-
公开(公告)号：CN113222886A
公开(公告)日：2021-08-06
申请号：CN202110232446.7
申请日：2021-03-03
Applicant: 首都医科大学附属北京友谊医院 , 北京工业大学
Abstract: 本发明提供了一种用于颞骨影像中颈静脉球窝和乙状窦沟的自动定位方法、智能颞骨影像处理系统，用于计算机辅助搏动性耳鸣诊断。该方法采用由粗到细的框架进行逐步精确定位，充分利用颈静脉球窝和乙状窦沟的形状信息、相对位置信息，使其检测与定位算法更高效轻量。通过结合多视图信息并融合，优化定位效果并提升对于多层连续变化目标的检测准确度。本发明所提供的自动定位方法与深度学习方法相比，不再依赖极大量的有标注数据，更容易实施和推广。
-
公开(公告)号：CN110524510A
公开(公告)日：2019-12-03
申请号：CN201910507354.8
申请日：2019-06-12
Applicant: 北京工业大学
Abstract: 本发明公开了一种立方体独轮机器人，属于智能机器人技术领域。该立方体独轮机器人由立方体壳体、移动轮、反作用轮、驱动模块、控制模块以及姿态传感器组成。本发明利用在立方体壳体内的三个正交的面上的反作用轮，共同调节机体的姿态，使其可以灵活实现俯仰、横滚和航向等姿态调节，克服通过单个反作用轮控制侧平衡和转向的独轮机器人存在的航向操纵不灵活的问题，并利用所设计的双闭环控制器，有效实现立方体独轮自平衡机器人姿态控制和复杂路径跟踪控制。
-
公开(公告)号：CN113222886B
公开(公告)日：2023-01-24
申请号：CN202110232446.7
申请日：2021-03-03
Applicant: 首都医科大学附属北京友谊医院 , 北京工业大学
Abstract: 本发明提供了一种用于颞骨影像中颈静脉球窝和乙状窦沟的自动定位方法、智能颞骨影像处理系统，用于计算机辅助搏动性耳鸣诊断。该方法采用由粗到细的框架进行逐步精确定位，充分利用颈静脉球窝和乙状窦沟的形状信息、相对位置信息，使其检测与定位算法更高效轻量。通过结合多视图信息并融合，优化定位效果并提升对于多层连续变化目标的检测准确度。本发明所提供的自动定位方法与深度学习方法相比，不再依赖极大量的有标注数据，更容易实施和推广。
-
Patent Agency Ranking
公开(公告)号：CN116646089A
公开(公告)日：2023-08-25
申请号：CN202310522885.0
申请日：2023-05-10
Applicant: 首都医科大学附属北京友谊医院 , 北京工业大学
IPC: G16H50/50 , G06F18/2431 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/09
Abstract: 本发明充分利用医学影像中传统的影像信息、类别信息，在只有少量训练数据的任务中，创新性的实现了一种基于监督且用于医学影像的特征解耦网络模型，其中，所述特征解耦网络模型包括编码器和解码器。本发明能够高质量的生成类别转换后的影像，以进行影像样本合成，有效扩充医学影像数据集，服务其他下游任务。此外，对于任意两类需要分类或解耦的影像，本发明还能够解耦两类影像的鉴别特征，提升影像分类准确率，能够在临床中为医生提供有效的参考信息，以辅助医生的工作，减轻医生工作负担。
-
公开(公告)号：CN113633304A
公开(公告)日：2021-11-12
申请号：CN202110720615.1
申请日：2021-06-28
Applicant: 北京工业大学
IPC: A61B6/03
Abstract: 本发明提供了一种用于颞骨影像中颈静脉球窝骨壁缺失异常检测方法，用于计算机辅助搏动性耳鸣诊断。本发明充分利用少量稀有的异常数据，将异常先验信息引入网络模型，突出了异常特征并增加了异常特征与异常特征之间的差距，使整体检测准确度提高。通过具有针对性的数据增强方式和创新的数据使用手段，设计合理的代理任务使网络模型充分发挥其善于预测的优势，提升检测准确度。本发明所提供的的异常检测方法与现有方法相比，不再依赖极大量的有标注数据，且具有更容易实施和推广的优点。
-
公开(公告)号：CN113633304B
公开(公告)日：2023-11-24
申请号：CN202110720615.1
申请日：2021-06-28
Applicant: 北京工业大学
IPC: A61B6/03
Abstract: 本发明提供了一种用于颞骨影像中颈静脉球窝骨壁缺失异常检测方法，用于计算机辅助搏动性耳鸣诊断。本发明充分利用少量稀有的异常数据，将异常先验信息引入网络模型，突出了异常特征并增加了异常特征与异常特征之间的差距，使整体检测准确度提高。通过具有针对性的数据增强方式和创新的数据使用手段，设计合理的代理任务使网络模型充分发挥其善于预测的优势，提升检测准确度。本发明所提供的的异常检测方法与现有方法相比，不再依赖极大量的有标注数据，且具有更容易实施和推广的优点。
-
公开(公告)号：CN115239986B
公开(公告)日：2023-11-07
申请号：CN202210663966.8
申请日：2022-06-10
Applicant: 首都医科大学附属北京友谊医院 , 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例提供一种图像分类方法、装置、设备及存储介质，该方法包括：获取待识别的目标图像，以及图像分类模型，图像分类模型中包括目标编码器、目标生成器和分类器；通过目标编码器提取目标图像的第一目标图像特征，其中，目标编码器用于学习第一图像类别对应的图像特征；将第一目标图像特征输入到目标生成器，以获得目标生成器转换后的第二目标图像特征，其中，目标生成器用于实现第一图像类别对应的图像特征向第二图像类别对应的图像特征的转换，图像分类模型用于识别第一图像类别和第二图像类别；将第二目标图像特征输入到分类器，以获取分类器输出的目标图像类别。
-
公开(公告)号：CN115239986A
公开(公告)日：2022-10-25
申请号：CN202210663966.8
申请日：2022-06-10
Applicant: 首都医科大学附属北京友谊医院 , 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种图像分类方法、装置、设备及存储介质，该方法包括：获取待识别的目标图像，以及图像分类模型，图像分类模型中包括目标编码器、目标生成器和分类器；通过目标编码器提取目标图像的第一目标图像特征，其中，目标编码器用于学习第一图像类别对应的图像特征；将第一目标图像特征输入到目标生成器，以获得目标生成器转换后的第二目标图像特征，其中，目标生成器用于实现第一图像类别对应的图像特征向第二图像类别对应的图像特征的转换，图像分类模型用于识别第一图像类别和第二图像类别；将第二目标图像特征输入到分类器，以获取分类器输出的目标图像类别。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
