-
公开(公告)号：CN120014670A
公开(公告)日：2025-05-16
申请号：CN202510072962.6
申请日：2025-01-16
Applicant: 中国医学科学院北京协和医院 , 北京小蝇科技有限责任公司
IPC: G06V40/10 , G06V20/69 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/088 , G06N3/096
Abstract: 本发明提供一种基于薄血膜的疟原虫类别识别方法和装置，所述方法包括：获取待识别的薄血膜图像；将所述待识别的薄血膜图像输入预先训练的分类识别模型，得到所述分类识别模型输出的疟原虫类别识别结果；其中，所述分类识别模型是利用自步学习和课程学习对多个专家模型进行蒸馏后得到的，多个专家模型是基于无标签数据中不同的尾部类别数据进行训练得到的，无标签数据是利用无监督上游任务得到的。解决了现有技术中疟原虫识别准确性较差，识别过程耗时较长，以及数据样本较少且样本数据在类别上数量不均衡而导致的无法实现人工智能识别的问题。
-
公开(公告)号：CN119888239A
公开(公告)日：2025-04-25
申请号：CN202510368750.2
申请日：2025-03-27
Applicant: 北京小蝇科技有限责任公司
Abstract: 本发明提供一种基于可变形注意力机制的逐步修正医学图像识别系统，包括特征抽取模块、编码器模块、解码器初始化模块和解码器模块。本发明结合可变形注意力机制，能够自适应地提取医学图像中的显著特征，有效提升医学图像检测分割准确率，相比全局自注意力机制，可变形注意力机制不用融合序列中的每个特征，计算成本大大降低，其次，相比于全局自注意力机制，可变形注意力机制能够自适应地选择特征进行融合，由于医学中要检测分割的目标形状通常是不规则的，因此这种结构非常适用于医学图像，能够很好地提取医学图像特征；本发明使用了逐步迭代优化策略，即逐步修正前面层的预测结果，可精准识别阳性位置或者阳性位置轮廓，保障后续工作顺利进行。
-
公开(公告)号：CN119048564B
公开(公告)日：2025-03-21
申请号：CN202411546997.0
申请日：2024-11-01
Applicant: 北京小蝇科技有限责任公司
IPC: G06T7/246 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种长短期目标记忆的多目标追踪方法，基于DETR结构的启发，首先拓展DETR中query的物理概念为检测query和追踪query，辅以追踪感知的标签匹配策略，实现检测和追踪任务的解耦；其次嵌入记忆模块，传递以及更新连续帧之间的标签匹配信息，提高模型对于长短期目标的记忆能力，使得模型足以解决复杂的时序建模问题。本发明在首帧图片缺乏追踪信息的前提下，依赖检测模型完成目标的定位以及索引的分配；对于后续帧的目标检测以及追踪而言，记忆模块可提供有效的追踪信息，且置信度进入阈值和置信度退出阈值可协同筛选出高质量的追踪信息，完成目标轨迹的空间建模；本发明显著提高在目标的不规则运动、目标的运动模糊以及目标遮挡场景下的多目标追踪性能。
-
公开(公告)号：CN119625734A
公开(公告)日：2025-03-14
申请号：CN202411676484.1
申请日：2024-11-21
Applicant: 北京小蝇科技有限责任公司
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于试剂反应的序列化数据异常定位方法和装置，所述方法包括：获取原始数据序列，将所述原始数据序列转换为二维图像；将所述二维图像输入预先训练的异常预测模型中，以得到所述异常预测模型输出的预测结果；在所述预测结果为存在异常的情况下，对所述预测结果进行后处理，以得到异常结果对应的样本类型和异常位置；其中，所述异常预测模型是利用数据样本的图像和对应的结果标签对预先构建的深度学习网络进行训练得到的。解决了现有技术中由于统计模型鲁棒性较差而导致的异常定位准确性较低的问题，从而提高定位模型的鲁棒性，进而提高基于试剂反应的序列化数据异常定位的准确性。
-
公开(公告)号：CN119153120B
公开(公告)日：2025-02-25
申请号：CN202411644997.4
申请日：2024-11-18
Applicant: 北京小蝇科技有限责任公司
Abstract: 本发明提供一种基于多模态学习的定制化镜检病例分级检索系统，利用CLIP模型处理以图像形式输入的检索需求，并与以文本形式输入的检索需求融合后，提取其特征表示信息，再与历史数据中图像经CLIP编码后的特征表示进行对比得到与融合后检索需求最接近的历史图像；本发明针对医学图像具有较多细粒度差异的特点，对现有的特征匹配方式进行了改进，引入对历史数据特征表示的分级检索设计，提高了定制检索的准确度。本发明结合病人的镜检图像和医师诊断中的具体需求，检索、呈现历史相关病例图像及诊断信息，辅助医师做出判断、提高诊断准确性；本发明将特别有助于镜检中争议病例、稀少病例等的诊断，为医师诊疗提供可靠的依据和参考。
-
Patent Agency Ranking
公开(公告)号：CN118747797B
公开(公告)日：2024-11-01
申请号：CN202411098789.9
申请日：2024-08-12
Applicant: 北京小蝇科技有限责任公司
IPC: G06V10/25 , G06V20/70 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/74 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06F40/30 , G06F18/25
Abstract: 本发明提供一种基于深度学习的图像处理方法和装置，所述方法包括：获取待检测的图像数据，将所述图像数据与输入的提示信息相融合，以得到输入数据；将所述输入数据输入预先构建的目标检测模型，以得到所述目标检测模型输出的目标检测结果；其中，所述目标检测模型是基于预先构建的深度学习网络，利用自然图像样本、与所述自然图像样本对应的提示信息，以及标签信息进行训练得到的。解决了现有技术中图像处理过程中目标检测缺少交互能力，图像处理效果受限的技术问题。
-
公开(公告)号：CN114419401A
公开(公告)日：2022-04-29
申请号：CN202210316338.2
申请日：2022-03-29
Applicant: 北京小蝇科技有限责任公司
IPC: G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T5/50 , G06T7/10
Abstract: 本发明公开了一种白细胞检测识别方法、装置、计算机存储介质及电子设备，属于血细胞检测领域。本发明首先对大量血液玻片进行全视野摄影，建立玻片扫描图像组。从玻片扫描图像组中分别为图像复原模型、图像分割和多任务分类模型准备训练数据集和验证数据集。使用深度学习和卷积神经网络技术进行模型训练，通过不断地参数调优和误差分析优化模型，得到最终的图像复原模型、图像分割和多任务分类模型。在应用过程中，待检测血液玻片同样进行全视野摄影，建立玻片扫描图像。通过图像复原模型获得复原后的清晰玻片扫描图像，经过图像分割和多任务分类模型，得到白细胞的位置和类别。本发明能够快速、全面、准确、客观的实现白细胞检测识别。
-
公开(公告)号：CN112150466A
公开(公告)日：2020-12-29
申请号：CN202011346705.0
申请日：2020-11-26
Applicant: 北京小蝇科技有限责任公司
Abstract: 本发明涉及一种用于白细胞散点图异常检测的方法及系统，采用卷积自编码器对白细胞散点图进行图像重构；将重构图像与所述白细胞散点图对比，计算重构误差；对所述白细胞散点进行表面特征提取和统计，判断是否满足约束条件，如果满足则统计结果为正常，否则统计结果为异常；当重构误差未超过设定阈值，且统计结果为正常则判定白细胞散点图结果为正常，否则判定白细胞散点图结果为异常。本发明基于重构图像计算的异常值，基于先验知识的判断结果，由异常值和判断结果综合获得异常检测结果，降低卷积自编码器在散点图异常检测任务上的漏检率，检测结果更加可靠。
-
公开(公告)号：CN110647876B
公开(公告)日：2020-06-26
申请号：CN201911186889.6
申请日：2019-11-28
Applicant: 北京小蝇科技有限责任公司
Abstract: 一种血涂片全视野智能分析方法，采集多幅原始血涂片单视野图像，建立原始血涂片单视野图像组，并基于所述多幅原始血涂片单视野图像建立血涂片全视野图像；基于所述第一训练集和第一验证集构建图像复原模型；基于第二训练集和第二验证集构建图像分割模型，基于所述多幅分割后的单个血细胞图像，获得第三训练集和第三验证集，构建图像识别模型；最终得到血细胞分类结果。本发明基于人工智能算法对全视野血细胞进行分析，极大降低了人为因素的干扰，提高检验结果的客观性，对血细胞分析分类准确度高；对符合要求的图片输入均可实现识别分析，算法鲁棒性和准确性比传统图像识别算法高，颠覆了现有医学检验流程，整体时间大大缩短。
-
公开(公告)号：CN120070976A
公开(公告)日：2025-05-30
申请号：CN202510139680.3
申请日：2025-02-08
Applicant: 北京小蝇科技有限责任公司 , 中国医学科学院北京协和医院
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0895 , G06N3/09
Abstract: 本发明公开了一种基于Prompt‑Tuning算法的长尾目标分类模型训练方法和装置，所述方法包括：构建预训练模型和长尾分布数据集，并将所述长尾分布数据集划分为训练集、验证集和测试集；在图像处理任务中，构建预训练模型的优化策略，并基于所述优化策略搭建多专家模型网络；利用所述长尾分布数据集的训练集对所述多专家模型网络进行训练，以得到初始分类模型；利用所述长尾分布数据集的验证集和测试集对所述初始分类模型分别进行验证和测试，以得到最终的长尾目标分类模型。解决了现有技术中微调预训练模型泛化能力较差，容易出现过拟合现象的问题，提升了长尾目标分类方法的泛化能力，降低了模型在目标域出现过拟合的几率。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.029 seconds)
