-
公开(公告)号：CN113763403B
公开(公告)日：2024-03-08
申请号：CN202111042209.0
申请日：2021-09-07
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/12
-
公开(公告)号：CN111415333B
公开(公告)日：2023-12-01
申请号：CN202010147836.X
申请日：2020-03-05
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要： 本申请实施例提供了一种乳腺X射线影像反对称生成分析模型训练方法和装置，解决了现有乳腺X射线影像分析方式的效率低和准确率低的问题。该乳腺X射线影像反对称生成分析模型训练方法包括：基于预训练的特征提取模型分别提取双侧乳腺X射线影像的原双侧乳腺图像特征，其中，所述双侧乳腺X射线影像分别对应左乳和右乳；将所述原双侧乳腺图像特征输入神经网络模型以获取与所述原双侧乳腺图像特征的特征信息相反的反对称分析结果；计算所生成的所述反对称分析结果与原双侧乳腺图像特征之间的损失函数取值；以及基于所述损失函数取值调整(56)对比文件杜燕连等.用差分迭代算法求解实反对称矩阵特征值《.2011 International Conferenceon Future Computer Science andApplication》.2011,全文.
-
公开(公告)号：CN111667486B
公开(公告)日：2023-11-17
申请号：CN202010355337.X
申请日：2020-04-29
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC分类号： G06T7/10
摘要： 本发明提供了一种基于深度学习的多模态融合胰腺分割方法和系统，解决现有技术分割准确性较低的技术问题。方法包括：利用确定模态图像分割网络形成胰腺影像的确定模态三维图像；利用空间变换网络形成所述胰腺影像的变换场数据，通过所述变换场数据将所述确定模态三维图像转换为其他模态参考三维图像；利用所述确定模态图像分割网络形成所述胰腺影像的其他模态相似三维图像；通过融合所述参考三维图像和所述相似三维图像形成其他模态三维图像。实现了利用模态优化的图像分割网络和变换场数据获得其他多个模态的准确分割三维图像的快捷途经，形成的两种相关三维图像进行特征拟合和修正保证了本技术方案快速分割多模态影像结果的准确性。有效提高了多模态胰腺影像的分割效率。
-
公开(公告)号：CN111539917B
公开(公告)日：2023-08-25
申请号：CN202010272913.4
申请日：2020-04-09
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本申请所提供的一种基于粗细粒度融合的血管分割方法、系统、终端及存储介质，所述方法包括：获取医疗影像图，将其进行血管粗细粒度分割得到粗略血管分割结果和精细血管分割结果；根据所述粗略血管分割结果和精细血管分割结果确定潜在血管断裂区域；确定潜在血管断裂区域中的非血管断裂区域，并将所述非血管断裂区域从潜在血管断裂区域中移除得到保留血管断裂区域；将所述保留血管断裂区域与精细血管分割结果融合以修复精细血管分割结果中的血管断裂区域，得到最终血管分割结果；本申请融合粗细粒度分割结果，利用粗略血管分割结果修复精细血管分割中血管断裂区域，同时避免引入粗略血管分割结果中多余噪声，改善血管分割效果，保证血管连通性。
-
公开(公告)号：CN111667457B
公开(公告)日：2023-07-18
申请号：CN202010357050.0
申请日：2020-04-29
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC分类号： G06T7/00 , G06V10/764 , G06N20/00
摘要： 本申请所提供的一种基于医学影像的脊椎椎体信息自动识别方法、系统、终端及存储介质，所述方法包括：获取脊椎部位放射平片并进行预处理；根据专家对脊椎部位放射平片的标注结果确定标准标注数据；将标准标注数据输入至预设的深度学习网络模型中进行训练得到椎体节段识别模型；将标准标注数据输入至预设深度学习网络模型中进行训练得到椎体节段分类推断联合模型；采用交叉验证训练上述椎体节段识别模型与椎体节段分类推断联合模型，得到交叉训练椎体节段分类推断联合模型；将预处理的待标注数据输入至椎体节段识别模型、交叉训练椎体节段分类推断联合模型，预测得到椎体的节段框、节段类型和位置编号；可实现椎体节段节段类型和位置编号预测识别。
-
公开(公告)号：CN110123347B
公开(公告)日：2023-06-16
申请号：CN201910224262.9
申请日：2019-03-22
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
摘要： 本申请公开了一种用于乳腺钼靶的图像处理方法及装置。该方法包括输入待处理图像，其中，所述待处理图像至少包括：双侧钼靶影像；对所述待处理图像采用图像双侧对齐处理，得到的结果输入预设网络学习模型；以及根据所述网络学习模型输出目标图像的检测结果，得到所述乳腺钼靶的目标图像区域。本申请解决了乳腺钼靶的图像处理效果不佳的技术问题。通过本申请可同时优化目标检测和语义分割，并且通过多视角学习达到同时考虑双侧图像的效果。
-
公开(公告)号：CN114565897B
公开(公告)日：2023-04-28
申请号：CN202210059247.5
申请日：2022-01-19
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06V20/54 , G06V20/40 , G06N3/0464 , G06V10/774 , G06V10/82 , A61H3/06
摘要： 本发明提供一种红绿灯路口导盲方法及装置。所述方法包括：实时获取导盲装置前方的视频图像；利用识别模型检测所述图像中是否包括红绿灯，如果包括，输出所述红绿灯的状态以及红绿灯与导盲装置的距离；如果检测到多组红绿灯，基于红绿灯与导盲装置的距离和红绿灯偏离图像视野中心的距离识别出一组目标红绿灯；如果只检测到一组红绿灯，所述红绿灯即为目标红绿灯；通过语音模块实时播放与目标红绿灯相关的提醒信息。本发明不但能够自动检测路口的红绿灯状态，还能从检测到的多组红绿灯中识别出目标红绿灯，可以有效减少环境干扰，提高红绿灯识别精度，为佩戴者提供更加稳定可靠的信息，从而增加佩戴者过红绿灯路口的安全性。
-
公开(公告)号：CN113077427B
公开(公告)日：2023-04-25
申请号：CN202110332831.9
申请日：2021-03-29
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/082
摘要： 本申请公开了一种类别预测模型的生成方法，所述方法首先对基础深度学习网络进行训练，此时不考虑模型的可解释性，仅关注模型的预测性能，然后固定基础深度学习网络的参数，训练用于解释的医学征象分支，此时，医学征象分支是不会影响模型的预测性能的，实现了在不影响模型本身的预测效能的情况下，对模型进行解释；另外，由于本申请利用类别预测模型中各层的医学征象分支得到不同层次的特征图，从而可以在不同层次的特征图的基础上进行医学征象的预测，有效利用了目标类别预测模型不同层次的语义信息，从而使得目标类别预测模型所提取的医学征象效果较好，且类别预测的结果更加准确，即提高所建立的目标类别预测模型的预测效能。
-
公开(公告)号：CN114419697B
公开(公告)日：2022-12-02
申请号：CN202111593795.8
申请日：2021-12-23
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本发明提供一种基于机械震动的视力障碍者提示方法及装置。所述方法包括：基于深度相机实时拍摄的视频图像，利用人脸库进行人脸检测与识别，得到目标人脸在图像中的位置及识别出的人员的二进制编码；基于所述位置和图像深度信息计算目标人脸中心偏离图像中心线的角度；生成幅度与所述角度相关且受所述二进制编码调制的电压驱动信号，将所述信号送至震动器，以机械震动方式播放人脸识别结果。本发明以震动器作为对视力障碍者的提示装置，能够明显提高提示响应速度；本发明通过对人员库中的人员进行二进制编码，并以所述二进制编码对震动器的电压驱动信号进行调制，实现了以机械震动形式帮助视力障碍者辨认不同的人员。
-
公开(公告)号：CN110827283B
公开(公告)日：2022-11-08
申请号：CN201911034075.0
申请日：2019-10-28
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本申请公开了一种基于卷积神经网络的头颈血管分割方法及装置。该方法包括将头颈动脉血管断层扫描影像数据输入预设卷积神经网络进行处理，以得到不同尺度的第一特征图谱；将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱；将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果。通过本申请，达到了对复杂血管结构进行快速准确分割的目的，从而实现了拓宽图像分割模型的应用范围的技术效果，进而解决了相关技术中的图像分割模型由于对复杂形状的血管分割效率不高导致图像分割模型的应用受到限制的技术问题。
-
-
-
-
-
-
-
-
-
搜索结果
360 条记录 (耗时 0.073 秒)
