-
公开(公告)号：CN112102294B
公开(公告)日：2024-03-01
申请号：CN202010975996.3
申请日：2020-09-16
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/00 , G06T7/33 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明提供了一种生成对抗网络的训练方法及装置、图像配准方法及装置。该生成对抗网络的训练方法包括：利用生成网络对样本浮动图像和样本参考图像进行配准，生成样本浮动图像配准至样本参考图像的预测变换参数；基于预测变换参数和变换参数标签，对判别网络和生成网络进行交替对抗训练，得到训练后的生成对抗网络，能够提高图像配准的效率。
-
公开(公告)号：CN112734740B
公开(公告)日：2024-02-23
申请号：CN202110065815.8
申请日：2021-01-18
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/00 , G06T7/136 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种训练目标检测模型的方法，该方法包括：获取训练图像的特征图；确定所述特征图中的预测框，所述预测框用于指示所述训练图像中的目标区域；确定所述预测框的候选损失值及所述候选损失值对应的权重，所述权重是根据所述预测框与真值之间的差异确定的；根据所述候选损失值及所述权重确定损失值；根据所述损失值训练所述目标检测模型。本发明实施例中的方法可以解决现有技术中目标检测模型在训练过程中不易收敛的问题。
-
公开(公告)号：CN112529863B
公开(公告)日：2024-01-23
申请号：CN202011413929.9
申请日：2020-12-04
Applicant: 推想医疗科技股份有限公司 , 中南大学
IPC: G06T7/00 , G06T7/11 , G06T5/30 , G06N3/0455 , G06N3/0464 , G06N3/08 , A61B6/50 , A61B6/03
Abstract: 本发明提供了一种测量骨密度的方法及装置，所述方法由骨密度测量模型执行，所述骨密度测量模型是基于深度学习方法预先训练后得到的，所述骨密度测量模型包括特征提取模块、图像分割模块及骨密度估算模块，包括：使用所述特征提取模块获取输入图像的特征图，所述输入图像包括待测量脊柱椎体；使用所述图像分割模块基于所述特征图对所述输入图像进行椎体分割，得到所述输入图像中待测量脊柱椎体的图像分割结果，所述图像分割结果用于确定所述待测量脊柱椎体中的目标区域；使用所述骨密度估算模块，根据所述图像分割结果进行骨密度值估算，得到所述目标区域的骨密度值。本发明实施例中的方法能够提高骨密度测量的效率。
-
公开(公告)号：CN112116005B
公开(公告)日：2024-01-23
申请号：CN202010987247.2
申请日：2020-09-18
Applicant: 推想医疗科技股份有限公司
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明提供了一种影像分类模型的训练方法及装置、存储介质和电子设备。该训练方法包括分别对整体影像和整体影像中的局部影像进行特征提取得到第一特征和第二特征，整体影像中除局部影像之外的区域具有病灶，局部影像包含由病灶引起的结构变异；融合第一特征和第二特征得到第三特征；对第三特征进行分类输出最终分类结果；根据最终分类结果训练影像分类模型，从而能够实现采用本发明实施例中的影像分类模型对整体影像中的难以定位或区分的病灶进行准确分类。
-
公开(公告)号：CN111368827B
公开(公告)日：2023-08-29
申请号：CN202010124647.0
申请日：2020-02-27
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明实施例公开了一种医学图像处理方法、装置、计算机设备及存储介质，该方法包括：确定同一扫描数据对应的至少两个窗宽窗位图像；将所确定的所述至少两个窗宽窗位图像同时输入已训练的神经网络模型中，以得到所述扫描数据对应的感兴趣区识别结果。解决了现有技术的临床医学图像诊断中存在感兴趣区识别准确率较低的问题，达到了提高临床医学图像中的感兴趣区识别的准确率、速度和全面性。
-
Patent Agency Ranking
公开(公告)号：CN111445456B
公开(公告)日：2023-06-27
申请号：CN202010223799.6
申请日：2020-03-26
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/155 , G06T7/187 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N20/10 , G06T5/30
Abstract: 本申请公开了一种分类模型、网络模型的训练方法及装置、识别方法及装置。该网络模型的训练方法包括：根据包含脑部的血肿区域的样本图像，通过分类模型，确定所述血肿区域的征象类别的第一分类结果；根据所述第一分类结果和所述包含脑部的血肿区域的样本图像，训练预设网络模型，以生成所述网络模型，所述网络模型用于识别所述血肿区域的易扩张性。利用本申请实施例提供的网络模型的训练方法训练生成的网络模型，能够减少识别血肿是否易扩大所花费的时间，同时提高识别血肿是否易扩大的准确率和效率。
-
公开(公告)号：CN111275719B
公开(公告)日：2023-04-07
申请号：CN202010062860.3
申请日：2020-01-19
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明实施例公开了一种钙化假阳识别及其模型训练的方法、装置、终端及介质，其中模型训练方法包括：获取样本乳腺图像，及样本乳腺图像中的第一候选钙化点，并对第一候选钙化点中的假阳钙化点进行标记；根据第一候选钙化点对样本乳腺图像进行裁剪，得到第一候选钙化点的区域图像，并对区域图像进行卷积处理；将区域图像以及卷积处理后的区域图像输入钙化假阳识别模型，输出假阳钙化点，以输出的假阳钙化点与标记的假阳钙化点的偏量小于预设阈值为目标，对钙化假阳识别模型进行训练。通过经权利要求1‑5中任一项所述模型训练方法训练得到的识别模型可实现对假阳钙化点的识别，从而可有效降低钙化识别的假阳率，有利于提高医师阅片效率，以及后续对对钙化区域形态和分别的识别处理。
-
公开(公告)号：CN112287993B
公开(公告)日：2022-09-02
申请号：CN202011158778.7
申请日：2020-10-26
Applicant: 推想医疗科技股份有限公司
IPC: G06V10/774 , G06V10/764
Abstract: 本发明实施例公开了一种模型生成方法、图像分类方法、装置、电子设备及介质。该模型生成方法包括：获取阳性样本和阴性样本，其中，每个阳性样本中至少一层CT图像的图像标签是阳性，且每个阴性样本中各层CT图像的图像标签均是阴性；将阳性样本和阴性样本作为训练样本，基于训练样本对原始分类模型进行训练，生成图像分类模型，其中，原始分类模型可包括特征提取网络、用于根据特征提取网络的输出结果重新标定阳性样本中各CT图像的图像标签的标签重定网络和图像分类网络，图像分类模型包括特征提取网络和图像分类网络。本发明实施例的技术方案，达到了降低模型生成过程中图像标注的工作量的效果。
-
公开(公告)号：CN112258524B
公开(公告)日：2022-08-19
申请号：CN202011128727.X
申请日：2020-10-20
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/11 , G06T3/40 , G06N3/04 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种多分支图像分割方法、分割装置、存储介质以及电子设备，通过对待分割图像进行下采样缩小图像尺寸并输入第一模型，得到待分割图像的全局特征图像和粗粒度的第一输出图像，然后将待分割图像划分为多个区域图像，并将多个区域图像和全局特征图像输入第二模型，由第二模型结合全局特征和区域图像进行细粒度的分割，得到第二输出图像，最后融合第一输出图像和第二输出图像以得到最终的分割结果，利用第一模型得到粗粒度的分割结果、第二模型得到细粒度的分割结果，可以满足不同分支需求，并且，结合粗粒度分割结果的全局特征和细粒度分割结果的局部特征，可以获取更加准确的分割结果。
-
公开(公告)号：CN112700421B
公开(公告)日：2022-03-25
申请号：CN202110004503.6
申请日：2021-01-04
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请提供了一种冠脉图像分类方法及装置，该方法包括：确定冠脉图像中由左主干的末端节点开始的回旋支所在的第一子树；确定由第一子树上的第一分叉节点开始的第一分支上的第一点，以及第二分支上的第二点；确定第一点与预设点构成的第一向量，以及第二点与预设点构成的第二向量；确定第一向量与预设向量之间的第一夹角，以及第二向量与预设向量之间的第二夹角；基于第一夹角和第二夹角确定回旋支。此外，本申请提供的冠脉图像分类方法还可以实现对右冠主支的识别。本申请的技术方案能够提高冠脉图像分类结果的准确度，且具有较高的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.038 seconds)
