-
公开(公告)号：CN118485695A
公开(公告)日：2024-08-13
申请号：CN202410400139.9
申请日：2024-04-03
Applicant: 清华大学深圳国际研究生院
IPC: G06T7/33 , G06T7/00 , G06N3/0455 , G06N3/0464
Abstract: 本申请实施例提供了一种医学图像配准方法和装置、电子设备、存储介质，涉及人工智能技术领域。该方法包括：获取目标浮动医学图像和目标参考医学图像；将目标浮动医学图像和目标参考医学图像输入医学图像配准模型得到目标形变场，从而得到目标配准医学图像；其中，医学图像配准模型包括编码模块、三阶变换卷积子模块、卷积注意力子模块、和融合卷积子模块、和解码模块，且基于第一损失函数与第二损失函数训练，第一损失函数是根据样本参考医学图像、和样本配准医学图像之间的距离构建得到的，第二损失函数是根据样本形变场和预设的恒等形变场之间的距离构建得到的。本申请通过同时对模型结构和损失函数进行优化，提高了医学图像配准的准确性。
-
公开(公告)号：CN118072895A
公开(公告)日：2024-05-24
申请号：CN202311486734.0
申请日：2023-11-08
Applicant: 清华大学深圳国际研究生院 , 首都医科大学附属北京同仁医院
IPC: G16H10/60 , G16H30/20 , G16H50/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06F18/25 , G06F18/2431 , G06N3/042 , G06N3/0455 , G06N3/084
Abstract: 本申请实施例提供了一种病历管理方法、系统、电子设备及存储介质，属于人工智能技术领域。该方法包括：对获取的目标病历数据进行图构建，得到目标病历图数据；将目标病历图数据输入目标病历分类模型，目标病历分类模型包括目标图嵌入子模型、目标图编码子模型和目标病历分类子模型；基于目标图嵌入子模型对目标病历图数据进行图嵌入，得到目标节点类型向量表；基于目标图编码子模型对目标节点类型向量表和目标病历图数据进行图编码处理，得到目标病历特征矩阵；基于目标病历分类子模型对目标病历特征矩阵进行病历分类得到目标病历分类数据，并基于目标病历分类数据对目标病历数据进行病历管理。本申请实施例能够优化对病历信息的管理。
-
公开(公告)号：CN117893745A
公开(公告)日：2024-04-16
申请号：CN202311310160.1
申请日：2023-10-10
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/26 , G06V40/18 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/74 , G06V10/764 , G06T7/73 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本申请提供了一种视网膜病灶分割方法和装置、电子设备及存储介质，属于医学图像处理技术领域，通过获取视网膜图像，对视网膜图像进行多阶段编码，得到第一阶段编码特征和第二阶段编码特征，对第一阶段编码特征和第二阶段编码特征进行特征融合，得到目标视网膜编码特征，对目标视网膜编码特征进行注意力处理，得到目标视网膜注意力特征，对第二阶段编码特征进行多阶段解码，得到目标阶段解码特征，对目标视网膜注意力特征和目标阶段解码特征从通道维度进行特征拼接，得到目标视网膜解码特征，根据目标视网膜解码特征对视网膜图像进行病灶分割，得到视网膜病灶类别和视网膜病灶位置，提高了视网膜病灶分割的准确性。
-
公开(公告)号：CN117671422A
公开(公告)日：2024-03-08
申请号：CN202311653193.6
申请日：2023-11-30
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26 , G06T7/00
Abstract: 本发明公开了一种基于眼科视觉模型和指令集微调的眼科大模型构建方法，方法包括构建并训练眼科视觉模型集，眼科视觉模型集包括眼科疾病分类模型和眼科病灶分割模型；根据预先获取的视觉文本编码模块和训练好的眼科视觉模型集，构建眼科视觉特征提取融合模块；构建大语言模型，并将眼科视觉特征提取融合模块与大语言模型串接，以得到眼科大模型；获取眼科指令集，并基于眼科指令集对眼科大模型进行微调训练，以得到最终训练好的眼科大模型。通过利用本发明实施例的方法，可以实现对眼底图像的智能辅助诊断并基于眼底图像进行智能问诊和医患对话，显著提升了医患对话的自然度和灵活度，在临床应用中有较高的使用价值。
-
公开(公告)号：CN115453736A
公开(公告)日：2022-12-09
申请号：CN202210919723.6
申请日：2022-08-02
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了一种自动对焦系统、显微成像系统及自动对焦方法，包括：第一光源，用于发射第一光信号；第一分色镜，与第一光源耦合连接，用于透射第一光信号；物镜，与第一分色镜耦合连接，用于将第一光信号会聚在待测样本上；其中，待测样本用于根据第一光信号生成反射光信号；物镜还用于将反射光信号传输给第一分色镜；第一成像模块，与第一分色镜耦合连接，用于接收反射光信号，并根据反射光信号生成第一图像信号；控制模块，与第一成像模块连接，用于根据第一成像模块生成目标距离；调节模块，分别与控制模块、物镜连接，用于根据目标距离调节物镜与待测样本的原始距离。本发明的自动对焦系统能够提高成像速度，并且保证较好的成像质量。
-
Patent Agency Ranking
公开(公告)号：CN103731002B
公开(公告)日：2017-04-19
申请号：CN201410027740.4
申请日：2014-01-21
Applicant: 清华大学
IPC: H02K33/18
Abstract: 本发明公开了一种音圈电机。所述音圈电机包括：定子，所述定子包括多个磁铁组件，每个所述磁铁组件包括两个磁轭和设在两个所述磁轭之间的永磁体，其中相邻两个所述磁铁组件共用一个所述磁轭，相邻两个所述磁铁组件的处于对等位置的永磁体的磁极方向相反；和多个动子，多个所述动子一一对应地设在多个所述磁铁组件内。根据本发明实施例的音圈电机具有成本低、结构紧凑、易于排布、易于安装拆卸等优点。
-
公开(公告)号：CN104779768A
公开(公告)日：2015-07-15
申请号：CN201510151978.2
申请日：2015-04-01
Applicant: 清华大学
IPC: H02K41/02
Abstract: 本发明公开了一种圆筒型直线电机，所述圆筒型直线电机包括：定子，所述定子具有沿所述定子的轴向贯通所述定子的内孔；动子，所述动子沿所述定子的轴向可移动地设在所述内孔中；四个霍尔传感器，四个所述霍尔传感器沿所述定子的轴向间隔开地设在所述定子内且两两成一组，在所述定子的轴向上两组所述霍尔传感器中心点之间的距离为所述动子磁场极距的奇数倍且每组中的两个所述霍尔传感器中心点之间的距离为所述动子磁场极距的一半。根据本发明实施例的圆筒型直线电机能够对动子位置进行检测，具有检测精度高、成本低、结构简单、实施容易等优点。
-
公开(公告)号：CN104689490A
公开(公告)日：2015-06-10
申请号：CN201510116664.9
申请日：2015-03-17
Applicant: 清华大学
IPC: A61N5/10
Abstract: 本发明公开了一种多叶光栅的校零复位控制系统及控制方法，其中，系统包括：叶片框和叶片；直线电机，直线电机具有至少一个霍尔传感器检测叶片的位置；连杆；撞块；用于驱动直线电机通过连杆驱动叶片运动的驱动器；用于控制驱动器与检测驱动器的采样电流，并根据采样电流判断撞块是否与叶片框发生碰撞的控制器，以及在发生碰撞时，根据叶片的当前位置进行复位。本发明实施例提出的系统不但结构简单、校零复位精度高，而且自动化程度高、成本低，提高了用户的使用体验。
-
公开(公告)号：CN114972844B
公开(公告)日：2024-11-01
申请号：CN202210451295.9
申请日：2022-04-27
Applicant: 清华大学深圳国际研究生院 , 首都医科大学附属北京同仁医院
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , A61B3/135 , G06N3/048
Abstract: 本发明公开了一种白内障分类方法、病灶点可视化方法及相关装置，应用于图像处理领域，包括获取待测眼底图像；将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量；根据所述输出特征向量，得到所述待测眼底图像的类型信息。获取待测眼底图像，将待测眼底图像输入至已训练好的白内障分类网络，得到特征向量，并根据输出特征向量，对待测眼底图像进行分类，得到待测眼底图像的类型信息，该白内障分类方法能够获取待测眼底图像对应的白内障分类结果，减少了人工判断的过程，使得患者的治疗更加即时，提升了用户的使用体验。
-
公开(公告)号：CN117541788A
公开(公告)日：2024-02-09
申请号：CN202311385573.6
申请日：2023-10-23
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06F18/24 , G06F18/214 , G06N3/092
Abstract: 本申请实施例提供了一种基于强化学习的分类模型训练方法、系统、设备及介质。方法包括：获取第一样本数据集，第一样本数据集包括多个第一样本数据；将第一样本数据分别输入到训练好的样本筛选模型中，确定并筛除多个第一样本数据中的冗余数据，得到筛选后的第一样本数据；基于筛选后的第一样本数据训练分类模型；其中，样本筛选模型基于第一损失训练得到，第一损失基于第一预测分类结果和掩码标签确定得到，掩码标签来自第二样本数据集，第二样本数据集包括多个第二样本数据和第二样本数据对应的掩码标签，第一预测分类结果是将样本筛选模型筛选后的第二样本数据输入到分类模型后得到的。本申请能够提高对数据进行裁剪的效率和准确程度。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
