-
公开(公告)号：CN113256616B
公开(公告)日：2021-10-15
申请号：CN202110695411.7
申请日：2021-06-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京医准智能科技有限公司
Abstract: 本发明是关于一种膝关节MRI影像的分类方法和装置，方法包括：获取膝关节的冠状位MRI影像和矢状位MRI影像，并对所述冠状位MRI影像和矢状位MRI影像进行预处理，得到预处理后的冠状位MRI影像和预处理后的矢状位MRI影像；将预处理后的冠状位MRI影像和预处理后的矢状位MRI影像并行输入到SiameseACL网络进行初步分类，以确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于正常样本还是断裂样本；当确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于断裂样本时，通过ResNextACL网络对所述断裂样本进行再次分类，以确定所述断裂样本所属的具体断裂类型。通过该技术方案，可以对膝关节的MRI影像进行具体断裂类型的分类。
-
公开(公告)号：CN113256616A
公开(公告)日：2021-08-13
申请号：CN202110695411.7
申请日：2021-06-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京医准智能科技有限公司
Abstract: 本发明是关于一种膝关节MRI影像的分类方法和装置，方法包括：获取膝关节的冠状位MRI影像和矢状位MRI影像，并对所述冠状位MRI影像和矢状位MRI影像进行预处理，得到预处理后的冠状位MRI影像和预处理后的矢状位MRI影像；将预处理后的冠状位MRI影像和预处理后的矢状位MRI影像并行输入到SiameseACL网络进行初步分类，以确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于正常样本还是断裂样本；当确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于断裂样本时，通过ResNextACL网络对所述断裂样本进行再次分类，以确定所述断裂样本所属的具体断裂类型。通过该技术方案，可以对膝关节的MRI影像进行具体断裂类型的分类。
-
公开(公告)号：CN118553403A
公开(公告)日：2024-08-27
申请号：CN202410529419.X
申请日：2024-04-29
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京医准医疗科技有限公司
IPC: G16H50/20 , G16H20/00 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种半月板损伤的分析方法及相关设备，应用于数据处理技术领域。本申请获取膝关节冠状位序列和膝关节矢状位序列；对膝关节冠状位序列和膝关节矢状位序列进行预处理，生成膝关节冠状位序列和膝关节矢状位序列对应的冠状位序列影像和矢状位序列影像；基于Uniformer的半月板检测模型对冠状位序列影像和矢状位序列影像进行处理，生成膝关节对应的半月板的检测结果；检测结果包括每个半月板检测框对应的病灶信息和半月板的内外侧信息；基于transformer的分类模型对半月板的检测结果进行分类处理，生成分类结果，其中，分类结果包括半月板的损伤信息；基于半月板损伤康复模型对分类结果进行处理，生成半月板损伤康复指导策略。
-
公开(公告)号：CN119693746A
公开(公告)日：2025-03-25
申请号：CN202411324961.8
申请日：2024-09-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京医准医疗科技有限公司
IPC: G06V10/80 , G06V10/778 , G06V10/776 , G06V10/774
Abstract: 本发明提供了一种基于坐标关联的膝关节影像信息融合方法及相关设备，应用于数据处理技术领域。本申请获取训练数据集和目标用户数据；对目标用户数据进行处理，生成目标用户的属性信息；基于膝关节序列目标坐标信息对膝关节矢状位序列和膝关节冠状位质子密度序列进行处理，生成膝关节图像集；对训练数据集进行预处理，生成带有标识信息的训练数据集；基于预设处理规则对带有标识信息的训练数据集进行处理，生成训练集和验证集；获取与标识信息相匹配的初始膝关节影像融合模型；基于训练集和验证集对初始膝关节影像融合模型进行训练，生成目标膝关节影像融合模型；对膝关节图像集进行处理，生成目标用户的膝关节磨损信息。
-
公开(公告)号：CN115984229B
公开(公告)日：2023-09-05
申请号：CN202310035721.5
申请日：2023-01-10
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764
Abstract: 本公开实施例提供了一种模型训练方法、乳腺测量方法、装置、电子设备及介质。该模型训练方法包括获得电子计算机断层扫描图像及其标注信息，标注信息包括乳腺分割标注结果和乳腺密度标注结果；对电子计算机断层扫描图像进行预处理，得到待处理图像；通过乳腺测量模型处理待处理图像，得到乳腺分割预测结果和乳腺密度预测结果，其中，乳腺测量模型包括骨干网络、乳腺分割子网络和密度预测子网络，乳腺分割子网络和密度预测子网络并联，分别与骨干网络连接；基于乳腺分割标注结果和乳腺分割预测结果确定分割损失；基于乳腺密度标注结果和乳腺密度预测结果确定分类损失；以及优化分割损失和分类损失，以更新乳腺测量模型的参数。
-
Patent Agency Ranking
公开(公告)号：CN114972376B
公开(公告)日：2023-08-25
申请号：CN202210531996.3
申请日：2022-05-16
Applicant: 北京医准智能科技有限公司
IPC: G06T7/11 , G06T7/00 , G06T7/136 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种冠脉钙化斑块的分割方法及装置、冠脉钙化斑块的分割模型的训练方法及装置，其中所述分割方法包括：获取目标图像，所述目标图像为包括心脏区域的非对比增强心电门控钙化积分电子计算机断层扫描CSCT图像；所述心脏区域包括多个冠脉分支；将目标图像输入至目标模型，得到所述目标模型输出的各冠脉分支的钙化斑块的候选区域；所述各冠脉分支的钙化斑块的候选区域包括多个第一目标体素；基于预设的筛选规则，从所述多个第一目标体素筛选出第二目标体素；基于所述第二目标体素，从目标图像中分割出各冠脉分支的钙化斑块区域。实现了对CSCT图像中的各冠脉分支的钙化斑块区域的准确分割。
-
公开(公告)号：CN115526887B
公开(公告)日：2023-06-30
申请号：CN202211332772.6
申请日：2022-10-28
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00 , G06T5/50 , G06T9/00 , G06V10/764 , G06T11/20 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种血管管径的预测方法、装置、电子设备及存储介质，获取初始预测模型，基于样本血管的造影CTA图像，通过初始预测模型获取对应的增强特征图，增强特征图为对样本血管在长度维度的特征进行增强得到的；通过初始预测模型对增强特征图进行预测，得到样本血管的血管管径向量，血管管径向量包括多个血管管径值；根据血管管径向量和标注的管径向量确定初始预测模型的损失，根据损失对初始预测模型进行优化，直至初始预测模型收敛，得到血管管径预测模型；基于待测血管的CTA图像，通过血管管径预测模型获取对应的增强特征图，并对待测血管对应的增强特征图进行预测得到血管管径向量；根据待测血管的血管管径向量确定待测血管的管径尺寸。
-
公开(公告)号：CN116309449A
公开(公告)日：2023-06-23
申请号：CN202310265064.3
申请日：2023-03-14
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了一种图像处理方法、装置、设备及存储介质，通过获取患者当次检查的第一影像以及数据库的第二影像；分别通过位移场模型和多模态特征提取网络，确定第一影像对应的第一组标准化坐标和所有异常组织对应的第一特征组，以及获取第二影像对应的第二组标准化坐标和所有异常组织对应的第二特征组；通过第一组标准化坐标、第二组标准化坐标以及第一特征组和第二特征组，将第一影像内的所有异常组织和第二影像内的所有异常组织进行两两组合计算配对关系，得到多组与第一影像内的各个异常组织相对应的潜在匹配关系；并通过二分图匹配法，确定第一影像的随访匹配图，实现了跨模态影像的病灶随访配准，且配准精准度高。
-
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：CN115578564B
公开(公告)日：2023-05-23
申请号：CN202211308889.0
申请日：2022-10-25
Applicant: 北京医准智能科技有限公司
IPC: G06V10/26 , G06V10/25 , G06V10/774 , G06V10/762 , G06T7/11 , G06T7/136 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种实例分割模型的训练方法、装置、设备及存储介质，包括：将训练集中的样本图像输入至实例分割模型包括的语义分割子模型中，获取样本图像对应的预测感兴趣区域；基于样本图像对应的预测感兴趣区域，从样本图像中获取对应的语义样本图像；将语义样本图像输入至实例分割模型包括的特征提取子模型中；获取样本图像对应的预测语义分割特征和预测聚类特征；基于预测语义分割特征、标注语义分割特征和预测聚类特征，调整特征提取子模型的参数；其中，所述语义分割特征和所述聚类特征用于确定所述样本图像的至少一个聚类特征，并基于所述至少一个聚类特征，确定所述样本图像的实例分割结果。
-
-
-
-
-
-
-
-
-
Search Results
208
records
(took 0.07 seconds)
