-
公开(公告)号：CN110706223A
公开(公告)日：2020-01-17
申请号：CN201910941048.5
申请日：2019-09-30
Applicant: 辽宁万象联合医疗科技有限公司 , 吉林大学
Abstract: 本发明公开了一种人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法，该人工智能的深度学习方法，采用两个并行的分支处理输入数据，一个分支的各个层均按照输入数据的原有语义结构进行处理；另一个分支的各个层都将语义混合后的输出数据传递给下一层，作为其输入数据，当两个分支处理结束后，将两个分支的处理结果融合在一起，得到最后的结果，该深度学习方法同时采用两种方法进行学习数据的学习，使得学习内容更综合，达到深度学习的目的；质量控制方法中，通过采用上述深度学习方法进行学习的模型进行医学放射影像胸部摄片的质量控制，具有效率高、标准统一等优点。
-
公开(公告)号：CN110706223B
公开(公告)日：2022-05-20
申请号：CN201910941048.5
申请日：2019-09-30
Applicant: 辽宁万象联合医疗科技有限公司 , 吉林大学
Abstract: 本发明公开了一种人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法，该人工智能的深度学习方法，采用两个并行的分支处理输入数据，一个分支的各个层均按照输入数据的原有语义结构进行处理；另一个分支的各个层都将语义混合后的输出数据传递给下一层，作为其输入数据，当两个分支处理结束后，将两个分支的处理结果融合在一起，得到最后的结果，该深度学习方法同时采用两种方法进行学习数据的学习，使得学习内容更综合，达到深度学习的目的；质量控制方法中，通过采用上述深度学习方法进行学习的模型进行医学放射影像胸部摄片的质量控制，具有效率高、标准统一等优点。
-
公开(公告)号：CN116884581A
公开(公告)日：2023-10-13
申请号：CN202310923286.X
申请日：2023-07-26
Applicant: 辽宁万象联合医疗科技有限公司
Abstract: 本发明提供一种基于人工智能MR头部影像诊断结果质量控制方法，方法包括：S1、获取MR影像诊断结果的DICOM数据；S2、根据所述数据进行预处理；S3、根据处理后的数据进行标记；S4、利用预设规则对标记后的数据进行转换；S5、利用预设方法对转换后的数据进行质量检测；S6、影像诊断结果质量输出。
-
公开(公告)号：CN116912222A
公开(公告)日：2023-10-20
申请号：CN202310912436.7
申请日：2023-07-25
Applicant: 辽宁万象联合医疗科技有限公司
Abstract: 本发明提供一种用于头部CT影像质量的自动检测方法，方法包括：步骤01、获取CT影像DICOM数据；步骤02、根据所述DICOM数据进行预处理；步骤03、训练质量控制模型，构建头部分割模型、脑组织分割模型、眼眶分割模型、伪影检测模型；步骤04、获取头部分割结果、脑组织分割结果、眼眶分割结果，及伪影检测结果，通过质量控制指标量化程序，实现对影像质量的自动化判定；步骤05、影像质控结果输出。
-
公开(公告)号：CN110276749A
公开(公告)日：2019-09-24
申请号：CN201910514469.X
申请日：2019-06-14
Applicant: 辽宁万象联合医疗科技有限公司
Abstract: 本发明公开了一种儿童放射射片及诊断的质量控制人工智能系统及其质控方法，其中，所述质控系统是基于深度学习技术、自然语言处理技术、软件工程等技术构建检查预备期质控模型、放射影像质控模型、诊断报告质控模型，将上述三个模型整合为质量控制人工智能系统，实现儿童放射射片及诊断的质量控制，进而有效解决人工质控存在的工作效率低、质控标准不统一等问题。
-
Patent Agency Ranking
公开(公告)号：CN110276749B
公开(公告)日：2022-04-01
申请号：CN201910514469.X
申请日：2019-06-14
Applicant: 辽宁万象联合医疗科技有限公司
Abstract: 本发明公开了一种儿童放射射片及诊断的质量控制人工智能系统及其质控方法，其中，所述质控系统是基于深度学习技术、自然语言处理技术、软件工程等技术构建检查预备期质控模型、放射影像质控模型、诊断报告质控模型，将上述三个模型整合为质量控制人工智能系统，实现儿童放射射片及诊断的质量控制，进而有效解决人工质控存在的工作效率低、质控标准不统一等问题。
-
公开(公告)号：CN110264449B
公开(公告)日：2022-05-20
申请号：CN201910514486.3
申请日：2019-06-14
Applicant: 辽宁万象联合医疗科技有限公司
Abstract: 本发明公开了一种人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法，该质控方法，在以往连续卷积池化运算的基础上，增设了将最后一次卷积池化运算的结果与上一级的卷积池化运算结果进行拼接卷积后，再与上一级的卷积池化运算结果进行二次的拼接卷积，直至将第一次卷积池化运算的结果进行拼接卷积，最终完成数据的处理，通过上述学习方法的优化，其不仅具备以往连续卷积池化的优点，而且通过逐级的拼接卷积，可将之前连续卷积池化过程中的遗漏数据进行再次处理，最后达到深度学习的目的。
-
公开(公告)号：CN110264449A
公开(公告)日：2019-09-20
申请号：CN201910514486.3
申请日：2019-06-14
Applicant: 辽宁万象联合医疗科技有限公司
Abstract: 本发明公开了一种人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法，该质控方法，在以往连续卷积池化运算的基础上，增设了将最后一次卷积池化运算的结果与上一级的卷积池化运算结果进行拼接卷积后，再与上一级的卷积池化运算结果进行二次的拼接卷积，直至将第一次卷积池化运算的结果进行拼接卷积，最终完成数据的处理，通过上述学习方法的优化，其不仅具备以往连续卷积池化的优点，而且通过逐级的拼接卷积，可将之前连续卷积池化过程中的遗漏数据进行再次处理，最后达到深度学习的目的。
-
公开(公告)号：CN103577876A
公开(公告)日：2014-02-12
申请号：CN201310547349.2
申请日：2013-11-07
Applicant: 吉林大学
IPC: G06N3/02
Abstract: 本发明公开了一种基于前馈神经网络的可信与不可信用户识别方法，旨在克服现有技术存在精准度不够、识别依据不足、灵活性缺失与社会网络解析粒度较粗等问题，该方法的步骤为：1.获取特殊用户并确定训练集包含的用户；2.分析并量化用户特征，将用户表示为用户特征向量；3.构建前馈神经网络；4.训练前馈神经网络；5.由训练后的前馈神经网络实现可信与不可信用户识别，其步骤为：1）获取社会网络中用户信息；2）量化用户信息并生成用户特征向量；3）将用户特征向量输入到前馈神经网络中，依据输出节点的输出值识别可信与不可信用户。
-
公开(公告)号：CN103995820B
公开(公告)日：2019-04-16
申请号：CN201410081840.5
申请日：2014-03-06
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种基于最低阈值的用户个人品性多标记预测方法，旨在克服现有技术存在的整体精准度不高、适用性不强、特征权重及用户个人品性标记阈值分配过于主观化和对用户个人品性之间相关性的忽视等问题，该方法的步骤为：1.由特征解析与表示模块实现用户个人品性相关特征集合的解析和表示；2.由特征分析和预处理模块实现多元数据类型的归一化；3.由参数学习模块实现特征权重的分配以及用户个人品性标记最低阈值的确定；4.由用户个人品性预测模块实现基于最低阈值的用户个人品性多标记的预测。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.033 seconds)
