-
公开(公告)号：CN118037752A
公开(公告)日：2024-05-14
申请号：CN202410229911.5
申请日：2024-02-29
Applicant: 浙江大学
IPC: G06T7/11 , G06T7/12 , G06T7/13 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于超声心动图的右室心肌分割方法和系统，所述方法具体流程包括：首先获取超声视频数据，获取超声心动图图像帧，并预处理；判断当前模型是否训练，执行训练过程或者预测过程；训练过程包括数据增强以及构建连接性掩码，通过Sobel算子提取心脏结构边缘信息，通过U‑Net网络学习心肌区域；预测过程输入超声心动图，通过训练后的模型分割预测得到右室心肌区域；最后可视化右室心肌分割结果，可以通过手动方法对分割结果进行微调。
-
公开(公告)号：CN118037685A
公开(公告)日：2024-05-14
申请号：CN202410229909.8
申请日：2024-02-29
Applicant: 浙江大学
IPC: G06T7/00 , G06T5/90 , G06T7/11 , G06T7/155 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/042 , G06N3/08 , A61B8/00
Abstract: 一种基于深度学习的超声器官结构点定位方法和装置，所述方法具体流程包括：首先采集超声视频并采用超声动态区域检测，裁剪超声影像区域视频；随后提取预测帧周围的图像序列；然后训练UNet热图预测模型，预测器官结构点构成的热图；然后处理预测的器官结构点热图，通过非极大值抑制，抑制局部最大值邻域内的其他值；再训练特征提取网络和图同构神经网络，通过训练后的模型从热图中提取影像特征并预测器官结构点坐标；最后可视化器官结构点，展示器官解剖学特征，为器官三维重建、医学参数评估提供基础。
-
公开(公告)号：CN118196447A
公开(公告)日：2024-06-14
申请号：CN202410511766.X
申请日：2024-04-26
Applicant: 浙江大学
Abstract: 一种肝脏增强多期CT数据分割结果的病灶匹配方法和装置，其方法包括：通过深度优先搜索的方法，作用于已经完成分割的肝脏增强多期CT数据，将各期的分割结果中的病灶按照连通块进行划分，并记录其期号；对于每个划分出的病灶，统计其在水平面上的厚度分布，以二维数组的形式进行记录；对于每个划分出的病灶，将其与其他期的所有病灶通过厚度分布进行匹配，匹配的方式包括平面匹配与体素匹配两种，将两种匹配方式的最大值作为两个病灶的相似度，以二维数组的形式记录为相似度矩阵；对于相似度矩阵，忽略掉其中小于阈值的项，然后对每个病灶求出与其相似度最大的其他病灶；建立一个无向图，图的点数为划分出的病灶数量，点和病灶一一对应，在每个病灶和其相似度最大的病灶之间建立一条无向边，权重即为两者相似度；通过深度优先搜索的方法，作用于上述无向图，求出图中的所有连通分量，对于点数大于总期数的连通分量，循环去除其中权重最小的边，直至点数不大于总期数为止；对于此时的无向图，每个连通分量中的点即可视为互相匹配的病灶。
-
公开(公告)号：CN116452912A
公开(公告)日：2023-07-18
申请号：CN202310320811.9
申请日：2023-03-28
Applicant: 浙江大学 , 杭州普健医疗科技有限公司
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种训练方法、目标检测方法、介质及电子设备。所述训练方法包括：获取医疗图像数据集和各所述医疗图像的实际包围盒标签；通过所述检测网络的骨干网络对各所述医疗图像进行处理，以获取各所述医疗图像的特征图金字塔；通过所述检测网络的对比头对各所述特征图金字塔中的特征图进行处理以获取各所述医疗图像的对比特征图，并根据各所述实际包围盒标签对各特征图进行处理，以获取各所述医疗图像的正负样本对比标签；根据各所述实际包围盒标签、各所述包围盒预测结果、检测损失函数、各所述正负样本对比标签、各所述对比特征图以及对比损失函数，对所述检测网络进行训练。所述训练方法能够提升病变检测模型的性能。
-
公开(公告)号：CN116309621A
公开(公告)日：2023-06-23
申请号：CN202310269462.2
申请日：2023-03-13
Applicant: 浙江大学
IPC: G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/764
Abstract: 本发明提供了一种基于符号距离的肝肿瘤分割方法及装置，该方法包括获取肝脏核磁共振图像数据，进行手动分割标注，获得训练集；将训练集输入至深度学习模型中，对训练集分别进行图像分割预测和符号距离预测，并根据ground truth计算损失函数对深度学习模型进行训练，得到肝肿瘤分割模型；将待分割的肝脏核磁共振图像数据输入所述肝肿瘤分割模型中，获得肝肿瘤分割的结果。本发明将符号距离应用在基于深度学习的分割模型中，让分割模型进行多任务学习，不仅通过常规的分割任务学习到逐像素的分类，也通过符号距离图回归任务学习到肝肿瘤本身的形状、位置等信息，两种任务互相补充和促进，显著提高了割模型的表现。
-
Patent Agency Ranking
公开(公告)号：CN116452912B
公开(公告)日：2024-04-05
申请号：CN202310320811.9
申请日：2023-03-28
Applicant: 浙江大学 , 杭州普健医疗科技有限公司
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种训练方法、目标检测方法、介质及电子设备。所述训练方法包括：获取医疗图像数据集和各所述医疗图像的实际包围盒标签；通过所述检测网络的骨干网络对各所述医疗图像进行处理，以获取各所述医疗图像的特征图金字塔；通过所述检测网络的对比头对各所述特征图金字塔中的特征图进行处理以获取各所述医疗图像的对比特征图，并根据各所述实际包围盒标签对各特征图进行处理，以获取各所述医疗图像的正负样本对比标签；根据各所述实际包围盒标签、各所述包围盒预测结果、检测损失函数、各所述正负样本对比标签、各所述对比特征图以及对比损失函数，对所述检测网络进行训练。所述训练方法能够提升病变检测模型的性能。
-
公开(公告)号：CN116912301A
公开(公告)日：2023-10-20
申请号：CN202310157970.1
申请日：2023-02-23
Applicant: 浙江大学 , 杭州普健医疗科技有限公司
IPC: G06T7/38 , G06T7/00 , G06T7/11 , G06V10/764
Abstract: 本发明公开了一种肝肿瘤对齐方法、装置、电子设备及介质，包括对病灶CT数据进行肝肿瘤分割，得到病灶CT数据分割后的肝肿瘤标记数据；基于肝肿瘤标记数据，获取肝肿瘤的质心位置以及肝肿瘤的体积；将肝肿瘤的质心位置作为肝肿瘤的空间坐标，基于肝肿瘤的体积以及肝肿瘤的空间坐标得到待配准点云数据；利用迭代最近点算法对待配准点云数据进行不同期之间的肝肿瘤对齐。本发明具有好的抗噪性和鲁棒性，获得的分割肝肝肿瘤图像更加精准，本发明能有效地实现病灶增强三期的肝肿瘤自动配准，方便影像科医生去做动脉期、门脉期和延迟期CT的比较查看，进而实现更加精准的肝肿瘤识别和肝肿瘤类别的辨识。
-
公开(公告)号：CN116563358B
公开(公告)日：2023-09-22
申请号：CN202310827251.6
申请日：2023-07-07
Applicant: 浙江大学 , 杭州普健医疗科技有限公司
IPC: G06T7/38 , G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种肝脏增强多期CT数据AI训练的数据对齐预处理方法。所述方法包括：获取动脉期肝脏CT数据、门脉期肝脏CT数据、静脉期肝脏CT数据和延迟期肝脏CT数据；基于四期肝脏CT数据和所述四期肝脏CT数据的分组数，获取若干组动脉期CT切片数据、若干组门脉期CT切片数据、若干组静脉期CT切片数据和若干组延迟期CT切片数据；基于所述动脉期CT切片数据、所述门脉期CT切片数据、所述静脉期CT切片数据和所述延迟期CT切片数据的组合数据对人工智能医学检测模型进行训练，以获取训练好的人工智能医学检测模型。本申请所述肝脏增强多期CT数据AI训练的数据对齐预处理方法能够提升模型的训练效果，提高模型的精度。
-
公开(公告)号：CN116580034A
公开(公告)日：2023-08-11
申请号：CN202310352330.6
申请日：2023-03-29
Applicant: 浙江大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于动态粗粒度剪枝的轻量级器官分割方法，包括沿数据传输方向依序设置的切片嵌入模块、三个编码器卷积模块、动态剪枝模块、四个解码器卷积模块和分割头模块；向切片嵌入模块输入特征图；切片嵌入模块使特征图下采样到12；下采样到12的特征图，再依序经由三个编码器卷积模块进行处理，使特征图下采样到116；下采样到116的特征图经由动态剪枝模块处理后，再经四个解码器卷积模块进行上采样，使特征图恢复到原尺寸；恢复到原尺寸的特征图经由分割头模块进行处理后，输出掩膜预测结果。
-
公开(公告)号：CN116563358A
公开(公告)日：2023-08-08
申请号：CN202310827251.6
申请日：2023-07-07
Applicant: 浙江大学 , 杭州普健医疗科技有限公司
IPC: G06T7/38 , G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种肝脏增强多期CT数据AI训练的数据对齐预处理方法。所述方法包括：获取动脉期肝脏CT数据、门脉期肝脏CT数据、静脉期肝脏CT数据和延迟期肝脏CT数据；基于四期肝脏CT数据和所述四期肝脏CT数据的分组数，获取若干组动脉期CT切片数据、若干组门脉期CT切片数据、若干组静脉期CT切片数据和若干组延迟期CT切片数据；基于所述动脉期CT切片数据、所述门脉期CT切片数据、所述静脉期CT切片数据和所述延迟期CT切片数据的组合数据对人工智能医学检测模型进行训练，以获取训练好的人工智能医学检测模型。本申请所述肝脏增强多期CT数据AI训练的数据对齐预处理方法能够提升模型的训练效果，提高模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
