-
公开(公告)号：CN113842134B
公开(公告)日：2024-04-12
申请号：CN202111321860.1
申请日：2021-11-09
Applicant: 清华大学
IPC: A61B5/055 , A61B5/00 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于双路人工神经网络的双序列加速核磁成像优化方法，使用核磁成像设备收集T1FLIR和T2FSE两个序列的核磁数据人脑部核磁数据，构建数据集；构建双路的级联网络结构，每一路分支共包含了4级子网络，每一级子网络的输入为上一级两个子网络的输出，每个子网络包含一个核心的U型网络，并且添加了一致性约束。网络训练时联合优化网络参数和K空间采样的方式，实现双序列图像的采样方式优化和双序列图像的同时重构。本发明方法对网络参数和K空间采样方式进行联合优化，通过不同序列图像采样信息的互补，实现了更高质量的图像重构，相比以往的加速核磁共振成像方法，较大程度的提高了加速核磁共振成像的图像重建质量和加速倍数。
-
Patent Agency Ranking
公开(公告)号：CN116630851A
公开(公告)日：2023-08-22
申请号：CN202310561856.5
申请日：2023-05-18
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0895 , G16H20/30
Abstract: 一种人机协同方法、人机协同装置和存储介质。该方法包括获得训练集和测试集；使用预处理模型提取训练集和测试集的视频帧特征，并将视频帧特征存储为张量数组；基于张量数组，获得动作定位模型，并通过动作定位模型得到训练集和测试集的视频中人的动作的伪标签；将动作的伪标签输入到第一识别和预测模型，将张量数组输入到第二识别和预测模型，以得到视频中的人的动作的识别结果和预测结果；利用动作识别结果和预测结果结合融合策略算法判断视频中人的动作意图，以辅助智能健康系统做出人机交互支持。该方法可以实现对人的动作意图做出预测，为关节炎等慢性病患者提供预警指导，为康复运动提供辅助支持，促进智慧医疗的发展。
-
公开(公告)号：CN116077093A
公开(公告)日：2023-05-09
申请号：CN202310075629.1
申请日：2023-01-16
Applicant: 清华大学
IPC: A61B8/08 , A61B8/00 , G06T7/00 , G06V10/764
Abstract: 本发明涉及一种基于超声心动图的早期心梗检测装置及方法，所述早期心梗检测装置中部署有智能检测模型，所述智能检测模型包括数据获取模块、深度轮廓定位网络模块以及分类处理模块；所述数据获取模块，用于获取超声心动图的超声视频数据；所述深度轮廓定位网络模块，用于以所述超声视频数据为输入，定位所述超声视频数据中每一帧图像的心室内膜；所述分类处理模块，用于根据定位的所述每一帧图像中的心室内膜提取运动特征，并基于提取的所述运动特征对当前所述超声心动图的检测结果是否属于早期心梗进行分类。所述装置中可以部署用以检测早期心梗的智能检测模型，该智能检测模型可以提高鲁棒性和检测速度。
-
公开(公告)号：CN113842134A
公开(公告)日：2021-12-28
申请号：CN202111321860.1
申请日：2021-11-09
Applicant: 清华大学
Abstract: 本发明提出了一种基于双路人工神经网络的双序列加速核磁成像优化方法，使用核磁成像设备收集T1FLIR和T2FSE两个序列的核磁数据人脑部核磁数据，构建数据集；构建双路的级联网络结构，每一路分支共包含了4级子网络，每一级子网络的输入为上一级两个子网络的输出，每个子网络包含一个核心的U型网络，并且添加了一致性约束。网络训练时联合优化网络参数和K空间采样的方式，实现双序列图像的采样方式优化和双序列图像的同时重构。本发明方法对网络参数和K空间采样方式进行联合优化，通过不同序列图像采样信息的互补，实现了更高质量的图像重构，相比以往的加速核磁共振成像方法，较大程度的提高了加速核磁共振成像的图像重建质量和加速倍数。
-
公开(公告)号：CN118569299A
公开(公告)日：2024-08-30
申请号：CN202410725538.2
申请日：2024-06-05
Applicant: 清华大学
Abstract: 本申请提供了一种智能体网络的构建方法、装置、计算机设备和存储介质。该方法包括：响应于用户账户输入任务描述信息，根据任务描述信息初始化智能体网络；在若干个训练示例中，选取一个训练示例作为目标训练示例；将目标训练示例中的网络输入数据输入至智能体网络中进行训练，并计算智能体网络输出的网络输出结果与目标训练示例中的期望输出结果之间的差距；分析智能体网络形成差距的错误原因，并获取与错误原因相关联的智能体网络更新策略，以对智能体网络进行更新；在智能体网络更新完成后，对智能体网络进行循环迭代，直至满足预设的迭代终止条件，获得最终的智能体网络。采用本方法有利于快速构建能够完成复杂任务的智能体网络。
-
公开(公告)号：CN116843639A
公开(公告)日：2023-10-03
申请号：CN202310769252.X
申请日：2023-06-27
Applicant: 清华大学
Abstract: 本发明提供了一种针对超声图像的交互式肿瘤分割方法、装置、电子设备及存储介质，涉及医学图像处理领域。该方法包括：获取原始超声图像；获取第一用户点击信息，将第一用户点击信息、原始超声图像输入预先训练的肿瘤分割模型，得到第一分割结果；在第一分割结果满足预设精度的情况下，输出第一分割结果。基于本发明提出的分割方法，用户可以基于原始超声图像和对原始超声图像中分割目标的位置点击指示，方便快捷地从原始超声图像中，获得目标肿瘤分割结果。本发明实施例提出的针对超声图像的交互式肿瘤分割方法，利用深度学习算法实现高效的交互式肿瘤分割，利用了目标驱动的图像增强算法，克服了超声图像质量低所造成的分割精度较差的问题。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
