-
公开(公告)号:CN116327241A
公开(公告)日:2023-06-27
申请号:CN202310295329.4
申请日:2023-03-24
IPC: A61B8/00
Abstract: 本发明提供了一种基于超声图像进行超声自动检测的方法及系统,其中方法步骤包括:步骤S100 定义超声图像质量参数及目标标准图像,构建并训练强化学习网络模型;步骤S200 将超声探头移动到目标位置处,采集到含有检测目标的超声图像,并记录超声探头对应的位姿;步骤S300 计算步骤S200所获超声图像质量参数,并将其对应位姿一同作为强化学习网络模型的输入,以获取超声探头的调整位姿,籍此以根据超声图像质量,来对超声探头的位姿进行自适应调整,以获得理想的超声检测图像。
-
公开(公告)号:CN116407273A
公开(公告)日:2023-07-11
申请号:CN202310292706.9
申请日:2023-03-23
Abstract: 本发明提供了一种基于人体位姿的超声自动检测方法及系统,该方法步骤包括:获取人体骨骼关节点及其旋转方向定位点的三维坐标数据,建立人体三维骨架模型,经旋转配准获取各关节的旋转角度;将检测部合格检测位姿作为粗定位数据,令机械臂移至检测部上方完成粗定位;获取检测部RGB图像以供医师划定检测区域,绘制检测路径;获取检测部深度图与RGB图像对齐,在深度图对应检测区域上生成种子点,经区域分割算法将检测区域分割为多个待测区域并映射到点云上,并计算出对应检测路径的待测区域的点云法向量;调整机械臂将超声探头沿法向量贴合人体皮肤,直至第一检测反馈处于预设范围内,籍此以对应人体位姿整超声探头获取高质量超声检测图像。
-
公开(公告)号:CN118115806A
公开(公告)日:2024-05-31
申请号:CN202410291759.3
申请日:2024-03-14
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于混合注意力的Pcle图像半监督分类模型,包括DResNet网络和混合注意力模块,DResNet网络用于对鼻咽部的pCLE病理图像数据进行分类和图像特征提取;混合注意力模块用于通过并行集成的方式对通道注意力机制和重构池化的空间注意力机制进行策略性的整合,本发明的有益效果是:解决了传统卷积神经网络在鼻咽部pCLE图像中损失图像差异性信息和无法聚焦病灶位置的问题。该发明首先对ResNet网络模型做出改进,减小了网络层数,增加了模块之间的跳跃连接,然后再引入混合注意力机制,该机制同时从空间关系上和通道维度上进行建模,提高了模型的半监督分类性能。
-
-