-
公开(公告)号：CN118172557A
公开(公告)日：2024-06-11
申请号：CN202410585868.6
申请日：2024-05-13
Applicant: 南昌康德莱医疗科技有限公司 , 南昌大学
IPC: G06V10/26 , G06V10/44 , G06V10/52 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及超声图像分割技术领域，尤其涉及一种甲状腺结节超声图像分割方法，所述方法包括：获取甲状腺结节超声图像集，对所述甲状腺结节超声图像集进行预处理；将预处理后的所述甲状腺结节超声图像集按照预设比例分为训练集、验证集和测试集；构建多尺度U‑net网络；基于所述训练集对所述多尺度U‑net网络进行训练，并根据所述验证集对所述多尺度U‑net网络进行参数调整，得到分割模型；将所述测试集输入到所述分割模型，得到分割结果图。本发明可以提高模型深层次特征的提取能力，并且有效地减少计算量和模型参数；可以避免纹理、边缘等浅层信息在卷积过程中大量丢失，从而提高分割性能和分割精度。
-
Patent Agency Ranking
公开(公告)号：CN118172557B
公开(公告)日：2024-07-19
申请号：CN202410585868.6
申请日：2024-05-13
Applicant: 南昌康德莱医疗科技有限公司 , 南昌大学
IPC: G06V10/26 , G06V10/44 , G06V10/52 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及超声图像分割技术领域，尤其涉及一种甲状腺结节超声图像分割方法，所述方法包括：获取甲状腺结节超声图像集，对所述甲状腺结节超声图像集进行预处理；将预处理后的所述甲状腺结节超声图像集按照预设比例分为训练集、验证集和测试集；构建多尺度U‑net网络；基于所述训练集对所述多尺度U‑net网络进行训练，并根据所述验证集对所述多尺度U‑net网络进行参数调整，得到分割模型；将所述测试集输入到所述分割模型，得到分割结果图。本发明可以提高模型深层次特征的提取能力，并且有效地减少计算量和模型参数；可以避免纹理、边缘等浅层信息在卷积过程中大量丢失，从而提高分割性能和分割精度。
-
公开(公告)号：CN118196401B
公开(公告)日：2024-07-19
申请号：CN202410612636.5
申请日：2024-05-17
Applicant: 南昌大学 , 南昌康德莱医疗科技有限公司
Abstract: 本发明提供一种目标检测方法、系统、存储介质、及电子设备，该方法包括：将图像进行预处理，以得到训练用图像，并将所述训练用图像输入目标检测神经网络；对所述训练用图像进行特征提取及关键点检测，以得到尺寸不同的两热力图；对两所述热力图进行极大值点计算，以得到第一关键点矩阵#imgabs0#和第二关键点矩阵#imgabs1#；将所述第一关键点矩阵#imgabs2#进行最大池化，以过滤所述第二关键点矩阵#imgabs3#的重复预测框，进而对所述目标检测神经网络进行训练；其中，在对所述目标检测神经网络进行训练中时，基于投影位置偏移来确定旋转矩形边界框的损失函数；将待检测的图像输入训练后的所述目标检测神经网络，以输出目标检测结果，本发明可以对目标进行高精度地检测。
-
公开(公告)号：CN117671395B
公开(公告)日：2024-04-26
申请号：CN202410146122.5
申请日：2024-02-02
Applicant: 南昌康德莱医疗科技有限公司 , 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/82 , G06T5/50 , G06V20/69
Abstract: 本发明提供一种癌细胞种类识别装置，包括：用于获取包括初始癌细胞医疗图像的初始样本集，对其进行预处理后获取包括阶段癌细胞医疗图像的阶段样本集的处理模块；用于基于初始样本集及阶段样本集构建包括最终图像矩阵的最终样本集的融合模块；用于构建初始识别神经网络、DTW距离差异性损失函数及交叉熵损失函数的构建模块；用于获取最终识别神经网络的训练模块；用于通过最终识别神经网络获取种类识别结果的执行模块。通过最终识别神经网络进行癌细胞种类识别，其不依靠手工特征进行分类，直接提取图像的深层特征进行识别，提高了对癌细胞种类识别的准确度。
-
公开(公告)号：CN118196401A
公开(公告)日：2024-06-14
申请号：CN202410612636.5
申请日：2024-05-17
Applicant: 南昌大学 , 南昌康德莱医疗科技有限公司
Abstract: 本发明提供一种目标检测方法、系统、存储介质、及电子设备，该方法包括：将图像进行预处理，以得到训练用图像，并将所述训练用图像输入目标检测神经网络；对所述训练用图像进行特征提取及关键点检测，以得到尺寸不同的两热力图；对两所述热力图进行极大值点计算，以得到第一关键点矩阵#imgabs0#和第二关键点矩阵#imgabs1#；将所述第一关键点矩阵#imgabs2#进行最大池化，以过滤所述第二关键点矩阵#imgabs3#的重复预测框，进而对所述目标检测神经网络进行训练；其中，在对所述目标检测神经网络进行训练中时，基于投影位置偏移来确定旋转矩形边界框的损失函数；将待检测的图像输入训练后的所述目标检测神经网络，以输出目标检测结果，本发明可以对目标进行高精度地检测。
-
公开(公告)号：CN117671395A
公开(公告)日：2024-03-08
申请号：CN202410146122.5
申请日：2024-02-02
Applicant: 南昌康德莱医疗科技有限公司 , 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/82 , G06T5/50 , G06V20/69
Abstract: 本发明提供一种癌细胞种类识别装置，包括：用于获取包括初始癌细胞医疗图像的初始样本集，对其进行预处理后获取包括阶段癌细胞医疗图像的阶段样本集的处理模块；用于基于初始样本集及阶段样本集构建包括最终图像矩阵的最终样本集的融合模块；用于构建初始识别神经网络、DTW距离差异性损失函数及交叉熵损失函数的构建模块；用于获取最终识别神经网络的训练模块；用于通过最终识别神经网络获取种类识别结果的执行模块。通过最终识别神经网络进行癌细胞种类识别，其不依靠手工特征进行分类，直接提取图像的深层特征进行识别，提高了对癌细胞种类识别的准确度。
-
-
-
-
-
Search Results
6
records
(took 0.05 seconds)
