-
公开(公告)号:CN117095779A
公开(公告)日:2023-11-21
申请号:CN202311008310.3
申请日:2023-08-10
申请人: 三峡大学
摘要: 本发明公开了一种实时病案完整性质量控制方法,涉及医疗技术领域,其技术方案要点是:质量控制方法包括以下步骤:埋点监控一个或多个所述医疗第三方业务系统,获取一个或多个所述监控记录消息,模板标准化处理所述监控记录消息;搭建所述数据集成平台,基于所述数据集成平台集成一个或多个所述监控记录数据。在本发明中,通过数据集成平台方式对各业务系统的监控记录数据进行采集,数据一致且丰富,避免数据多源异构,解决了电子病案完整性质控系统可扩展性差、业务场景单一的问题;同时通过构建完整性质控算法,能够将对病案完整性进行质控检测,获取完整性质控结果,并得到及呈现质控结果表。
-
公开(公告)号:CN114613143B
公开(公告)日:2023-08-25
申请号:CN202210334839.3
申请日:2021-05-28
申请人: 三峡大学
摘要: 基于YOLOv3模型的道路车辆计数方法,包括如下步骤:划分出车道区域,划分出虚拟检测区域,根据输入视频流将图像按照一定帧数输入YOLOv3网络;在车检器处于解锁状态时,判断是否有车辆中心点经过车检器;在每次检测器处于解锁状态时,对检测区内部的车辆进行一次计数,进行计数操作,对计数的车辆进行累加操作,并锁定检测器,防止程序再次进入判定计数状态;一次计数完成后,回到视频输入阶段,重新进入计数阶段,解锁车检器并进入到下一次判定计数环节。本发明车辆计数算法能够统计道路的最大车流量,即统计道路一个周期内经过道路的最大车辆数目。
-
公开(公告)号:CN114897831A
公开(公告)日:2022-08-12
申请号:CN202210521293.2
申请日:2022-05-13
申请人: 三峡大学
摘要: 目标定位与语义分割相结合的超广角眼底图像视盘提取方法,包括以下步骤:步骤1:建立YOLOv4模型,进行视盘区域的粗定位;步骤2:根据视盘区域的粗定位结果,提取包含视盘区域,除去眼周区域;步骤3:通过活动轮廓模型Snake模型交互式分割视盘区域,构建U2‑Net模型训练所需的具有视盘标签的数据集;步骤4:使用U2‑Net模型进行视盘区域提取。本发明不仅有效提升了视盘提取精度,同时还能得到用于监督式学习分割方法所需的视盘标注数据。整个方法的视盘定位准确率达到99.7%,为后续分割环节提供稳定可靠的输入;分割精度高于广泛使用的PCNN、U‑Net、DeepLabV3以及SegNet模型,具有很好的应用价值。
-
公开(公告)号:CN114494157A
公开(公告)日:2022-05-13
申请号:CN202210013358.2
申请日:2022-01-06
申请人: 三峡大学
IPC分类号: G06T7/00 , G06T7/12 , G06T7/11 , G06T7/136 , G06T7/155 , G06T7/62 , G06T5/40 , G06T5/30 , G06N3/04 , G06N3/08 , A61B8/08 , A61B8/00
摘要: 胎儿心脏四腔心超声切面图像质量自动评测方法,包括步骤:获取胎儿心脏四腔心超声切面图像数据集,进行降噪处理;搭建YOLOv5目标检测模型并进行训练,将测试图像输入训练好的YOLOv5目标检测模型中,得到胸腔区域、四腔心区域位置坐标;提取四腔心区域图像并对四腔心区域图像进行分割,训练U2‑Net图像分割网络模型;对待评测切面图像进行四腔心区域的提取与掩膜操作;将直方图修正与OTSU算法结合起来,对掩膜操作后的四腔心区域图像进行分割;根据预先设定的质量评测规则,对胎儿心脏四腔心超声切面图像进行质量评测。本发明方法解决了现有技术中无法对胎儿心脏四腔心超声切面图像质量给出稳定可靠且准确的评分问题。
-
公开(公告)号:CN110287953B
公开(公告)日:2021-02-26
申请号:CN201910417536.6
申请日:2019-05-20
申请人: 湖北九感科技有限公司 , 三峡大学
摘要: 本发明实施例提供一种水位自动识别方法及装置,所述方法包括:从待识别水尺图像中提取出水尺区域,并对所述水尺区域进行分割,获取所述水尺区域中水尺头部的多个带状区域和水尺测量部分的多个带状区域;根据所述水尺头部的所有带状区域各自的高度构成的向量,获取所述向量对应的水尺编号和所述水尺编号对应的水尺零点高程;获取所述水尺测量部分的所有带状区域的边界中位于水面上方的最后一个边界,并获取所述最后一个边界与所述水面的交叉点,以及所述交叉点的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述待识别水尺图像的水位识别结果。本发明实施例实现水位的自动识别,方法简单高效,且识别准确度高。
-
公开(公告)号:CN106658032B
公开(公告)日:2020-02-21
申请号:CN201710044282.9
申请日:2017-01-19
申请人: 三峡大学
IPC分类号: H04N21/218 , H04N21/2187 , H04N21/658 , H04N13/243
摘要: 本发明公开了一种多摄像头直播方法及系统,其中方法包括如下步骤:S1在直播场景内,固定至少两个深度摄像头位置,通过深度摄像头获取各直播场景的背景深度值并存储;S2通过深度摄像头获取主播的当前位置深度图像,根据深度图像生成最佳深度摄像头序号,将直播画面切换至该摄像头画面;S3通过深度摄像头检测主播位置是否发生变化,当主播位置变化时重复S2。其中系统包括存储模块、摄像头组、处理器;摄像头组包括至少两个深度摄像头;存储模块用于存储各个直播场景的背景深度值;直播场景处理器用于最佳摄像头序号。本发明自动实现了最佳摄像头的切换,在网络主播多种与观众互动过程中自动保持直播过程的流畅性。
-
公开(公告)号:CN110298297A
公开(公告)日:2019-10-01
申请号:CN201910558817.3
申请日:2019-06-26
申请人: 湖北九感科技有限公司 , 三峡大学
摘要: 本发明实施例提供一种火焰识别方法和装置,其中,所述方法包括:对任一帧图像进行颜色检测和形态变化检测,获取所述任一帧图像的候选火焰区域;基于任一所述帧图像的候选火焰区域,对所述任一帧图像进行分割,获取所述任一帧图像的候选火焰块;将任一所述帧图像的任一候选火焰块输入至火焰特征分析模型,获取所述火焰特征分析模型输出的火焰识别标记,将所述火焰识别标记为存在火焰的所述候选火焰块作为优选火焰块;获取任一所述帧图像的任一所述优选火焰块的光流直方图,并获取所述光流直方图的熵;基于所述任一优选火焰块的熵,获取火焰识别结果。本发明实施例提供的方法和装置,提高了火焰识别的准确性和可靠性。
-
公开(公告)号:CN110163840A
公开(公告)日:2019-08-23
申请号:CN201910274998.7
申请日:2019-04-08
申请人: 三峡大学 , 湖北九感科技有限公司
摘要: 本发明实施例提供一种基于环状置信度传播的医学图像分割方法及装置,所述方法包括:在基于环状置信度传播算法对待分割医学图像进行分割的任一次迭代中,根据前一次迭代中待分割医学图像的分割结果,基于EM算法估计高斯混合模型参数,并计算本次迭代的分割结果;根据高斯混合模型的参数,获取本次迭代中分割结果的特征场能量,并获取本次迭代中分割结果的标记场能量,根据本次迭代中分割结果的特征场能量和标记场能量相加,获取本次迭代中分割结果的全局能量;将所有迭代中最小的全局能量对应的分割结果作为待分割医学图像的最终分割结果,本发明实施例使得分割结果达到全局最优,分割更精确。
-
公开(公告)号:CN107341502A
公开(公告)日:2017-11-10
申请号:CN201710399142.3
申请日:2017-05-31
申请人: 三峡大学
CPC分类号: G06K9/6289 , G06K9/4604 , G06K9/4676 , G06N3/049 , G06T7/13 , G06T2207/20084
摘要: 本发明提供一种基于PCNN与线性叠加技术的图像融合方法及装置,包括:S1,使用PCNN获取第一图像和第二图像对应的第一脉冲图像和第二脉冲图像;S2,对所述第一脉冲图像和所述第二脉冲图像分别进行叠加,获取所述第一图像和所述第二图像对应的第一显著性图像和第二显著性图像;S3,根据所述第一显著性图像和所述第二性显著性图像,使用判决算法对所述第一图像和所述第二图像进行融合。本发明通过使用PCNN充分提取图像中的有效信息,然后对于每幅待融合图像,将其脉冲图像中的有效信息进行叠加,并结合简单的判决算法对图像进行融合,本发明方法简单,处理速度快,能产生较好的融合效果。
-
公开(公告)号:CN107330447A
公开(公告)日:2017-11-07
申请号:CN201710414874.5
申请日:2017-06-05
申请人: 三峡大学
IPC分类号: G06K9/62
摘要: 一种反馈式ICM神经网络和FPF相结合的剪影识别系统,利用ICMNN具有的脉冲耦合特性,提取目标图像的完整轮廓;而所采用的反馈机制则对原始图像不断进行增强,从而达到抑制非同类目标同时增强同类目标的目的;随着不断迭代,FPF在经ICM处理过的图像中,不断搜索和目标边缘相似的候选目标,当找到可靠的同类目标时就会在相应位置产生较大的相关峰,而由于反馈机制的加入有效抑制其他非目标区域,从而使得其他区域的相关值降低,从而实现目标的可靠识别。本发明系统对于图中同类别的图像能够较好地识别,对具有一定旋转以及尺度变化的图像也具有较好的稳定性。与其他剪影识别算法相比计算量有所减小,工作量相应的降低,速度得到了增加。
-
-
-
-
-
-
-
-
-