-
公开(公告)号：CN116862836A
公开(公告)日：2023-10-10
申请号：CN202310617582.7
申请日：2023-05-30
申请人： 北京透彻未来科技有限公司
IPC分类号： G06T7/00 , G06T7/64 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/764 , G06V20/70 , G06V10/26 , G06N3/045 , G06N3/096 , G16H70/60
摘要： 本发明提供了一种泛器官淋巴结转移癌检测系统与计算机设备，包括模型构建模块、图像注释与归集模块、第一样本数据集、模型训练模块、获取模块，分析模块和显示模块；模型构建模块用于建立泛器官淋巴结转移癌检测的初始学习模型；图像注释与归集模块，对所述第一样本数据集中的样本图像包含的恶性区域和淋巴结区域进行注释，通过模型训练模块对初始学习模型进行训练和优化得到深度学习模型；获取模块获取患者的第一病理切片；分析模块调取深度学习模型对患者的第一病理切片进行分析，得到患者的癌细胞数量及其位置信息；显示模块对输出患者的癌细胞数量及其位置信息。本发明在满足检测准确性的前提下提高检测效率，并节约了人力成本。
-
公开(公告)号：CN116705289A
公开(公告)日：2023-09-05
申请号：CN202310579215.2
申请日：2023-05-23
申请人： 北京透彻未来科技有限公司
IPC分类号： G16H50/20 , G06N3/0464 , G06N3/08 , G06V10/26 , G06F16/25
摘要： 本发明提供了基于语义分割网络的宫颈病理诊断装置，包括：宫颈病理标准数据库模块，建立数字化宫颈病变组织病理诊断标准数据库；创建病理细胞图像自动化标注工具；获取上采样审查数字化宫颈组织切片；阶段训练大数据积累模块，通过双单元卷积神经网络进行数据训练，将数据积累到设定大数据规模，获取宫颈组织切片规模化大数据；自动学习神经网络搜索模块，通过自动化机器学习，进行多类型神经网络搜索，自动构建具有预测准确率优势的神经网络结构，获取自构优势深度神经网络结构模型；宫颈筛查标准自动诊断模块，利用统计建模方法，建立宫颈病变组织切片筛查量化标准，对宫颈扫描数字切片中的可疑病变进行智能自动检测诊断。
-
公开(公告)号：CN116386902A
公开(公告)日：2023-07-04
申请号：CN202310457117.1
申请日：2023-04-24
申请人： 北京透彻未来科技有限公司
IPC分类号： G16H70/60 , G16H30/20 , G16H30/40 , G06V40/10 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
摘要： 本发明提供了一种基于深度学习的大肠癌人工智能辅助病理诊断系统，系统包括：数据获取及标注模块、数据清洗及预处理模块、诊断模型训练模块和结果输出模块；本发明基于卷积神经网络的深度学习人工智能技术可将大面积的病理数字图片分解成细小的分区，自动提取图像特征，将抽象的图像信息转化为具象的数字信息并进行分析和识别，有效解决医师间重复性差的问题，使传统病理诊断更加适应精准化医学的发展；进行迁移学习，并不断优化初始化权重、迭代次数、图像块大小及卷积核大小等模型参数，提高诊断敏感性及特异性，构建肠癌智能诊断平台，极大优化病理诊断流程、提高诊断效率；有助于提高边远地区病理诊断水平，改善区域间医疗资源不均现状。
-
公开(公告)号：CN116152185A
公开(公告)日：2023-05-23
申请号：CN202310044237.9
申请日：2023-01-30
申请人： 北京透彻未来科技有限公司
发明人： 王书浩
IPC分类号： G06T7/00 , G06V10/82 , G06V10/764 , G06V10/26
摘要： 本发明提供一种基于深度学习的胃癌病理诊断系统，包括：数据采集处理模块，用于获取患者胃部的全扫描病理图像，进行标注处理后，生成病理图像数据集；模型训练测试模块，用于基于语义分割模型(DeepLab v3)对病理图像数据集进行训练测试，获得训练测试后的诊断模型；识别诊断模块，用于基于诊断模型对患者胃部的全扫描病理图像进行识别诊断，获得诊断结果。本发明通过海量数据标注，对深度学习模型进行训练，获得胃癌病理分析模型；通过深度学习模型完成整张病理影像的分析，解决胃癌全扫描病理图像分析处理问题，给出胃癌预测概率的热力图，更好地辅助医生诊断，为病理医生的诊断提供参考。
-
公开(公告)号：CN118097093B
公开(公告)日：2024-08-20
申请号：CN202410117965.2
申请日：2024-01-29
申请人： 北京透彻未来科技有限公司
摘要： 本发明提供了一种基于病理大模型在数字病理切片数据集上的以图搜图系统，包括：图像预处理及模型构建模块用于将数字病理切片图像进行预处理，并基于预处理结果训练病理大模型；特征降维及搜图模块用于基于训练后的病理大模型对待处理病理切片图像进行图像特征提取，并将提取到的图像特征降维后进行特征捕捉，且基于特征捕捉结果对数字病理切片数据集进行相似度搜索，得到相似病理切片图像；可视化展示及模型优化模块用于对相似病理切片图像进行策略显示，并基于显示结果同步接收用户终端的反馈数据，且基于反馈数据对病理大模型进行迭代优化。确保了病理大模型对待处理病理切片图像的处理准确率和效率，降低病理诊断的人力成本。
-
公开(公告)号：CN116580011B
公开(公告)日：2024-06-18
申请号：CN202310564519.1
申请日：2023-05-19
申请人： 北京透彻未来科技有限公司
IPC分类号： G06T7/00 , G06V10/764 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种深度学习模型的子宫内膜癌全幻灯片图像检测系统，包括：幻灯片数字化图像分类模块，获取数字化幻灯片图像训练集、数字化幻灯片图像验证集及数字化幻灯片图像测试集；网格搜索病理斑块提取模块，从数字图像小块的有效组织面积中并排非重叠提取数字病理斑块；深度学习模型优化训练模块，对数字病理斑块使用atrous空间金字塔池化，使模型聚焦于肿瘤细胞；通过自适应矩估计优化器对深度学习模型进行优化，进行数字化幻灯片图像训练集数据训练，获取全卷积神经网络深度学习模型；模型评估全幻灯片图像检测模块，评估全卷积神经网络深度学习模型性能，进行子宫内膜癌全幻灯片图像检测。
-
公开(公告)号：CN117372416B
公开(公告)日：2024-06-14
申请号：CN202311499700.5
申请日：2023-11-13
申请人： 北京透彻未来科技有限公司
IPC分类号： G06T7/00 , G06V10/764 , G06V10/44
摘要： 本发明公开了一种对抗训练的高鲁棒性数字病理切片诊断系统及方法，其系统包括：提取模块，构建特征提取模型并利用特征提取模型的特征提取节点从输入的第一数字病理图像中提取特征向量；第一诊断模块，基于特征提取模型中的分类节点根据特征向量对输入的第一数字病理图像进行分类诊断并计算分类损失；预测模块，基于特征提取模型中的领域判别节点根据特征向量进行领域预测并计算领域判别损失；调整模块，用于根据分类损失和领域判别损失对特征提取节点和分类节点的参数进行同步调整或单一调整，获取收敛后的特征提取模型；第二诊断模块，利用收敛后的特征提取模型对后续第二数字病理图像进行诊断。为数字病理切片诊断带来更高的准确性和鲁棒性。
-
公开(公告)号：CN118173244A
公开(公告)日：2024-06-11
申请号：CN202410199449.9
申请日：2024-02-23
申请人： 北京透彻未来科技有限公司
IPC分类号： G16H50/20 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/0895
摘要： 本发明公开了一种病理感知器大模型构建方法，包括：设置预设层多头注意力机制组成的残差模块；设置图像分割规则；设置卷积层，通过卷积层对基于图像分割规则处理后的图像进行二维卷积操作，得到N个图像块；设置线性嵌入机制，将每个图像块的像素值展平成一维向量，通过一个线性层将一维向量映射到一个高维空间，得到图像块的嵌入表示；为每个图像块添加位置编码，得到图像块序列；将图像块序列输入到编码器中进行数据处理，输出预测图像的自监督的信号；设置上游自监督预训练，得到病理感知器大模型。利用自监督学习方法，减少对大量人工标注数据的依赖，提高模型的泛化能力和可维护性。
-
公开(公告)号：CN118038130A
公开(公告)日：2024-05-14
申请号：CN202410044757.4
申请日：2024-01-11
申请人： 北京透彻未来科技有限公司
IPC分类号： G06V10/764 , G06V10/774 , G16H70/60
摘要： 本发明提供了一种基于稀疏路由的混合专家病理大模型系统与方法，包括：模型构建模块，用于基于病理知识体系将不同历史病理切片图像拆分为N个元素，并基于对每个元素的识别子任务构建一组专家模型；门控网络训练模块，用于将预设门控网络与专家模型进行关联，并基于关联结果根据病理切片识别要求对预设门控网络和专家模型进行协同有向训练，得到预设门控网络的工作机制；模型部署模块，用于基于工作机制对预设门控网络进行第一部署，得到混合专家病理大模型，并将混合专家病理大模型在预设平台进行第二部署。有效地减少了模型的参数数量，降低了模型的复杂度，提高了模型的训练效率和推理速度，保障了对病理切片图像处理的效率和准确率。
-
公开(公告)号：CN118015436A
公开(公告)日：2024-05-10
申请号：CN202410085506.0
申请日：2024-01-22
申请人： 北京透彻未来科技有限公司
发明人： 王书浩
IPC分类号： G06V10/98 , G06V10/764 , G06V10/20
摘要： 本发明公开了基于计算机视觉的病理影像缺陷智能识别系统，该智能识别系统包括：数字病理切片图像预处理模块，用于对数字病理切片图像进行预处理，获得预处理后图像；缺陷识别模型构建模块，用于按照不同的缺陷类型构建不同与缺陷类型相对应的缺陷识别模型；缺陷识别模块，用于针对预处理后图像采用多个缺陷识别模型进行缺陷识别，获得识别结果。通过构建不同的缺陷自动识别模型，对数字病理切片图像进行缺陷识别，自动检测和识别影像中的缺陷，如伪影、伪染色或扫描失真等。通过及时发现和纠正这些问题，可以确保数字病理影像的准确性和可靠性，为后续的诊断和治疗决策提供可靠的基础。
-
-
-
-
-
-
-
-
-
搜索结果
128 条记录 (耗时 0.028 秒)
