-
公开(公告)号：CN119624959A
公开(公告)日：2025-03-14
申请号：CN202510154559.8
申请日：2025-02-12
Applicant: 江苏世钰智能医疗科技有限公司 , 新疆医科大学第一附属医院
IPC: G06T7/00 , G06V10/20 , G06V10/30 , G06V10/36 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明提供了一种基于深度学习的肝脏棘球蚴病超声图像智能处理方法、电子设备及存储介质，包括以下步骤：数据收集：收集肝脏超声影像数据；使用自适应去噪与增强模型对收集的肝脏超声影像数据进行图像预处理，并对图像预处理后的数据对进行分类标注，建立分类数据集，将影像标注为囊型棘球蚴病、泡型棘球蚴病、其他肝脏病变；基于分类数据集，训练优化的VIT分类模型DFEV‑VIT。本发明有益效果：本发明通过使用优化的CLAHE算法ADEN对收集的数据进行图像预处理，再基于图像预处理后的分类数据集，训练分类模型DFEV‑VIT，可大大提高诊断效率和准确率，减少棘球蚴病的漏诊、误诊现象。
-
公开(公告)号：CN116542996B
公开(公告)日：2024-01-30
申请号：CN202310779094.6
申请日：2023-06-29
Applicant: 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
IPC: G06T7/11 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/0475
Abstract: 本申请提供的一种基于特征融合和差分的脊柱CT图像分割方法，属于图像处理领域，该方法包括：将脊柱CT图像输入到预训练的，采用全卷积神经网络的编码器‑解码器架构的分割模型；在所述分割模型第四层特征网络中插入五分支结构的池化层进行感受野扩充，并通过difference module对全部的特征网络进行上下文特征增强；获取并利用各层特征网络中增强的脊柱线索信息来解译得到最终的脊柱分割结果。本申请将各层特征网络中增强的脊柱线索信息的融合后生成分割结果，避免了细节信息的丢失，有效提高了图像分割的准确性。
-
公开(公告)号：CN116542996A
公开(公告)日：2023-08-04
申请号：CN202310779094.6
申请日：2023-06-29
Applicant: 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
IPC: G06T7/11 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/0475
Abstract: 本申请提供的一种基于特征融合和差分的脊柱CT图像分割方法，属于图像处理领域，该方法包括：将脊柱CT图像输入到预训练的，采用全卷积神经网络的编码器‑解码器架构的分割模型；在所述分割模型第四层特征网络中插入五分支结构的池化层进行感受野扩充，并通过difference module对全部的特征网络进行上下文特征增强；获取并利用各层特征网络中增强的脊柱线索信息来解译得到最终的脊柱分割结果。本申请将各层特征网络中增强的脊柱线索信息的融合后生成分割结果，避免了细节信息的丢失，有效提高了图像分割的准确性。
-
公开(公告)号：CN119888237A
公开(公告)日：2025-04-25
申请号：CN202510356764.2
申请日：2025-03-25
Applicant: 江苏世钰智能医疗科技有限公司
IPC: G06V10/26 , G06V10/82 , G06N3/0475 , G06N3/0895 , G06V10/774
Abstract: 本发明提供了一种跨域自适应脊柱CT图像分割方法，包括以下步骤：对数据进行正向扩散过程；模型架构构建；反向去噪过程；损失函数优化。本发明有益效果：能够提高工作性能：该框架在多源CT数据集之间的分割精度大大提高，尤其在未见目标域上能够实现较好的跨域适应，分割效果优于传统方法；能够减少制作成本、能量损耗：通过使用扩散模型和对比学习机制，本方案能有效减少对其他来源的数据集进行大量标注数据的依赖，降低了数据标注和模型训练的成本；能够增加稳定性：通过域引导的非对称对比学习，跨域特征对齐效果更为稳定，减少了模型在不同数据集上的性能波动。
-
公开(公告)号：CN118864484B
公开(公告)日：2024-11-29
申请号：CN202411369885.2
申请日：2024-09-29
Applicant: 江苏世钰智能医疗科技有限公司 , 山东泽普医疗科技有限公司 , 邦世科技(南京)有限公司
IPC: G06T7/00 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种腰椎CT骨性侧隐窝区图像强逻辑重建模型训练方法及装置，属于图像处理技术领域，包括：S1、获取包括骨窗的腰椎CT平扫数据；S2、提取骨窗的dicom数据，并转化为二维的png图像；S3、对png图像进行标注，获得标注后的json文件；S4、使用域适应模型对数据进行训练；训练过程分为预训练阶段和领域自适应训练阶段；预训练阶段利用源域数据训练一个在源域上表现最好的模型作为预训练模型；领域自适应训练阶段利用预训练模型对源域数据和目标域数据进行联合训练，利用目标域数据进行验证。本发明能够对腰椎CT骨性侧隐窝区图像进行旋转校正。
-
Patent Agency Ranking
公开(公告)号：CN117237365A
公开(公告)日：2023-12-15
申请号：CN202311523518.9
申请日：2023-11-16
Applicant: 江苏世钰智能医疗科技有限公司
IPC: G06T7/00 , G06T3/60 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种腰椎CT盘黄间隙检测方法，属于图像数据处理领域，包括：获取输入图像数据；提取输入图像数据的特征信息tf1、tf2、tf3、tf4，以及ts1、ts2、ts3、ts4和ts5；对ts5循环四次解码，四次解码结果分别与ts4、ts3、ts2和ts1融合，再分别与tf4、tf3、tf2和tf1融合，输出融合特征图像；将融合特征图像进行解码、降维，设置特征图通道数为num_classes，生成重建图；根据重建图对椎间盘区域进行选择和旋转重建；基于旋转重建的椎间盘区域进行盘黄间隙检测。本申请通过不同维度特征处理和融合，包含更多信息，因此不需要医生进行手动调节以及额外的扫描，即可获取腰椎CT盘黄间隙的相关信息。
-
公开(公告)号：CN116797597A
公开(公告)日：2023-09-22
申请号：CN202311048201.4
申请日：2023-08-21
Applicant: 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
Abstract: 本申请提供一种基于三阶段全网络的脊柱退行性疾病全检测方法及系统，属于图像处理领域，该方法包括：对腰椎矢状位MRI图像的标注；对标注数据处理，依次获得椎间盘的目标检测数据、关键点测数据、目标形态数据；根据椎间盘的目标形态数据进行椎间盘退变分级，包括：根据预设的受损定义判断是否结构受损，若结构受损则标注6级，否则根据椎间盘的目标形态数据标注为1级~5级；根据退变分级结果确定椎间盘检测结果。本申请通过三个阶段检测的全连接神经网络，支持全脊椎和所有种类的医疗影像，提高病灶辨识度，使得人工智能检测准确。同时通过各个级别边界明确的评价指标，为放射科医生提供更好的参考指标，也为深度学习技术的应用提供更好的基础。
-
公开(公告)号：CN116563285B
公开(公告)日：2023-09-19
申请号：CN202310838165.5
申请日：2023-07-10
Applicant: 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种基于全神经网络的病灶特征识别与分割方法及系统，属于医疗图像处理，该方法包括：采用小波滤波神经网络模型提高CT图像的清晰度和对比度；采用语义分割网络进行调整后的所述CT图像中所述各结构类型的识别和各结构的分割；将多个连续且相邻的所述病灶图像中的病灶数据进行堆栈，构建具有三维上下文信息的病灶体积数据；使用多尺度特征金字塔网络对所述体积数据提取特征，根据条件随机场方法进行该特征的处理和优化，输出识别与分割后特征的特征信息和类别信息。本申请通过对医学影像进行特征提取与增强、图像分割，特征图像分类，最后处理与优化，有效提高了医学影像中各结构的识别和分割准确率。
-
公开(公告)号：CN116758087A
公开(公告)日：2023-09-15
申请号：CN202311055663.9
申请日：2023-08-22
Applicant: 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
Abstract: 本申请提供的一种腰椎CT骨窗侧隐窝间隙检测方法及装置，属于图像处理领域，该方法包括：获取骨窗图像数据，对所有的骨窗图像进行层间插值，重构后得到CT的矢状位图像；选择带有第三节锥体的所有图像中心的骨窗图像中椎体在Y轴上最长时x轴的坐标确定为矢状位的层面；并计算腰椎参数、获得椎骨分割结果和重构角度；根据骨窗中的标签信息确定其包含目标椎骨的骨窗层数区间；根据重构角度对腰椎参数和椎骨分割结果旋转，获得重构图像；对重构图像进行3D组合后进行关键点和关键位置侧隐窝间隙的数值检测。本申请通过对CT图像进行重建，对椎体平扫检测中无法平行观察椎体结构的弊端进行弥补，提高图像中特征的辨识度，进一步提高了检测的准确性。
-
公开(公告)号：CN116563650A
公开(公告)日：2023-08-08
申请号：CN202310838050.6
申请日：2023-07-10
Applicant: 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
IPC: G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/136
Abstract: 本申请提供一种基于深度学习的终板炎退变分级方法及系统，属于医疗图像处理领域，该方法包括：基于确定腰椎不同锥体的高度阈值调整yolov7检测模型的描框大小，并使用所述yolov7检测模型对所述核磁共振图像处理，获得椎间盘的上下锥体的终板部分；使用基于图论的GrabCut锥体分割算法分割所述椎间盘的上下锥体的终板部分；使用yolov7分类模型对所述终板部分进行分类判定，获得所述终板炎退变分级结果。本申请利用标记的终板炎变性分型数据和核磁共振图像对椎体病变区域进行高度阈值计算，以该高度阈值优化的算法模型，有效提高终板炎分级的准确性和速度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.039 seconds)
