-
公开(公告)号：CN119151897A
公开(公告)日：2024-12-17
申请号：CN202411277623.3
申请日：2024-09-12
Applicant: 广州中医药大学第一附属医院 , 广州中医药大学(广州中医药研究院)
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/26 , G06V10/52 , G06V10/82 , G16H50/30 , G16H50/70 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习舌面融合识别育龄期女性肾虚证方法及装置，该方法包括将所采集到的舌象与面象图像数据输入至预设的育龄期女性肾虚证辨识模型；所述育龄期女性肾虚证辨识模型输出识别结果；所述育龄期女性肾虚证辨识模型基于所确定的肾虚证和非肾虚证数据来作为深度学习网络的训练数据训练而得。本发明基于深度学习舌面融合识别育龄期女性肾虚证方法通过利用舌象与面象两种模态信息，利用前沿的深度学习技术，构建出育龄期女性肾虚证的证候辨识模型，从而可以利用所采集到的舌象与面象望诊信息进行客观化的证候辨证，辅助临床医生的诊疗决策。
-
公开(公告)号：CN112651445B
公开(公告)日：2025-01-03
申请号：CN202011588398.7
申请日：2020-12-29
Applicant: 广州中医药大学(广州中医药研究院)
IPC: G06V10/80 , G06V10/764 , G06V10/776 , G06V40/70
Abstract: 本申请实施例提供的基于深度网络多模态信息融合的生物信息识别方法和装置，涉及图像识别技术领域。一种基于深度网络多模态信息融合的生物信息识别方法，包括：首先，获取多个模态的待识别图像，其中，多个模态的待处理图像属于同一生物信息；其次，通过预设识别模型对多个模态的待识别图像进行融合处理，得到融合特征；然后，根据融合特征进行分类处理，得到生物信息的类别，其中，预设识别模型根据多个模态的生物信息图像训练得到。通过上述方法，可以实现根据多个模态图像融合后的特征进行分类识别，改善了现有技术中现有技术中的神经网络模型一般对多个模态的图像分别进行识别，所导致的图像识别的可靠性低的问题。
-
公开(公告)号：CN118429454A
公开(公告)日：2024-08-02
申请号：CN202410429901.6
申请日：2024-04-10
Applicant: 广州中医药大学(广州中医药研究院)
Abstract: 本申请公开了基于深度学习的动态增强图像合成HBP图像的方法及系统，方法包括：获取多模态医学图像并进行数据预处理，得到预处理后的多模态医学图像；引入基于时空潜在空间加权融合的多模态隐式对齐模块，构建肝胆期医学图像合成网络模型；基于所述肝胆期医学图像合成网络模型对所述预处理后的多模态医学图像进行肝胆期医学图像合成处理，输出肝胆期医学合成图像。本申请实施例能够对图像各模式的重要度输出进行加权，从而平衡各模态对抑制负融合的贡献，提高HBP图像的合成质量。本申请可以广泛应用于多模态医学成像技术领域。
-
公开(公告)号：CN112991298A
公开(公告)日：2021-06-18
申请号：CN202110285843.0
申请日：2021-03-17
Applicant: 广州中医药大学(广州中医药研究院)
Abstract: 本申请实施例提供的模型构建方法、医学影像识别方法、装置及电子设备中，该电子设备将待迁移模型中的预设网络层，作为迁移模型；并构建包括该迁移模型的肿瘤等级模型，并通过未增强肿瘤影像，对生成的肿瘤等级模型进行训练。由于在训练期间，保持迁移模型预设网络层的参数不变，因此，保留了迁移模型对增强肿瘤影像的特征提取以及处理能力，继而使得训练获得的肿瘤等级模型不依赖于增强肿瘤影像即可获得肿瘤等级的置信度。
-
Patent Agency Ranking
公开(公告)号：CN118470476A
公开(公告)日：2024-08-09
申请号：CN202410533761.7
申请日：2024-04-29
Applicant: 广州中医药大学(广州中医药研究院)
Abstract: 本发明公开了一种基于深度学习舌面融合识别血瘀证方法及装置，包括以下具体步骤：S1，收集患者的舌象和面象，并通过经验丰富的中医师确定患者的血瘀证和非血瘀证作为网络训练的数据；S2，对收集到的舌、面象进行预处理，便于不同尺度图像的特征融合；S3，使用深度监督网络来融合舌、面象的深度特征。本发明提出了一种基于舌、面图像的深度特征融合方法来识别血瘀证，采用注意力机制分别从舌面象中提取显著特征，以减少深层特征的冗余和它们之间尺度差异的影响，进而提高了血瘀证的识别性能，创新性高。
-
公开(公告)号：CN118429454B
公开(公告)日：2025-04-29
申请号：CN202410429901.6
申请日：2024-04-10
Applicant: 广州中医药大学(广州中医药研究院)
Abstract: 本申请公开了基于深度学习的动态增强图像合成HBP图像的方法及系统，方法包括：获取多模态医学图像并进行数据预处理，得到预处理后的多模态医学图像；引入基于时空潜在空间加权融合的多模态隐式对齐模块，构建肝胆期医学图像合成网络模型；基于所述肝胆期医学图像合成网络模型对所述预处理后的多模态医学图像进行肝胆期医学图像合成处理，输出肝胆期医学合成图像。本申请实施例能够对图像各模式的重要度输出进行加权，从而平衡各模态对抑制负融合的贡献，提高HBP图像的合成质量。本申请可以广泛应用于多模态医学成像技术领域。
-
公开(公告)号：CN112651445A
公开(公告)日：2021-04-13
申请号：CN202011588398.7
申请日：2020-12-29
Applicant: 广州中医药大学(广州中医药研究院)
IPC: G06K9/62
Abstract: 本申请实施例提供的基于深度网络多模态信息融合的生物信息识别方法和装置，涉及图像识别技术领域。一种基于深度网络多模态信息融合的生物信息识别方法，包括：首先，获取多个模态的待识别图像，其中，多个模态的待处理图像属于同一生物信息；其次，通过预设识别模型对多个模态的待识别图像进行融合处理，得到融合特征；然后，根据融合特征进行分类处理，得到生物信息的类别，其中，预设识别模型根据多个模态的生物信息图像训练得到。通过上述方法，可以实现根据多个模态图像融合后的特征进行分类识别，改善了现有技术中现有技术中的神经网络模型一般对多个模态的图像分别进行识别，所导致的图像识别的可靠性低的问题。
-
公开(公告)号：CN109993740A
公开(公告)日：2019-07-09
申请号：CN201910265192.1
申请日：2019-04-02
Applicant: 广州中医药大学(广州中医药研究院)
IPC: G06T7/00
Abstract: 本申请提供一种细胞癌图像分级装置，用于改善现有技术中的分级方法存在着对肿瘤患者的伤害较大的问题。该细胞癌图像分级方法包括：从第一身体图像中确定包含细胞癌的区域图像，获得第一区域图像，第一身体图像是通过磁共振成像设备对包含细胞癌的身体区域进行扫描获得的；对第一区域图像进行提取和筛选，获得第一特征，第一特征为能反映出细胞癌的分级的特征；将第一特征输入至预先建立的关联模型，通过关联模型获得第一区域图像所显示的细胞癌的分级。
-
公开(公告)号：CN215687768U
公开(公告)日：2022-02-01
申请号：CN202121265292.3
申请日：2021-06-07
Applicant: 广州中医药大学(广州中医药研究院)
IPC: A61B5/00
Abstract: 本实用新型的实施例提供了一种舌面象图像采集设备，涉及图像采集设备技术领域。该舌面象图像采集设备包括壳体、暗箱、照明装置和摄像装置，壳体的一端开设有第一开口，暗箱的两端分别开设有第二开口和第三开口，第二开口靠近第一开口，第一开口、第二开口和第三开口处于同一方向上，第二开口和第三开口形成拍摄通道，第二开口用于对接人的面部，照明装置朝向暗箱的内壁发出光照，摄像装置通过拍摄通道拍摄人的面象和舌象。暗箱内部构成相对封闭、固定的拍摄环境，照明装置使暗箱内部形成自然光亮的状态，且将人的面部对接在暗箱的第二开口处，能够使得拍摄的舌象和面象的图像更加客观化、标准化。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.03 seconds)
