-
公开(公告)号：CN113658106B
公开(公告)日：2025-03-07
申请号：CN202110824593.3
申请日：2021-07-21
Applicant: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司 , 浙江大学
IPC: G06T7/00 , G06T7/11 , G06V10/75 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/12 , G06T7/62 , G16H30/20 , G16H50/20
Abstract: 本发明提供一种基于腹部增强CT的肝脏病灶自动诊断系统。所述系统包括肝脏分割和病灶检测模块、病灶匹配与补全模块和多期相病灶诊断模块。本发明通过设置病灶匹配与补全模块，能够补充病灶在缺失图像的期相上所占的三维空间，有利于获取每个期相上的病灶特征；本发明能够充分利用病灶在多个期相上的表现和征象进行病灶诊断，提高了病灶诊断的准确度；本发明通过在多期相病灶诊断模块中设置病灶信息融合网络，将各个病灶特征联系在一起，充分挖掘各个病灶之间的潜在信息，提高了病灶诊断的准确度。
-
公开(公告)号：CN119515965A
公开(公告)日：2025-02-25
申请号：CN202510089179.0
申请日：2025-01-21
Applicant: 上海交通大学医学院附属上海儿童医学中心 , 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC: G06T7/70 , A61B8/08 , G06T7/00 , G06V10/764 , G06V10/80 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/045 , G16H30/40
Abstract: 本发明公开了一种基于TSDNet的室间隔缺损定位系统及方法，系统包括：采集模块、构建模块和定位模块；采集模块用于采集多个标准视图下的超声心电图视频，并将带有标签的超声心动图视频作为样本数据集；构建模块用于基于数据集，构建室间隔缺损定位模型，室间隔缺损定位模型采用TSDNet网络架构，包括判断超声心动图视频阴阳性的UniFormer模型和检测室间隔缺损病灶区域的经优化后的YOLOv5模型两部分；定位模块用于利用室间隔缺损定位模型，完成室间隔缺损定位。本发明提出一种时空解耦网络，它通过分离超声心动图视频中的时序和空间特征进行高效分析，实现了室间隔缺损的视频级分类与分流区域的精确定位。
-
公开(公告)号：CN115115577B
公开(公告)日：2024-11-26
申请号：CN202210544766.0
申请日：2022-05-19
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC: G06T7/00 , G06T7/11 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于混合感知的多阶段器官分割方法及装置。所述方法包括：对大小为S0的输入CT图像进行下采样，得到大小为S1的图像I1；将I1输入第一阶段分割网络得到第一分割结果，将第一分割结果上采样到原始大小S0得到Ro，在Ro中确定包含所有器官的最小框；从Ro中剪裁所述最小框，并将最小框内的图像下采样到大小S2后输入到第二阶段分割网络得到第二分割结果；将第二分割结果上采样到所述最小框的大小后，将其粘贴到所述最小框的位置。本发明通过采用两阶段图像分割，利用第一阶段的粗略分割，可除去大部分冗余信息，减小整体计算量提高运行速度；利用基于混合感知的第二阶段的精细分割，可提高图像分割的完整性和精度。
-
公开(公告)号：CN118230941A
公开(公告)日：2024-06-21
申请号：CN202410402001.2
申请日：2024-04-03
Applicant: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司 , 浙江大学
IPC: G16H50/20 , G16H30/40 , G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0499
Abstract: 本申请公开了一种对象级别预测方法及装置，该方法可以仅利用目标对象的X光图像检测出目标对象中各个部位的X光图像，并利用X光图像全图图像特征和各个部位的X光图像的部位图像特征，确定所述目标对象对应的对象级别，这样，不仅可以实现在仅使用X光图像的情况下完成自动评估目标对象对应的对象级别，还可以提高所预测的目标对象对应的对象级别的准确性。
-
公开(公告)号：CN116539159A
公开(公告)日：2023-08-04
申请号：CN202310440241.7
申请日：2023-04-23
Applicant: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
Abstract: 本发明提供了一种用于红蓝弱视训练软件的颜色校准方法及装置，该方法包括：通过标准传感器拍摄标准显示器来采集在标准显示器上显示的数据的第一图像；利用第一图像分析在标准显示器上显示的数据的第一颜色，得到第一分析结果；通过用户传感器拍摄用户显示器来采集在用户显示器上显示的数据的第二图像；利用第二图像分析在用户显示器上显示的数据的第二颜色，得到第二分析结果；计算第一分析结果与第二分析结果之间的差值；比较差值是否落到预先获取的允许误差范围内；如果是，则确定软件合格，否则根据允许误差范围校准所述软件。本发明可以克服由不同显示器分辨率、颜色展示带来的弱视训练效果的不良影响，弱视患者可以更好地进行训练。
-
Patent Agency Ranking
公开(公告)号：CN112258500B
公开(公告)日：2023-08-04
申请号：CN202011245065.4
申请日：2020-11-10
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本申请提供了一种淋巴结分区方法，包括：确定各个样本器官的轮廓信息以及各个目标器官的轮廓信息，其中，各个样本器官为样本纵膈的两侧胸腔内的各个器官，各个目标器官为目标纵膈的两侧胸腔内的各个器官；根据各个样本器官的轮廓信息以及各个目标器官的轮廓信息，生成各个样本器官到所述各个目标器官的稠密形变场；根据稠密形变场，对目标纵膈进行分区，得到目标纵膈分区结果；基于目标纵膈分区结果，对各个目标淋巴结进行分区。可见，本申请可以自动对各个目标淋巴结进行分区，避免了人工分区的弊端，提高了淋巴结分区结果的准确性。
-
公开(公告)号：CN116344028A
公开(公告)日：2023-06-27
申请号：CN202310123255.6
申请日：2023-02-14
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC: G16H50/20 , G16H30/20 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于多模态异构数据的肺部疾病自动识别方法及装置，其中方法包括：使用全局统一的文字嵌入特征，对非结构化的文本数据进行预处理；对结构化的文本数据进行预处理；使用结构的影像特征提取模型对医疗影像数据进行特征提取，得到影像特征，其中，结构的影像特征提取模型使用transformer结构作为主干模型；进行词汇之间的关系映射表达；进行多个维度的特征提取和分析，对多模态数据进行特征融合，多模态数据包括对非结构化的文本数据进行预处理和对结构化的文本数据进行预处理得到的文本特征与影像特征；对融合后的特征进行分类，得到输出结果。
-
公开(公告)号：CN116167957A
公开(公告)日：2023-05-26
申请号：CN202111350414.3
申请日：2021-11-15
Applicant: 四川大学华西医院 , 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06F18/24 , G06N3/08 , G16H30/20 , G06V10/80 , G06V10/82 , G06V10/26
Abstract: 本发明属于医学图像分析软件和设备技术领域，具体涉及一种cTTE图像处理方法、计算机设备、系统和存储介质。本发明的cTTE图像处理方法、计算机设备、系统和存储介质能够实现如下心脏分流预测的方法：提取单帧cTTE数据，采用分割网络进行语义分割，得到所述单帧cTTE数据中可能存在微泡的区域；对该区域进行特征提取，得到该区域内的像素语义信息特征；提取单帧cTTE数据的前后数据组成待检测序列，利用光流网络得到运动特征图；将像素语义信息特征和运动特征图进行特征融合；进行分类，得到单帧cTTE数据的RLS程度估计。本发明具有流程简单、全程端到端、泛用性和鲁棒性好的特点，且能够限制降低了医生的工作量，具有很好的应用前景。
-
公开(公告)号：CN112700490B
公开(公告)日：2023-04-25
申请号：CN202110023367.5
申请日：2021-01-08
Applicant: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
Abstract: 本发明提供了一种基于最大半径搜索的冠脉中心线生成方法及装置，其中方法包括：获取原始CT，对原始CT进行血管分割，得到分割结果，其中，分割结果包括：主动脉弓及冠脉血管；提取血管的所有末端；获取主动脉弓内骨架线的平均值作为整个中心线搜索的起点，搜索中心线；对中心线进行拼接。依赖全心半径信息进行全局最优路径搜索，从而避免出现局部最优。同时，由于依赖血管半径进行搜索，还可避免粘连对于中心线的影响，实现高准确率的中心线搜索方案。
-
公开(公告)号：CN115222675A
公开(公告)日：2022-10-21
申请号：CN202210765824.2
申请日：2022-07-01
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本发明提供一种基于深度学习的子宫肌瘤自动分型方法及装置。所述方法包括：构建语义分割模型，将输入盆腔医学影像划分为黏膜内、肌层、浆膜外3个区域；构建实例分割模型，分割出子宫肌瘤，得到子宫肌瘤体积VT；提取子宫肌瘤的轮廓，计算所述子宫肌瘤属于浆膜外区域的体积VO和属于黏膜内区域的体积VN；基于VO、VN和VT对所述子宫肌瘤进行FIGO分型。本发明对子宫肌瘤进行分型的全流程不需要人工参与，减轻了影像科医生的分析压力，有助于提升FIGO分型判定的准确率和一致性。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.044 seconds)
