-
公开(公告)号：CN109670518B
公开(公告)日：2022-09-23
申请号：CN201811591440.3
申请日：2018-12-25
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种测量图片中目标物的边界的方法，包括以下步骤：S1、将原始灰度图输入训练好的FasterRCNN网络中，获得含有目标物的目标图片和目标图片的坐标[x,y,w,h]，其中：x为所述目标图片的中心点的横坐标，y为所述目标图片的中心点的纵坐标，w为所述目标图片的宽度，h为所述目标图片的高度；根据所述坐标[x,y,w,h]将目标图片从原始灰度图中切割出来，这种测量图片中目标物的边界的方法首先通过FasterRCNN网络将包含目标物的区域切割出来，然后对图片进行增强和二值化处理，得到二值化图片，最后利用360°辐射的射线来检测目标物的边界，可以自动忽略和过滤所有边界外的干扰物，得到清晰、准确的目标物图片。
-
公开(公告)号：CN109712175A
公开(公告)日：2019-05-03
申请号：CN201811558768.5
申请日：2018-12-19
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种CT图片的配准方法，包括以下步骤：从第一CT图片集中选取一个切片层的1张CT图片和前后2张CT图片，从第二CT图片集中选取同一切片层的1张CT图片和前后2张CT图片，以上10张CT图片作为一个训练样本；按照上述方式从不同的切片层获取若干个训练样本组成训练集；训练神经网络；这种CT图片的配准方法利用双通道的卷积神经网络对不同时期的CT图片进行配准，匹配效率和准确性较高。
-
公开(公告)号：CN109215039B
公开(公告)日：2022-02-01
申请号：CN201811330427.2
申请日：2018-11-09
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于神经网络的眼底图片的处理方法，包括以下步骤：S1、通过相机的拍摄获取若干个眼底图片；S2、检测所述眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；S3、在所述初始样本图片上圈出视盘区域和视杯区域并以不同颜色分别填充视盘区域和视杯区域，得到训练样本图片；S4、构造神经网络；S5、通过若干个所述训练样本图片对神经网络进行训练，确定神经网络的参数；这种眼底图片的处理方法能够辅助医护人员对眼底图片的杯盘比进行高效准确的判断，提高了诊断青光眼的效率和准确率。
-
公开(公告)号：CN109657719A
公开(公告)日：2019-04-19
申请号：CN201811557964.0
申请日：2018-12-19
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于卷积神经网络的图像识别方法，包括以下步骤：S100、标注：为断面图的每个分区赋唯一值Labelj，为断面图中的异物区赋唯一值Labelm，S200，获取训练集：选取同一目标物的M个标注后的断面图依序排列并层叠得到目标物的立体图集，将立体图集作为一个训练样本，收集若干个训练样本组成训练集；S300、构建卷积神经网络；S400、将所述训练集输入所述卷积神经网络中进行训练，得到卷积神经网络分类模型。这种基于卷积神经网络的图像识别方法将标注后的多张断面图按序层叠后作为训练样本对卷积神经网络进行训练，得到能够根据CT图得到异物所处位置的卷积神经网络分类模型，这种卷积神经网络分类模型能够辅助医生高效准确的判断出异物所在位置。
-
公开(公告)号：CN109215039A
公开(公告)日：2019-01-15
申请号：CN201811330427.2
申请日：2018-11-09
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于神经网络的眼底图片的处理方法，包括以下步骤：S1、通过相机的拍摄获取若干个眼底图片；S2、检测所述眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；S3、在所述初始样本图片上圈出视盘区域和视杯区域并以不同颜色分别填充视盘区域和视杯区域，得到训练样本图片；S4、构造神经网络；S5、通过若干个所述训练样本图片对神经网络进行训练，确定神经网络的参数；这种眼底图片的处理方法能够辅助医护人员对眼底图片的杯盘比进行高效准确的判断，提高了诊断青光眼的效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN109657719B
公开(公告)日：2022-09-30
申请号：CN201811557964.0
申请日：2018-12-19
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于卷积神经网络的图像识别方法，包括以下步骤：S100、标注：为断面图的每个分区赋唯一值Labelj，为断面图中的异物区赋唯一值Labelm，S200，获取训练集：选取同一目标物的M个标注后的断面图依序排列并层叠得到目标物的立体图集，将立体图集作为一个训练样本，收集若干个训练样本组成训练集；S300、构建卷积神经网络；S400、将所述训练集输入所述卷积神经网络中进行训练，得到卷积神经网络分类模型。这种基于卷积神经网络的图像识别方法将标注后的多张断面图按序层叠后作为训练样本对卷积神经网络进行训练，得到能够根据CT图得到异物所处位置的卷积神经网络分类模型，这种卷积神经网络分类模型能够辅助医生高效准确的判断出异物所在位置。
-
公开(公告)号：CN111091564A
公开(公告)日：2020-05-01
申请号：CN201911352399.9
申请日：2019-12-25
Applicant: 金华市中心医院 , 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于3DUnet的肺结节大小检测系统，包括肺叶分割模块和病灶检测模块；所述肺叶分割模块被配置为读取肺部CT图像、去除肺部CT图像中的无关区域和输出肺部分割图像；所述病灶检测模块被配置为读取所述肺部分割图像、定位病灶、输出特征图和输出定位结果。这种基于3DUnet的肺结节大小检测系统能够准确通过特征图和定位结果给出肺结节概率、肺结节中心点和肺结节大小信息。
-
公开(公告)号：CN109670518A
公开(公告)日：2019-04-23
申请号：CN201811591440.3
申请日：2018-12-25
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种测量图片中目标物的边界的方法，包括以下步骤：S1、将原始灰度图输入训练好的FasterRCNN网络中，获得含有目标物的目标图片和目标图片的坐标[x,y,w,h]，其中：x为所述目标图片的中心点的横坐标，y为所述目标图片的中心点的纵坐标，w为所述目标图片的宽度，h为所述目标图片的高度；根据所述坐标[x,y,w,h]将目标图片从原始灰度图中切割出来，这种测量图片中目标物的边界的方法首先通过FasterRCNN网络将包含目标物的区域切割出来，然后对图片进行增强和二值化处理，得到二值化图片，最后利用360°辐射的射线来检测目标物的边界，可以自动忽略和过滤所有边界外的干扰物，得到清晰、准确的目标物图片。
-
公开(公告)号：CN109657245A
公开(公告)日：2019-04-19
申请号：CN201811551712.7
申请日：2018-12-18
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种电子病历的语意识别方法，包括以下步骤：S1、收集若干份电子病历建立专业语料库和专业领域词典，所述专业领域词典包括若干个专业单词、停用词和专业单词在所述专业语料库中的词频，所述专业单词包括危急单词和普通单词；建立转送表单，所述转送表单的条件为至少一个危急单词，结果为目标科室；S2、提取电子病历中的检查内容；S3、根据所述专业领域词典对所述检查内容进行分词；这种电子病历的语意识别方法能够准确的识别出电子病历中跟相关病症紧密相连的危急单词，然后根据转送表单快速的找到对应的目标科室，大大提高了找到目标科室的准确性和效率。
-
公开(公告)号：CN109614974B
公开(公告)日：2022-09-27
申请号：CN201811578928.2
申请日：2018-12-24
Applicant: 浙江大学常州工业技术研究院
IPC: G06V30/148 , G06V30/19
Abstract: 本发明提供了一种数字水表的数据识别方法，包括以下步骤：对摄像机拍摄的原始灰度图进行预处理得到中间灰度图作为第一训练样本，收集n张中间灰度图组成第一训练集；构建分割神经网络，将第一训练样本输入分割神经网络进行训练，根据Loss反向传播，更新分割神经网络的权值，得到训练好的分割神经网络；这种数字水表的数据识别方法先将多位数区域从原始灰度图中检测并且切割出来，然后对多位数区域的数字一个个去识别再重组得到多位数，替代人工上门抄表方便快捷，而且识别准确。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.031 seconds)
