-
公开(公告)号：CN118864439A
公开(公告)日：2024-10-29
申请号：CN202411116224.9
申请日：2024-08-14
申请人： 上海市第一人民医院 , 脉得智能科技(无锡)有限公司
IPC分类号： G06T7/00 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明的实施例提供了一种颈动脉管腔狭窄率评估方法及电子设备，涉及医学图像处理技术领域。通过将待评估狭窄率的颈动脉斑块超声造影图像处理成预设尺寸的初始特征图，将初始特征图输入狭窄率评估模型的特征缩小提取网络，得到缩小特征图集合，将最终缩小特征图输入狭窄率评估模型的颈动脉特征提取分支网络，得到颈动脉指示特征图，将最终缩小特征图输入狭窄率评估模型的斑块特征提取分支网络，得到斑块指示特征图，根据颈动脉指示特征图以及斑块指示特征图，计算出颈动脉斑块处管腔的狭窄率。从而可以对颈动脉斑块处血管腔狭窄程度实现自动评估，更好的辅助医生在超声造影检查中判断斑块风险。
-
公开(公告)号：CN117036480B
公开(公告)日：2024-06-04
申请号：CN202311044890.1
申请日：2023-08-17
申请人： 脉得智能科技(无锡)有限公司 , 上海市第一人民医院
摘要： 本申请提供一种颈动脉斑块定位方法、检测方法、装置及电子设备，应用于图像处理技术领域，其中，方法包括：获取待定位图像对应的第一特征图以及关键帧图像对应的第二特征图；其中，待定位图像以及关键帧图像为超声造影视频的单帧图像，关键帧图像为待定位图像前面的一帧图像；计算第一特征图与第二特征图之间的相似度，得到相似度得分；根据相似度得分判断是否将待定位图像更新为新的关键帧图像；根据判断结果对待定位图像中的颈动脉斑块进行定位，得到定位结果。可以对超声造影图像中的颈动脉斑块进行定位，其中，与现有技术中利用静态的图像进行颈动脉斑块的定位相比，本申请实施例采用动态的超声造影图像进行颈动脉斑块定位的准确度较高。
-
公开(公告)号：CN117036480A
公开(公告)日：2023-11-10
申请号：CN202311044890.1
申请日：2023-08-17
申请人： 脉得智能科技(无锡)有限公司 , 上海市第一人民医院
摘要： 本申请提供一种颈动脉斑块定位方法、检测方法、装置及电子设备，应用于图像处理技术领域，其中，方法包括：获取待定位图像对应的第一特征图以及关键帧图像对应的第二特征图；其中，待定位图像以及关键帧图像为超声造影视频的单帧图像，关键帧图像为待定位图像前面的一帧图像；计算第一特征图与第二特征图之间的相似度，得到相似度得分；根据相似度得分判断是否将待定位图像更新为新的关键帧图像；根据判断结果对待定位图像中的颈动脉斑块进行定位，得到定位结果。可以对超声造影图像中的颈动脉斑块进行定位，其中，与现有技术中利用静态的图像进行颈动脉斑块的定位相比，本申请实施例采用动态的超声造影图像进行颈动脉斑块定位的准确度较高。
-
公开(公告)号：CN118628648A
公开(公告)日：2024-09-10
申请号：CN202410697322.X
申请日：2024-05-31
申请人： 脉得智能科技(无锡)有限公司
摘要： 本发明的实施例提供了一种三维重建方法、装置、电子设备及存储介质，涉及图像处理技术领域。通过获取目标腺体的所有超声图像，并计算出各超声图像在世界坐标系中的第一坐标信息，将各超声图像输入腺体分割网络得到腺体轮廓掩码图，将各超声图像输入结节检测网络得到结节轮廓掩码图，并将各结节轮廓掩码图映射到各腺体轮廓掩码图，得到各超声图像分别对应的腺体掩码图，选取任一张腺体掩码图作为第一腺体掩码图，将其余腺体掩码图作为第二腺体掩码图，并根据第一坐标信息计算出各第二腺体掩码图相对于第一腺体掩码图的相对像素距离，将各腺体掩码图的像素坐标数据放入三维矩阵中，得到腺体三维矩阵。从而能够快速的构建出腺体的三维模型。
-
公开(公告)号：CN118093527B
公开(公告)日：2024-08-16
申请号：CN202410495193.6
申请日：2024-04-24
申请人： 脉得智能科技(无锡)有限公司
IPC分类号： G06F16/16 , G06F40/284 , G06F16/35 , G06N3/0455 , G06N3/084
摘要： 本申请提供一种报告质检方法、装置及电子设备，该方法包括：对待处理报告进行文本提取，获得报告文本；对报告文本进行分词，获得分词后的文本；使用预训练语言模型对分词后的文本进行质检，获得质检类别及该质检类别的起始位置和结束位置。在上述方案的实现过程中，通过对待处理报告中提取的报文文本进行分词，获得分词后的文本，并使用预训练语言模型对分词后的文本进行质检，有效地改善了工作人员在质检过程中存在的人为因素影响质检效率的情况，从而提高了报告的质检效率。
-
公开(公告)号：CN118470606A
公开(公告)日：2024-08-09
申请号：CN202410715681.3
申请日：2024-06-04
申请人： 复旦大学附属中山医院 , 脉得智能科技(无锡)有限公司
IPC分类号： G06V20/40 , G06V20/64 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0985 , G06N3/048
摘要： 本申请提供一种超声视频处理方法、装置及电子设备，该方法包括：使用神经网络模型中的关键帧提取模块从待处理超声视频中提取出关键帧；使用神经网络模型中的特征提取模块从关键帧中提取出关键特征；使用神经网络模型中的特征聚合模块对关键特征进行聚合，获得聚合特征；使用神经网络模型中的分类器模块对聚合特征进行分类，获得待处理超声视频的类别。通过使用关键帧提取模块和特征提取模块能够有效地提高视频分类的推理速度，且使用特征聚合模块和分类器模块能够有效地提高视频分类的准确率，从而使用包含这些模块的神经网络模型能够兼顾超声视频处理的推理速度和准确率。
-
公开(公告)号：CN116705252B
公开(公告)日：2024-05-31
申请号：CN202310718899.X
申请日：2023-06-16
申请人： 脉得智能科技(无锡)有限公司
IPC分类号： G16H30/40 , G16H50/50 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明提供一种前列腺显著癌诊断模型的构建方法，应用于图像处理技术领域，包括如下步骤：基于2D卷积神经网络对ImageNet数据集进行预训练得到网络参数；将网络参数迁移到3D卷积神经网络中；使用样本数据集对诊断模型迁移训练。一种前列腺显著癌诊断模型的图像分类方法，通过上述前列腺显著癌诊断模型实现，包括如下步骤：获取患者的超声扫查视频并进行预处理；将待测超声扫查视频输入至诊断模型中得到预测概率；将预测概率与设定的阈值概率进行对比并输出诊断结果。通过3D卷积神经网络模型在卷积层中加入时间维度，可以同时考虑不同切面和不同位置的超声信号，提高诊断准确度和稳定性。
-
公开(公告)号：CN117672447A
公开(公告)日：2024-03-08
申请号：CN202311660369.0
申请日：2023-12-06
申请人： 脉得智能科技(无锡)有限公司
IPC分类号： G16H15/00 , G06F18/25 , G06F18/214 , G06N3/045
摘要： 本发明提供的一种基于视频的超声报告智能生成系统，涉及人工智能及超声图像分析领域，包括：数据收集模块、数据预处理模块、模型训练模块和模型测试模块；解决了现有技术中针对超声报告人工撰写效率低的问题；本发明基于视频进行建立模型训练测试而非图像，相比现有的基于图像的生成方案具有可利用信息丰富、训练端到端、整体误差小等优势；同时本发明不针对特定的部位的超声诊断场景，可以被用于各种领域的超声诊断。
-
公开(公告)号：CN117198506A
公开(公告)日：2023-12-08
申请号：CN202311144487.6
申请日：2023-09-06
申请人： 脉得智能科技(无锡)有限公司
IPC分类号： G16H50/20 , G16H70/60 , G06T7/00 , G06V10/774 , G06N20/00
摘要： 本发明公开了一种基于元学习的甲状腺结节良恶性判别模型训练方法，涉及人工智能及超声图像分析技术领域，将元学习引入到甲状腺结节诊断的人工智能模型训练过程中，可以使模型更好地处理跨领域泛化问题，因为它能够从多个相关领域的经验中提取共性，从而在未知领域中表现地更好，因此当模型被推广到不同的地区、不同的医院、不同的机器设备上使用时，模型效果会更加稳定，对于提高甲状腺结节的诊断准确性和相应的人工智能辅助设备的大规模普及有着重大的意义。
-
公开(公告)号：CN118864945A
公开(公告)日：2024-10-29
申请号：CN202410878021.7
申请日：2024-07-02
申请人： 脉得智能科技(无锡)有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06V10/40 , G06V10/44 , G06V10/77 , G06V10/80 , G06N3/0464 , G06N3/084
摘要： 本发明的实施例提供了一种数据分类模型训练方法、数据分类方法、电子设备及存储介质，涉及超声图像处理技术领域。通过获取淋巴结超声图像数据集，将各有标注图像输入数据分类模型，得到预测结果，并计算出各预测结果与良恶性标签的监督损失，将各无标注图像进行扰动变换，得到无标注扰动图像，将各无标注扰动图像输入数据分类模型，得到预测分布，并计算出无监督损失，根据监督损失以及无监督损失，计算得到整体损失，根据整体损失对数据分类模型的参数进行更新，得到更新后的数据分类模型，利用更新后的数据分类模型对待检测淋巴结超声图像进行分类，通过未标注的淋巴结超声图像信息，提高了数据分类模型的分类准确性。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.051 秒)
