-
公开(公告)号:CN118823463A
公开(公告)日:2024-10-22
申请号:CN202410894083.7
申请日:2024-07-04
申请人: 湖北英库科技有限公司
IPC分类号: G06V10/764 , G06V10/40 , G06V10/774 , G16H30/00 , G16H50/20 , G06N3/0464
摘要: 本发明涉及一种医疗影像数据处理方法、装置、电子设备和存储介质,属于医疗影像处理技术领域,其中,该方法包括:获取包含多种类型的医疗影像数据;采用训练完备的医疗影像特征提取模型提取医疗影像数据特征,并基于医疗影像数据特征确定目标特征;所述医疗影像特征提取模型包括多个动态卷积层模块;将所述目标特征输入至训练完备的大语言模型,输出得到标记关键医学信息的医疗影像数据;采用训练完备的注意力机制模块对标记关键医学信息的医疗影像数据进行权重可视化,得到目标医疗影像数据。本发明解决了现有技术中医疗影像处理的分辨率和精度不足、效率和速度低下的问题。
-
公开(公告)号:CN118411464A
公开(公告)日:2024-07-30
申请号:CN202410423024.1
申请日:2024-04-09
申请人: 湖北英库科技有限公司
IPC分类号: G06T17/00 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要: 本发明提供一种根据足迹生成三维人体模型的方法、装置及电子设备,属于深度学习技术领域,该方法包括:获取足迹图像数据集;对所述足迹图像数据集进行预处理,得到标准化后的足迹图像数据集;将所述标准化后的足迹图像数据集输入至训练好的变分自编码器中,得到足迹图像的目标特征;将所述目标特征输入至训练好的解码器中进行数据重构,得到三维人体模型的点云数据;将所述点云数据进行重建,得到三维人体模型。本发明提供了一种从足迹图像到三维人体模型的有效转换手段,实现基于人体的足迹构建三维人体模型的目的,对于个性化产品设计、生物力学分析和医疗应用等领域具有重要意义。
-
公开(公告)号:CN118115383A
公开(公告)日:2024-05-31
申请号:CN202410314513.3
申请日:2024-03-19
申请人: 湖北英库科技有限公司
摘要: 本发明提供一种二维掩模的转换方法、装置、电子设备及存储介质,属于三维建模技术领域,该方法包括:获取二维掩模,并提取所述二维掩模的轮廓线;将所述轮廓线转换为点云数据;将所述点云数据进行层叠处理,得到完整的三维点云;去除所述三维点云中的噪声并进行特征增强,得到预处理数据;将所述预处理数据转换为网格模型,并将所述网格模型转换成STL格式文件。本发明通过将二维掩模中的轮廓线转换为三维点云后进行小波变换处理,提高了模型转换的准确性,有效地去除了数据噪声,增强了模型的细节表现,该过程不需要专业知识和大量的手工干预,解决传统的二维掩模到三维模型的转换技术存在的效率低下且容易出错的技术问题。
-
公开(公告)号:CN118397235A
公开(公告)日:2024-07-26
申请号:CN202410555682.6
申请日:2024-05-07
申请人: 湖北英库科技有限公司
IPC分类号: G06V10/20 , G06V10/32 , G06V10/44 , G06V10/26 , G06T17/00 , G06V10/30 , G06N3/0464 , G06N3/045 , G06N3/08
摘要: 本发明涉及一种基于深度学习和增强现实的肾脏自动提取方法及装置,属于医学影像处理技术领域,其中,该基于深度学习和增强现实的肾脏自动提取方法包括对肾脏图像进行尺寸和分辨率统一,得到待处理图像,基于深层神经网络对所述待处理图像进行特征提取;基于所述深层神经网络所提取的特征和U型神经网络,对所述待处理图像进行图像分割;对所述待处理图像的图像分割结果进行三维图像重建,并将三维图像重建的结果输出至基于增强现实的交互界面上;其中,所述深层神经网络和所述U型神经网络是基于带有肾脏区域标记的样本图像集训练得到的。本发明提高了肾脏疾病诊断的效率和准确性。
-
公开(公告)号:CN118397172A
公开(公告)日:2024-07-26
申请号:CN202410394294.4
申请日:2024-04-02
申请人: 湖北英库科技有限公司
IPC分类号: G06T17/00 , G06T7/11 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种基于U‑Net的CT影像STL三维重建方法及装置,属于医学影像处理技术领域,该方法包括:将采集的CT影像输入至训练好的图像分割模型中,得到图像分割模型输出的掩膜;基于掩膜,进行STL三维重建;图像分割模型通过以下方式训练得到:基于采集的样本CT影像,构建STL三维模型;将STL三维模型按照预设方向和厚度进行切片,生成样本掩膜;基于样本CT影像和样本掩膜,对改进的U‑Net模型进行训练,得到图像分割模型;改进的U‑Net模型的卷积层为三维卷积层。本发明提供的基于U‑Net的CT影像STL三维重建方法,提高了三维重建的效率和准确性。
-
公开(公告)号:CN118365512A
公开(公告)日:2024-07-19
申请号:CN202410555695.3
申请日:2024-05-07
申请人: 湖北英库科技有限公司
摘要: 本发明提供了一种STL模型缩放方法、装置、电子设备及存储介质,涉及三维建模技术领域,其方法包括:获取待缩放STL模型的三角面片数据;根据三角面片数据进行局部曲率计算得到局部曲率值,根据局部曲率值将待缩放STL模型划分为高细节区域和低细节区域;对高细节区域的三角面片进行细分处理,对低细节区域的三角面片进行简化处理;确定缩放比例,根据缩放比例对待缩放STL模型缩放处理并动态调整三角面片密度,并进行平滑处理和边缘优化。本发明通过将STL模型划分为高细节区域和低细节区域,对高细节区域细化处理以提高模型精度,对低细节区域简化处理以提高计算效率,在保证模型精度的前提下提高缩放处理效率。
-
公开(公告)号:CN113610784A
公开(公告)日:2021-11-05
申请号:CN202110836922.6
申请日:2021-07-23
申请人: 湖北英库科技有限公司
摘要: 本申请涉及一种肝段划分方法、设备及存储介质,其方法包括:获取肝脏的三维模型以及肝脏中门静脉的三维模型;将所述门静脉的三维模型裁剪为主体血管和分支血管两部分;将肝脏、主体血管以及分支血管的三维模型均转换为体素模型,并将各体素模型标记至同一三维空间中;对所述主体血管以及分支血管的体素模型进行膨胀传播操作,得到主体血管以及分支血管的辐射范围;将分支血管的辐射范围提取出来,并重新转换为三维模型,得到分支血管所对应的肝段,实现肝段划分。本申请能够适用不同个体的肝段划分、划分准确性高。
-
公开(公告)号:CN118588247A
公开(公告)日:2024-09-03
申请号:CN202410716693.8
申请日:2024-06-04
申请人: 湖北英库科技有限公司
IPC分类号: G16H30/40 , G06T17/00 , G06F40/151 , G06F18/22 , G06N20/00
摘要: 本发明公开了一种医学影像的三维重建流程确定方法、装置、设备及介质,属于医学影像技术领域,其方法包括:获取医学影像数据样本及对应的API词向量样本;构建初始大语言模型,将医学影像数据样本输入至初始大语言模型,并以API词向量样本为输出,迭代训练直至得到训练完备的目标大语言模型;根据目标大语言模型确定医学影像数据的API词向量,并基于API词向量确定医学影像数据的三维重建流程。通过大语言模型确定医学影像数据与API词向量之间的对应关系,进而实现自动化确定任一医学影像数据的API词向量;由于API词向量与三维重建流程一一对应,从而能自动化获取医学影像数据的三维重建流程,有效提高医学影像的处理效率。
-
公开(公告)号:CN118410041A
公开(公告)日:2024-07-30
申请号:CN202410423021.8
申请日:2024-04-09
申请人: 湖北英库科技有限公司
IPC分类号: G06F16/22 , G06F16/215 , G06F16/23
摘要: 本发明涉及一种基于平衡树数据结构的大数据索引构建方法、装置及介质,属于大数据技术领域,该方法包括:基于节点的数据结构,构建平衡树;数据结构包括:键、值、左子节点、右子节点和节点高度;对平衡树进行插入操作或删除操作;基于插入操作或删除操作后的平衡树,通过平衡因子对目标节点进行旋转操作,使平衡树处于平衡状态;目标节点的平衡因子大于1或小于‑1;处于平衡状态的平衡树用于进行大数据索引。本发明提供的基于平衡树数据结构的大数据索引构建方法,显著降低了平衡树的高度,从而在利用处于平衡状态的平衡树进行大数据索引时,大大提高了数据检索的速度,响应时间快,可以应用在大规模数据集中,提速效果明显。
-
公开(公告)号:CN118247287A
公开(公告)日:2024-06-25
申请号:CN202410266718.9
申请日:2024-03-08
申请人: 湖北英库科技有限公司
IPC分类号: G06T7/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
摘要: 本申请公开了一种肾脏自动分段方法、装置、电子设备及存储介质,属于医学影像技术领域,其方法包括:获取肾脏影像数据;基于训练完备的目标自适应多尺度肾动脉感知网络模型对肾脏影像数据进行数据处理,得到肾脏分段结果;其中,目标自适应多尺度肾动脉感知网络模型包括多尺度特征提取模块、自适应特征融合模块、深度学习子网络模块和评价模块。通过多尺度特征提取模块从多个尺度获取肾脏影像数据的特征;自适应特征融合模块对多尺度特征进行融合,强调关键特征,抑制不重要信息;深度学习子网络模块进行肾脏自动分段;评价模块进行整合优化,以保证目标自适应多尺度肾动脉感知网络模型的可靠度,从而有效保证肾脏分段结果的可靠度。
-
-
-
-
-
-
-
-
-