-
公开(公告)号：CN116128819A
公开(公告)日：2023-05-16
申请号：CN202211658622.4
申请日：2022-12-22
Applicant: 推想医疗科技股份有限公司 , 北京大学人民医院
Abstract: 本申请公开了一种图像处理方法、模型训练方法和装置及电子设备。该方法包括：对肺部医学影像的纵隔区域进行分区，得到至少两个纵膈分区图像，其中，不同纵膈分区图像包括纵隔区域的不同解剖结构；根据至少两个纵膈分区图像，通过神经网络模型中的至少两个分支网络，对不同解剖结构进行病变检测，得到肺部医学影像的纵膈区域的病变检测结果，其中，一个分支网络至少用于检测一个纵膈分区图像的解剖结构中的纵膈病变。一个分支网络至少用于检测一个纵膈分区图像的解剖结构中的病变，也就是说，对于不同的纵膈分区图像采用不同的分支网络进行病变检测，以实现最佳的病变检测性能，从而提高了纵膈病变检测的准确性。
-
公开(公告)号：CN115359010A
公开(公告)日：2022-11-18
申请号：CN202211026079.6
申请日：2022-08-25
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请提供了一种随访病例数据的处理方法、装置、设备及存储介质，该处理方法包括：根据目标病灶在第一医学图像中的位置信息以及尺寸信息，确定目标病灶在第一空间下的第一检测结果；根据第一医学图像与第二医学图像之间的配准变换矩阵，对第一检测结果进行变换处理，得到第一检测结果在第二空间下的初始病灶匹配结果；将第一医学图像、第二医学图像、第一检测结果以及初始病灶匹配结果输入特征提取模型中，输出得到第二医学图像的病灶特征提取结果。这样，本申请使得模型能够在医学图像信息的基础上有效地结合病灶的解剖学结构信息，提高了模型对于不同医学图像中同一病灶的特征提取准确度以及对于同一病灶在随访病例数据中匹配定位的精准度。
-
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：CN115908392A
公开(公告)日：2023-04-04
申请号：CN202211700041.2
申请日：2022-12-28
Applicant: 推想医疗科技股份有限公司 , 北京大学人民医院
Abstract: 本申请提供了一种图像评估方法及装置、可读存储介质及电子设备，涉及图像检测技术领域。该图像评估方法包括：确定包括病变区域的待评估医学影像；确定病变区域对应的多个视角位置；基于病变区域对应的多个视角位置，确定病变区域对应的多个点云特征和多个影像组学特征，其中，点云特征用于表征病变外形信息，影像组学特征用于表征病变及病变周围解剖组织的纹理信息；基于多个点云特征和多个影像组学特征，确定待评估医学影像对应的评估结果，将点云特征进一步结合影像组学特征，有利于从不同的角度和层次评估图像，综合多角度信息，避免片面性，减少失误，从而帮助医生更准确地进行疾病诊断。
-
公开(公告)号：CN112488178A
公开(公告)日：2021-03-12
申请号：CN202011355246.2
申请日：2020-11-26
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请公开了一种网络模型的训练方法及装置、图像处理方法及装置、设备。该训练方法包括：根据多个二维医学样本影像对应的三维样本特征和多个二维样本特征，通过特征转化算法，获得三维求和样本特征和多个二维求和样本特征，其中，多个二维医学样本影像具有包含病灶或不包含病灶的整体标签，三维求和样本特征结合有多个二维样本特征转化而成的三维样本特征，多个二维求和样本特征结合有三维样本特征转化而成的多个二维样本特征；根据多个二维求和样本特征和三维求和样本特征，获得训练完成的网络模型，能够减少对医学影像的病灶的精确标注的依赖，且能够精准地对病灶进行自动分类，从而大大降低了医生的图像标注的工作量。
-
Patent Agency Ranking
公开(公告)号：CN115439520A
公开(公告)日：2022-12-06
申请号：CN202211122971.4
申请日：2022-09-15
Applicant: 推想医疗科技股份有限公司
Abstract: 本发明公开了一种图像配准方法、装置、电子设备以及存储介质。该方法包括：获取待配准的第一图像以及第二图像；获取预先训练完成的特征提取模型，并基于所述特征提取模型确定所述第一图像对应的第一特征图像以及所述第二图像对应的第二特征图像；获取预先训练完成的配准模型，基于所述第一特征图像、所述第二特征图像以及所述配准模型，确定所述第一图像和所述第二图像之间的第一感兴趣区域的分割图以及第二感兴趣区域的位置变换矩阵。通过本发明公开的技术方案，解决了现有技术中无法对进行手术后还存在的病灶进行随访的问题，实现了直接对差异较大的两图像进行配准，从而实现在对术前术后进行病灶切除的情况下对未切除的病灶进行准确随访。
-
公开(公告)号：CN115359009A
公开(公告)日：2022-11-18
申请号：CN202211024850.6
申请日：2022-08-25
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本申请提供了一种图像识别模型的训练方法、训练装置、设备和介质，该方法包括：针对每一个训练样本的第一医学图像，将第一医学图像输入至深度学习识别模型，得到多个第一医学图像特征，将每个第一医学图像特征输入至待训练的矫正模型，得到每个第一医学图像特征的第一矫正参数，利用第一矫正参数对每个第一医学图像特征进行矫正处理，得到矫正后的第一医学图像特征；针对每一个训练样本的第一医学图像，将第一医学图像对应的多个矫正后的第一医学图像特征重新输入至训练好的深度学习识别模型，得到第一识别结果，并基于第一识别结果和第二识别结果的差异，对待训练的矫正模型进行训练；基于深度学习识别模型和矫正模型，得到图像识别模型。
-
公开(公告)号：CN114972211A
公开(公告)日：2022-08-30
申请号：CN202210499642.5
申请日：2022-05-09
Applicant: 推想医疗科技股份有限公司
Abstract: 本说明书实施方式提供了一种图像分割模型的训练方法、分割方法、装置、设备和介质。所述图像分割模型包括编码器和分割解码器；所述方法包括：使用所述编码器提取无标注样本图像的图像特征；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。通过将第一掩码信息和第一重构图像与无标注图像之间的差异作为第二掩码信息计算图像分割模型的损失，从而更新图像分割模型，实现了在对训练样本进行少量标注的情况下，提升图像分割模型分割目标对象的准确性。
-
公开(公告)号：CN112488178B
公开(公告)日：2022-07-26
申请号：CN202011355246.2
申请日：2020-11-26
Applicant: 推想医疗科技股份有限公司
Abstract: 本申请公开了一种网络模型的训练方法及装置、图像处理方法及装置、设备。该训练方法包括：根据多个二维医学样本影像对应的三维样本特征和多个二维样本特征，通过特征转化算法，获得三维求和样本特征和多个二维求和样本特征，其中，多个二维医学样本影像具有包含病灶或不包含病灶的整体标签，三维求和样本特征结合有多个二维样本特征转化而成的三维样本特征，多个二维求和样本特征结合有三维样本特征转化而成的多个二维样本特征；根据多个二维求和样本特征和三维求和样本特征，获得训练完成的网络模型，能够减少对医学影像的病灶的精确标注的依赖，且能够精准地对病灶进行自动分类，从而大大降低了医生的图像标注的工作量。
-
公开(公告)号：CN114972211B
公开(公告)日：2024-09-27
申请号：CN202210499642.5
申请日：2022-05-09
Applicant: 推想医疗科技股份有限公司
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/09
Abstract: 本说明书实施方式提供了一种图像分割模型的训练方法、分割方法、装置、设备和介质。所述图像分割模型包括编码器和分割解码器；所述方法包括：使用所述编码器提取无标注样本图像的图像特征；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。通过将第一掩码信息和第一重构图像与无标注图像之间的差异作为第二掩码信息计算图像分割模型的损失，从而更新图像分割模型，实现了在对训练样本进行少量标注的情况下，提升图像分割模型分割目标对象的准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.031 seconds)
