公开(公告)号：CN112037913B

公开(公告)日：2022-08-30

申请号：CN202010966941.6

申请日：2020-09-15

Applicant: 南昌大学 ,  南昌大学第二附属医院

Inventor： 邓立彬 ,  宋莉 ,  赖志强 ,  葛尚华 ,  刘强东 ,  戴芳 ,  娄伟明 ,  李璨 ,  杨晶晶 ,  陈霖佳 ,  彭捷 ,  吴婧婷 ,  邹源 ,  俞晴 ,  吴梓俊

IPC: G16H50/20 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明属于智能检测技术领域，公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据；并对获取的图像数据进行筛选、预处理；将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片，使牙周病诊断趋于同质化；本发明阅片快速，高效；本发明通过计算机数据判读X线的变化，提高牙周病诊断的效率和准确率，降低医疗成本，易于向基层推广。

公开(公告)号：CN116152193A

公开(公告)日：2023-05-23

申请号：CN202310109923.X

申请日：2023-02-14

Applicant: 南昌大学第二附属医院

Inventor： 陈琦 ,  邓立彬 ,  张伊楚 ,  熊琴梅 ,  葛尚华 ,  郭思琪 ,  田菊 ,  华娟 ,  王晨曦 ,  孔琪玲 ,  熊子仪 ,  汪启均 ,  乐书韫 ,  刘金炜

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G16H30/20 ,  G06N3/0464 ,  G06N3/084 ,  A61B5/318 ,  A61B5/00

Abstract: 本发明公开了基于卷积神经网络的冠心病患者心电图检测方法，具体包括以下步骤：步骤一、获取冠心病患者的ECG图像以及患者冠脉造影数据；步骤二、对获取的图像数据进行匹配筛选、预处理；步骤三、将预处理后的图像分为训练集、测试集以及验证集，并将其输入构建的卷积神经网络进行训练、验证；步骤四、基于验证结果对训练的卷积神经网络参数进行优化；步骤五、利用测试集数据对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；步骤六、利用经过检测的卷积神经网络进行ECG的智能检测；本发明采用计算机智能判读ECG，较传统方式客观，使冠心病心电图诊断趋于同质化，阅片快速高效，且降低了心电图假阴性概率。

公开(公告)号：CN112037913A

公开(公告)日：2020-12-04

申请号：CN202010966941.6

申请日：2020-09-15

Applicant: 南昌大学 ,  南昌大学第二附属医院

Inventor： 邓立彬 ,  宋莉 ,  赖志强 ,  葛尚华 ,  刘强东 ,  戴芳 ,  娄伟明 ,  李璨 ,  杨晶晶 ,  陈霖佳 ,  彭捷 ,  吴婧婷 ,  邹源 ,  俞晴 ,  吴梓俊

IPC: G16H50/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明属于智能检测技术领域，公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据；并对获取的图像数据进行筛选、预处理；将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片，使牙周病诊断趋于同质化；本发明阅片快速，高效；本发明通过计算机数据判读X线的变化，提高牙周病诊断的效率和准确率，降低医疗成本，易于向基层推广。