-
公开(公告)号：CN112017136B
公开(公告)日：2024-09-17
申请号：CN202010783409.0
申请日：2020-08-06
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： G06T5/50 , G06T5/60 , G06T7/00 , G06T7/11 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本申请所提供的一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质，所述方法包括：将获取的肺部CT图像输入至预设的渐进式上采样骨架网络模型，输出特征图像；将所述特征图像输入至3D卷积神经网络模型，所述3D卷积神经网络模型为肺内分支、肺外分支和肺掩码分支组成的卷积神经网络模型；通过所述肺掩码分支对所述特征图像的每个像素进行分类，确定肺内部分与肺外部分并进行分类标记；将所述特征图像的肺内部分、肺外部分分别输入至所述肺内分支、肺外分支进行特征学习，生成肺内图像与肺外图像；将所述肺内分支、肺外分支的生成图像组合构成完整的CT生成图像；本申请利用深度学习技术实现CT图像不同参数的转化。
-
公开(公告)号：CN112183572B
公开(公告)日：2024-09-13
申请号：CN202010804399.4
申请日：2020-08-12
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： G06F18/241 , G16H50/20 , G06F18/214
摘要： 本发明主要公开了一种生成预测肺炎严重程度的预测模型的方法及装置。所述方法包括：获取受检者的临床信息。获取受检者的影像信息。从所述临床信息和影像信息中筛选出N个特征，其中，N为自然数。以所述N个特征中的至少一个为输入，肺炎严重程度为输出构建相应的分类模型。以多个受检者的N个特征为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数最优的分类模型为所述预测模型。采用本发明所提供的方案，生成了模型复杂度低且预测准确度高的预测模型。
-
公开(公告)号：CN111861989B
公开(公告)日：2024-09-13
申请号：CN202010523141.7
申请日：2020-06-10
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： 本申请所提供的一种脑中线检测方法、系统、终端及存储介质，所述方法包括：获取脑中线偏移患者的脑CT图像及对应的标注数据；将所述脑CT图像及对应的标注数据预处理后按预设比例分成训练集及测试集；将所述训练集分别输入至预设的姿态矫正网络、上下文感知特征优化网络、中线回归网络进行训练，得到初始脑中线检测模型；通过所述测试集对所述初始脑中线检测模型进行优化测试，得到脑中线检测模型；本申请可以自动化对不同偏移程度的脑中线进行检测，并可以用于后续的脑中线偏移的测量得到偏移脑中线的坐标，实现检测脑中线高效、准确检测。
-
公开(公告)号：CN111798976B
公开(公告)日：2024-08-13
申请号：CN202010578575.7
申请日：2020-06-23
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： G16H50/20 , G06N3/0464 , G06N20/20 , G06N20/10
摘要： 本发明提供了一种DDH人工智能辅助诊断方法及装置，方法包括：通过实例分割网络，分割出髋部各骨，进行影像质量控制；通过关键点检测网络，结合月龄信息，得到髋关节关键点；基于髋关节关键点，测量髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别；结合月龄信息，训练髋关节发育异常识别网络，检测征象；结合月龄信息、病例病史信息、髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别和征象，训练分类网络，得出DDH辅助诊断结果。不仅可以自动、快速、准确的计算DDH涉及的各项测量指标，而且考虑了患儿病例病史信息，可给出DDH辅助诊断建议，能够提高DDH的临床诊断效率和准确性。
-
公开(公告)号：CN111915555B
公开(公告)日：2024-07-19
申请号：CN202010564007.1
申请日：2020-06-19
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 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本申请所提供的一种3D网络模型预训练方法、系统、终端及存储介质，所述方法包括：将2D自然图像作为连续三个层面图像输入至3D网络模型中，并将2D自然图像标记标签输入至3D网络模型中；构建3D网络模型的主干网络，在z方向中不做池化或跨步卷积处理；将3D网络模型的预测结果进行2D转换，输出2D预测结果；根据所述2D预测结果与标记标签计算不同视觉任务的损失，利用回传损失梯度对所述3D网络模型进行训练，得到3D网络模型预训练模型；将3D网络模型预训练模型参数对目标3D网络模型进行初始化，使用目标数据集中的图像数据和对应的标注结果对目标3D网络模型进行训练；本申请使用2D自然图像进行3D网络模型预训练，提升了3D模型建模收敛速度和收敛精度。
-
公开(公告)号：CN118230941A
公开(公告)日：2024-06-21
申请号：CN202410402001.2
申请日：2024-04-03
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 , 浙江大学
IPC分类号： G16H50/20 , G16H30/40 , G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0499
摘要： 本申请公开了一种对象级别预测方法及装置，该方法可以仅利用目标对象的X光图像检测出目标对象中各个部位的X光图像，并利用X光图像全图图像特征和各个部位的X光图像的部位图像特征，确定所述目标对象对应的对象级别，这样，不仅可以实现在仅使用X光图像的情况下完成自动评估目标对象对应的对象级别，还可以提高所预测的目标对象对应的对象级别的准确性。
-
公开(公告)号：CN111882517B
公开(公告)日：2024-06-21
申请号：CN202010512567.2
申请日：2020-06-08
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 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
摘要： 本申请所提供的一种基于图卷积神经网络的骨龄评测方法、系统、终端及存储介质，所述方法包括：获取手腕骨影像的N个目标骨骺；采用特征提取网络模型，提取手腕骨影像的N个目标骨骺及其附近区域的初始特征X；采用基于图卷积网络的上下文特征融合网络模型，将初始特征X和经过多层图卷积后的上下文特征相加，得到最终的融合特征#imgabs0#将所述融合特征#imgabs1#输入预测分布网络模型，预测得到N个目标骨骺的发育等级分布，并相应计算发育等级期望和方差、发育分数期望、骨成熟度总分；利用预测的发育等级和计算的骨成熟度总分，根据骨龄标准计算得到最终骨龄预测值。本申请通过图卷积网络实现上下文特征融合促进不同局部骨区域间信息交流，并通过骨成熟度总分损失函数避免累计骨龄误差，实现了骨龄评测的精确性和鲁棒性。
-
公开(公告)号：CN111915556B
公开(公告)日：2024-05-14
申请号：CN202010571318.0
申请日：2020-06-22
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
IPC分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本申请所提供的一种基于双分支网络的CT图像病变检测方法、系统、终端及存储介质，所述方法包括：将获取的3D医学图像切分为若干2D层面图像；根据切分的2D层面图像确定双分支网络中2D分支与3D分支的输入；将双分支网络逐级进行2D分支和3D分支特征提取，确定各层级的空间结构特征和上下文特征；将双分支网络各层级的空间结构特征和上下文特征进行特征融合，得到各层级融合特征；基于所述各层级融合特征，使用目标检测方法进行病变检测；本申请通过双分支网络分别对2D空间结构信息与3D上下文信息进行建模及信息提取，并通过跨层面特征融合方法在两个分支的每一个层级之后进行特征融合，使得特征表达同时具有空间和上下文信息，提高了病变检测的性能。
-
公开(公告)号：CN111915620B
公开(公告)日：2024-04-09
申请号：CN202010564895.7
申请日：2020-06-19
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： 本发明提供了一种CT肋骨分割方法及装置，方法包括：S1获取训练数据，根据训练数据生成两类标签；S2根据两类标签训练两任务的全卷积图像语义分割模型，得到肋骨分割模型；S3获取待分割CT数据，其中，待分割CT数据包括CT中所有层面；S4用训练好的肋骨分割模型推理出待分割CT数据中每一层上的二维分割结果以及相邻层关系，基于二维分割使用连通域检测算法得到每层的肋骨轮廓；S5根据相邻层关系合并所有层的肋骨轮廓得到三维分割结果；S6利用后处理算法，得到待分割CT数据的CT肋骨分割结果。相比于传统的由人工启发式设计的算法，本发明基于海量数据和深度机器学习，从而在鲁棒性、可扩展性等方面具有优势。
-
公开(公告)号：CN111415335B
公开(公告)日：2023-12-22
申请号：CN202010164856.8
申请日：2020-03-11
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： 本发明提供一种血管标注方法和装置，所述方法包括以下步骤：导入待标注的CT图像；在CT图像的感兴趣区域选择若干种子点，并利用区域增长法得到所要标注的血管区域；对所要标注的血管区域进行血管编辑，得到血管标注结果；根据血管标注结果生成相应的三维网格模型；将三维网格模型重投影至原CT图像，以得到血管轮廓。本发明能够对CT图像上的血管进行精确、有效的标注。(56)对比文件X. Frank, G. Almeida.Multiphase flowin the vascular system of wood: Frommicroscopic exploration to 3-D LatticeBoltzmann experiments.InternationalJournal of Multiphase Flow.2010,第Volume36卷(第Issue 8期),pp599-607.
-
-
-
-
-
-
-
-
-
搜索结果
360 条记录 (耗时 0.052 秒)
