-
公开(公告)号：CN115239720A
公开(公告)日：2022-10-25
申请号：CN202211155349.3
申请日：2022-09-22
Applicant: 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所、复旦大学附属儿科医院安徽医院) , 中国科学技术大学
IPC: G06T7/00 , G06N3/04 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于经典Graf的DDH超声影像人工智能诊断系统及方法，该诊断系统包括分类器，用于从超声影像中识别标准截面；回归器，用于定位标准截面中关键点的位置信息，并利用关键点的位置计算Graf方法需要的软骨顶线夹角α、骨顶线夹角β，判断DDH的等级；所述分类器识别标准截面的方法为：对从超声影像中截取的特征图像进行特征提取与编码，编码后的特征图进行池化操作转化为特征向量，该特征向量经过全连接层后判断该特征图是否为标准截面。本发明的诊断系统能够对髋关节未成熟儿童标准髋关节超声影像片段进行筛查，且诊断更快速、客观、准确。
-
Patent Agency Ranking
公开(公告)号：CN115272308A
公开(公告)日：2022-11-01
申请号：CN202211171283.7
申请日：2022-09-26
Applicant: 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所、复旦大学附属儿科医院安徽医院) , 中国科学技术大学
Abstract: 本发明公开了一种下肢骨骼图像评估下肢力线方法、系统、设备及存储介质，包括如下方法：步骤S1、准备下肢骨骼的X射线图像；步骤S2、用GVV‑Net模块对X射线图像进行处理，在特征最深层使用VIA模块；步骤S3、SDM模块在VIA模块提取的数据信息中；步骤S4、数据信息中特征点的全局结构信息检测X射线图像中的下肢解剖标志，得到下肢骨骼的热力图并提取每个通道最大热力值的位置点作为关键点；步骤S5、获得关键点定位后分别连接左侧四组水平位置对应的两个关键点；步骤S6、分别连接右侧四组水平位置对应两个关键点，重复步骤S5得到全部下肢力线。本发明实现精确特征点性能检测，提高了判断和评估速度。
-
公开(公告)号：CN109567839B
公开(公告)日：2022-04-26
申请号：CN201811389123.3
申请日：2018-11-20
Abstract: 本发明公开了一种髋关节X光图像自动分析方法，包括：获取预先进行了S个关键点位置标注的髋关节X光图像；对于预先收集的一系列髋关节X光图像，在标注的每一个关键点上分别取一张切片图像，所得到的每一切片图像即为初步模板，从而构成一个初步模板库，则对于S个关键点共有S个初始模板库；分别对每一个初始模板库中的初步模板采用模板匹配的方法求取相似度，最终选取出多个模板，构成能够用于查找一个关键点的有序模板库，则对于S个关键点共有S个有序模板库；对于待分析的髋关节X光图像，通过模板匹配与聚类的方式结合每一有序模板库实现每一关键点的分析查找。该方法可以自动的、准确的实现髋关节X光图像分析。
-
公开(公告)号：CN111882531A
公开(公告)日：2020-11-03
申请号：CN202010680820.5
申请日：2020-07-15
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种髋关节超声图像自动分析方法，包括：获取多个预先进行了若干关键线段位置标注的髋关节超声图像，并对每一髋关节超声图像中的每一关键线段分别生成热力图；以获取的髋关节超声图像为训练数据，以生成的热力图做训练目标，训练一个用于回归热力图的沙漏形神经网络；测试阶段，对于待分析的髋关节超声图像，通过训练好的沙漏形神经网络输出对应的热力图，再利用加权票选的方式从热力图中定位出每一关键线段位置，从而获得关键线段之间的夹角。上述方法基于神经网络生成热力图票选的方式自动的对髋关节超声图像进行分析，不仅加快了分析速度、提高了分析效率，还可以确保分析结果的准确性。
-
公开(公告)号：CN111882531B
公开(公告)日：2021-08-17
申请号：CN202010680820.5
申请日：2020-07-15
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种髋关节超声图像自动分析方法，包括：获取多个预先进行了若干关键线段位置标注的髋关节超声图像，并对每一髋关节超声图像中的每一关键线段分别生成热力图；以获取的髋关节超声图像为训练数据，以生成的热力图做训练目标，训练一个用于回归热力图的沙漏形神经网络；测试阶段，对于待分析的髋关节超声图像，通过训练好的沙漏形神经网络输出对应的热力图，再利用加权票选的方式从热力图中定位出每一关键线段位置，从而获得关键线段之间的夹角。上述方法基于神经网络生成热力图票选的方式自动的对髋关节超声图像进行分析，不仅加快了分析速度、提高了分析效率，还可以确保分析结果的准确性。
-
公开(公告)号：CN109567839A
公开(公告)日：2019-04-05
申请号：CN201811389123.3
申请日：2018-11-20
Abstract: 本发明公开了一种髋关节X光图像自动分析方法，包括：获取预先进行了S个关键点位置标注的髋关节X光图像；对于预先收集的一系列髋关节X光图像，在标注的每一个关键点上分别取一张切片图像，所得到的每一切片图像即为初步模板，从而构成一个初步模板库，则对于S个关键点共有S个初始模板库；分别对每一个初始模板库中的初步模板采用模板匹配的方法求取相似度，最终选取出多个模板，构成能够用于查找一个关键点的有序模板库，则对于S个关键点共有S个有序模板库；对于待分析的髋关节X光图像，通过模板匹配与聚类的方式结合每一有序模板库实现每一关键点的分析查找。该方法可以自动的、准确的实现髋关节X光图像分析。
-
-
-
-
-
Search Results
6
records
(took 0.053 seconds)
