疾病早期预警方法及装置
    2.
    发明公开

    公开(公告)号:CN119339948A

    公开(公告)日:2025-01-21

    申请号:CN202411446930.X

    申请日:2024-10-16

    Abstract: 本发明公开了一种疾病早期预警方法及装置,涉及疾病预警技术领域,该方法利用临床检查结果数据中丰富的目标疾病相关知识,通过跨模态的知识蒸馏方法,将多模态教师模型学到的知识转移到仅访问人机交互模态的学生模型中,以提升人机交互学生模型的疾病预警能力。由于能够将临床检查结果数据中与目标疾病强相关的知识迁移到人机交互数据中,因此可以在仅适用人机交互数据的情况下,得到更为准确的预警结果。实现了一种基于人机交互数据的低成本、低负担的神经系统疾病早期预警方式,可以对大规模具有发病风险的人群进行早期识别以及长期监测。

    呼吸运动估计方法、装置、设备及介质

    公开(公告)号:CN119338853A

    公开(公告)日:2025-01-21

    申请号:CN202411446995.4

    申请日:2024-10-16

    Abstract: 本发明公开了一种呼吸运动估计方法、装置、设备及介质,涉及运动估计分析技术领域,采用了具备序列运动一致性约束的无监督稀疏‑稠密运动估计框架,能够快速精准地实现呼吸运动影响下肝脏超声图像序列的运动估计。通过基于稀疏点引导的稀疏‑稠密的从粗到精配准策略精准预测相邻呼吸状态图像间的运动场,设计了稀疏关键点自动检测引导的刚性配准网络从图像中以无监督的方式自动检测稀疏关键点,构建了多源结构化特征引导的形变稠密化网络预测图像间运动的稠密弹性形变分量。结合运动分解与符合的思想,提出基于若干相邻呼吸状态间小幅运动序列构建序列运动一致性约束,加强运动在时间流的连续性,进一步提高运动估计精度。

    基于精细响应蒸馏的增量目标检测方法、装置、设备及介质

    公开(公告)号:CN118736266A

    公开(公告)日:2024-10-01

    申请号:CN202410519361.0

    申请日:2024-04-28

    Abstract: 本发明公开了一种基于精细响应蒸馏的增量目标检测方法、装置、设备及介质,该方法在目标检测器端到端学习新目标类别的同时,通过选取精细的知识蒸馏区域和针对不同区域施加不同的知识蒸馏策略,保持检测器对之前学习目标类别的检测能力。使原本只适用于固定类别的目标检测器,适应待检测类别不断增加的情况,提升目标检测器的持续学习能力,更好地适应动态变化的真实场景。能提高检测器在学习新类别时针对原有类别知识的保持能力,提升常规目标检测器在真实动态场景下的持续学习能力。同时,能扩展常规检测器适应待检测类别动态增长的情况,提高目标检测器的应用场景,提升检测器增量学习的效率,可以进一步应用到具体业务场景下的增量目标检测。

    手术空间配准方法、装置、设备及存储介质

    公开(公告)号:CN117958971A

    公开(公告)日:2024-05-03

    申请号:CN202410180532.1

    申请日:2024-02-18

    Abstract: 本发明公开了一种手术空间配准方法、装置、设备及存储介质,该方法解决了传统接触式测量方法引入人为误差的问题;通过重投影目标点视差梯度方向检索的方法,解决了迭代最近点方法检索速度慢的问题;通过点云邻域面型协方差估计的方法,解决了迭代最近点方法点对点的距离残差受到噪声影响大的问题,从而提升手术导航的配准精度。

    基于纹理保持约束的三维超声弹性配准方法及装置

    公开(公告)号:CN114693753B

    公开(公告)日:2024-05-03

    申请号:CN202210321114.0

    申请日:2022-03-24

    Abstract: 基于纹理保持约束的三维超声弹性配准方法及装置,能够在保证时效性与配准精度的同时,获取纹理更加真实的形变图像,为临床手术中各项需要运动形变补偿的关键环节提供真实精准的配准结果。其包括:(1)构建三维超声图像数据集,划分训练集与测试集;(2)融合图像各体素的强度信息与局部结构信息,构建图像相似性测度函数;(3)使用生成对抗式学习网络,搭建纹理保持约束的配准框架;(4)根据训练集数据训练网络直至收敛,保存网络模型参数;(5)测试阶段导入训练好的网络模型参数,根据输入的待配准图像对,实现快速精准的弹性配准。

    多模板网络框架的目标跟踪方法及装置

    公开(公告)号:CN115049705B

    公开(公告)日:2024-04-30

    申请号:CN202210706803.3

    申请日:2022-06-21

    Abstract: 多模板网络框架的目标跟踪方法及装置,可针对不同应用场景的目标进行跟踪,准确率高、鲁棒性和兼容性好,具有很高的适用性和实用性。方法包括:(1)数据预处理;(2)双模板特征提取:双模板由两个孪生单模板子网络组成,两个单模板子网络的输入分别为初始帧模板、当前帧搜索图像、以及前一帧模板与当前帧搜索图像,每个子网络得到模板位置在搜索图像中的概率分布图;(3)峰值检测:对概率分布图按照从粗到细进行量化统计得到局部区域的峰值,当峰值大于设定的阈值时,其所在的位置被添加到位置候选集;(4)多特征优化。

Patent Agency Ranking