-
公开(公告)号：CN119229183A
公开(公告)日：2024-12-31
申请号：CN202411253166.4
申请日：2024-09-06
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06V10/764 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/75 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提出了一种基于分割引导的骨折图像分类方法，包括以下步骤：获取骨折图像并构建数据集；利用分割模型对数据集中的骨折图像进行分割，生成标记骨折区域和正常区域的二值化分割图；构建两个特征提取网络，分别对分割后的骨折图像和分割前的骨折图像进行特征提取；采用交叉注意力机制融合提取的特征，得到融合后的特征图；利用特征图和对应的类别标签对分类器进行训练，得到骨折图像分类模型；将待分类的骨折图像输入骨折图像分类模型，得到骨折图像的类别信息。本发明通过分割引导分类方法将骨折图像的分割结果作为辅助信息引入分类模型，并利用交叉注意力机制来融合分割信息和原始图像信息，从而提高了分类模型对骨折类型的识别能力。
-
公开(公告)号：CN110245683B
公开(公告)日：2021-07-27
申请号：CN201910394582.9
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种少样本目标识别的残差关系网络构建方法及应用，包括：获取原始图像集，并将原始图像集中每张原始图像转换为多张不同分辨率的预处理图像；构建残差关系网络结构，包括特征扩展模块，用于基于每张预处理图像对应的原始图像的分辨率及该张预处理图像的分辨率，将预处理图像对应的低分辨率图像特征图扩展为高分辨率图像特征图；基于所有预处理图像，采用多类回归损失函数，训练残差关系网络结构。本发明将用于训练关系网络的训练集中的图像先进行分辨率转换，且引入特征扩展模块，能够有效适应少量且分辨率不同的图像样本集进行目标识别的实际情况，提高了少样本目标识别算法的泛化能力，降低了对图像样本分辨率的敏感性。
-
公开(公告)号：CN113241156B
公开(公告)日：2024-04-23
申请号：CN202110627185.9
申请日：2021-06-04
Applicant: 华中科技大学
Abstract: 本发明属于人工智能深度学习技术领域，提供一种基于检测指导的骨科病灶计数网络的标注方法及系统，将特定场景的关键点标注的骨科病灶图像处理后送入检测网络，根据网络提取的特征构建热力图；基于热力图的指导，生成需要标注的关键矩形区域；根据关键矩形区域的倾角，生成对应角度的倾斜高斯分布；将热力图中所有关键区域的归一化高斯分布叠加，得到计数网络的标注结果。本发明提供了一种基于检测指导的骨科病灶计数网络的标注方法，通过网络提取了目标的稳健特征，并利用倾斜高斯分布拟合，提高了图像特征的有效利用率，得到了更为真实的目标密度图。
-
公开(公告)号：CN114399485A
公开(公告)日：2022-04-26
申请号：CN202210026421.6
申请日：2022-01-11
Applicant: 南方医科大学顺德医院(佛山市顺德区第一人民医院) , 华中科技大学同济医学院附属协和医院
Abstract: 本发明适用于医学图像处理技术领域，具体为一种基于残差网络结构的子宫肌瘤目标图像获取方法，包括模型训练和模型应用两个阶段。模型训练包括：S1、在原始样本超声图像上，对包含子宫肌瘤图像的区域以矩形框形式进行病灶目标图像区域标注；S2、将所述标准标注图像通过改进型YOLOv3目标检测模型进行检测；S3、结果进行统一，得到训练好的改进型YOLOv3目标检测模型。应用时将待检测的超声图像输入至训练好的改进型YOLOv3目标检测模型进行检测，得到子宫肌瘤目标图像区域结果。本发明能够提高子宫肌瘤图像区域的获取精度，且检测速度快，对小目标及多目标任务适应性强。
-
公开(公告)号：CN117457141A
公开(公告)日：2024-01-26
申请号：CN202311526023.1
申请日：2023-11-16
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明涉及数据管理技术领域，具体涉及一种基于区块链的电子病历管理方法，根据获取的电子病历创建对应的区块，并将电子病历存储到区块中，然后根据区块创建区块链网络，然后为每个参与者创建区块链参与者节点，并将区块链参与者节点加入到区块链网络中，从而实现了电子病历对各参与者的共享和互通，最后通过电子合约管理区块链参与者节点访问电子病历的权限，从而解决了目前电子病历仅在单个医院及病区内共享，无法实现其他区域的共享与互通及使用不方便的问题。
-
Patent Agency Ranking
公开(公告)号：CN115423761A
公开(公告)日：2022-12-02
申请号：CN202211013236.X
申请日：2022-08-23
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T7/00 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/764 , G06T17/00 , G06T17/20 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于深度学习的骨折X光图像检测与三维呈现方法，包括如下步骤：获取胫骨平台部位不同骨折类型的X光图像；对X光图像提取特征并进行骨折检测和分型；对X光图像进行三维重建，提取表面网格；将表面网格转换为STL文件，存入工作站中进行混合现实(MR)呈现；本发明能够对骨折部位进行精准和快速定位，辅助医生进行骨折部位的诊断，与此同时将骨折部位在三维空间进行呈现，帮助医生进行手术规划和远程医疗，以便用于个性化手术方案的制定和实施。
-
公开(公告)号：CN114463312A
公开(公告)日：2022-05-10
申请号：CN202210126442.5
申请日：2022-02-10
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了基于交叉注意力机制的骨折影像精细识别网络构建方法，主要涉及医学影像处理领域。包括以下步骤：获取原始骨折影像的样本数据集，人工分类标注，交叉数据增强；构建包括特征提取模块、特征自适应模块及图像分类模块的交叉注意力网络结构；组建总的损失模型，训练交叉注意力网络结构。本发明有益效果在于：它能够解决现有少样本图像识别算法无法解决的实际用于不同域及不同识别任务导致的图像无法有效识别的技术问题。
-
公开(公告)号：CN113902727A
公开(公告)日：2022-01-07
申请号：CN202111220918.3
申请日：2021-10-20
Applicant: 华中科技大学
Abstract: 本发明属于人工智能技术领域，公开了一种基于检测指导的骨科病灶计数方法及系统，提取图像的边缘特征作为网络输入的第四通道，并行执行病灶检测与计数任务；检测任务生成疑似目标区域，计数任务生成特征值热力图；在检测区域内求热力图的值之和，根据区域内热力图之和与检测得分的乘积，增加检测类别目标计数值。本发明通过检测网络提取了目标的包围框，在更加精确的范围内统计目标的数量，在特定场景下大大提高了图像特征的有效利用率，使得计数更准确。
-
公开(公告)号：CN113744136A
公开(公告)日：2021-12-03
申请号：CN202111165041.2
申请日：2021-09-30
Applicant: 华中科技大学
Abstract: 本发明公开基于通道约束多特征融合的图像超分辨率重建方法和系统，属于超分辨率图像重建领域。包括：获取同一场景下高空间分辨率高光谱、低空间分辨率高光谱和高空间分辨率多光谱图像图像对构建训练集；搭建双通道超分辨率网络，包括：特征提取模块，用于从同一场景下的低空间分辨率高光谱和高空间分辨率多光谱图像中同时提取空谱特征；特征融合模块，用于融合同一场景下的多光谱图像的空间信息与高光谱图像的光谱信息；图像重建模块，用于重建得到重建图像；训练网络，直至重建图像与原始图像对应光谱向量中各元素变化规律一致；获取待重建场景下的低空间分辨率高光谱和高空间分辨率多光谱图像，输入至训练好网络，得到重建超分辨率高光谱图像。
-
公开(公告)号：CN110245683A
公开(公告)日：2019-09-17
申请号：CN201910394582.9
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种少样本目标识别的残差关系网络构建方法及应用，包括：获取原始图像集，并将原始图像集中每张原始图像转换为多张不同分辨率的预处理图像；构建残差关系网络结构，包括特征扩展模块，用于基于每张预处理图像对应的原始图像的分辨率及该张预处理图像的分辨率，将预处理图像对应的低分辨率图像特征图扩展为高分辨率图像特征图；基于所有预处理图像，采用多类回归损失函数，训练残差关系网络结构。本发明将用于训练关系网络的训练集中的图像先进行分辨率转换，且引入特征扩展模块，能够有效适应少量且分辨率不同的图像样本集进行目标识别的实际情况，提高了少样本目标识别算法的泛化能力，降低了对图像样本分辨率的敏感性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
