合，得到相应的融合超声视频；构建样本集，样本集包括所有融合超声视频，根据样本集对初始模型进行训练，得到预测模型；获取目标超声视频，通过预测模型对所目标超声视频进行预测，确定目标超声视频对应的乳腺病灶的属性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.032 seconds)
