-
公开(公告)号：CN108765413B
公开(公告)日：2023-05-30
申请号：CN201810586988.2
申请日：2018-06-08
Applicant: 众安信息技术服务有限公司 , 复旦大学附属华山医院北院
IPC: G06T7/00 , G06V10/764
-
公开(公告)号：CN109003679B
公开(公告)日：2021-06-08
申请号：CN201810687069.4
申请日：2018-06-28
Applicant: 众安信息技术服务有限公司 , 复旦大学附属华山医院北院
Abstract: 本发明公开了一种脑血管出血与缺血预测方法及装置，属于人工智能技术领域，方法包括步骤：S1、利用相关医疗病史数据构建第一训练数据集；S2、构建多个医疗数据预测模型，并使用所述第一训练数据集训练所述多个医疗数据预测模型；S3、利用脑部动脉医疗影像数据构建第二训练数据集；S4、构建多个医疗图像预测模型，并使用所述第二训练数据集训练所述多个医疗图像预测模型；S5、对训练好的所述多个医疗数据预测模型和训练好的所述多个医疗图像预测模型进行融合，以对目标患者的脑血管出血与缺血进行预测。本发明实施例可以实现对于患者是否会发生脑血管出血与缺血现象进行快速、准确地预测。
-
公开(公告)号：CN109829892A
公开(公告)日：2019-05-31
申请号：CN201910005101.0
申请日：2019-01-03
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开了一种预测模型的训练方法、使用该模型的预测方法及装置，涉及医学影像分析技术领域，预测模型的训练方法包括：获取样本患者在斑块相关过程中的第一阶段时的医学影像、第二阶段时的医学影像以及样本患者的个人结构化数据，其中，第二阶段发生在第一阶段之后；使用预先训练的图像分割模型，从第一阶段时的医学影像中分割出第一目标特征，并从第二阶段时的医学影像中分割出第二目标特征；基于第一目标特征、第二目标特征以及第一阶段与第二阶段的时间差，计算与斑块相关过程有关的变化因子；将个人结构化数据和第一目标特征作为输入，变化因子作为输出，训练得到预测模型。本发明实施例能够实现快速准确、智能地预测斑块进展或斑块消退。
-
公开(公告)号：CN109686423A
公开(公告)日：2019-04-26
申请号：CN201811313059.0
申请日：2018-11-06
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开了一种医疗影像标注方法及系统，属于医疗图像处理领域，方法包括：对用户上传的医疗影像进行解析及图像预处理，得到已处理医疗影像；根据预设的作业分配策略，将已处理医疗影像的标注作业分发给指定用户；向指定用户提供已处理医疗影像对应的标注流程，标注流程用于指定用户对已处理医疗影像进行标注；获取指定用户对已处理医疗影像的标注结果，并存储。本发明实施例可以对医疗影像尤其针对多模态多序列MR图像进行优化标注，实现了灵活地、快速地完成对医疗影像进行专业性标注。
-
公开(公告)号：CN108899075A
公开(公告)日：2018-11-27
申请号：CN201810686092.1
申请日：2018-06-28
Applicant: 众安信息技术服务有限公司
CPC classification number: G16H30/40 , G06N3/0454 , G06T3/40 , G06T5/002 , G06T5/30 , G06T2207/20221 , G06T2207/30101
Abstract: 本发明公开了一种基于深度学习的DSA图像检测方法、装置及设备，属于深度学习及数字图像处理技术领域。所述方法包括：对输入的DSA图像进行标注，获得标记好的训练样本；对所述训练样本进行预处理，获得训练数据集；利用所述训练数据集通过卷积神经网络进行训练，得到DSA图像检测网络模型；通过所述DSA图像检测网络模型对输入的待检测DSA图像进行检测，获得检测结果。本发明能够快速、准确地获得DSA图像检测结果，以便满足日趋增强和数量激增的医疗服务需求，解决了现有DSA图像进行观察、检测的低效率、费时费力和检测效果不甚满意等技术问题，在涉及医疗影像检测识别的诸多医疗领域具有广泛而良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN109300136B
公开(公告)日：2021-08-31
申请号：CN201810991434.0
申请日：2018-08-28
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开了一种基于卷积神经网络的危及器官自动分割方法，属于图像处理技术领域。所述方法包括：S1：获取患者CT图像数据以及相应的标注数据；S2：对所述CT图形数据以及相应的标注数据进行预处理；S3：建立3D卷积神经网络模型，输入数据块，获取模型输出的预测结果图像；S4：优化处理所述3D卷积神经网络模型输出的预测结果图像。本发明仅基于CT图像数据，原始数据获取难度较小，应用范围较广，且可实现CT影像中危及器官的自动分割，分割过程无需人工干涉，有效提高分割效率以及分割结果精度，增加后处理操作，对分割结果进行进一步优化。
-
公开(公告)号：CN109146899A
公开(公告)日：2019-01-04
申请号：CN201810989142.3
申请日：2018-08-28
Applicant: 众安信息技术服务有限公司
IPC: G06T7/12
CPC classification number: G06T7/12 , G06T2207/10081 , G06T2207/20081
Abstract: 本发明公开了一种CT图像的危及器官分割方法及装置，属于数字图像处理技术领域，方法包括步骤：S1、构建图像集，其中，图像集包括预处理后的多个CT图像；S2、对多个CT图像分别进行危及器官标注，以建立训练集；S3、构建危及器官分割网络，并对危及器官分割网络进行预训练；S4、在训练集上融合图像空间坐标信息对预训练后的危及器官分割网络进行训练，生成危及器官分割模型；S5、基于危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤危及器官分割结果，得到最终的危及器官分割结果。本发明实施例能够实现对患者在精准放疗时的危及器官进行实体分割，避免放疗照射时对危及器官造成损伤。
-
公开(公告)号：CN108765413A
公开(公告)日：2018-11-06
申请号：CN201810586988.2
申请日：2018-06-08
Applicant: 众安信息技术服务有限公司
CPC classification number: G06T7/0012 , G06K9/627 , G06T2207/10121 , G06T2207/20081 , G06T2207/20084 , G06T2207/20221 , G06T2207/30101
Abstract: 本发明的实施例公开了用于图像分类的方法、装置及计算机可读介质。该方法包括：将影像文件按照时间序列分解成多个图像帧；利用所述影像文件的元信息，基于所述多个图像帧来合成图片；使用分类模型对所合成的图片进行分类以生成分类结果。本发明能够针对各种不同拍摄位置的不同种类的图像进行准确的分类识别，并自动将其各种位置的相同种类图像进行配准。
-
公开(公告)号：CN109979591B
公开(公告)日：2021-01-01
申请号：CN201910184156.2
申请日：2019-03-12
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开了一种基于图神经网络分析斑块进展因子的方法及装置，属于神经网络技术领域，方法包括步骤：S1：构建图网络，图网络中的各结点表示影响斑块进展的各因子，各结点之间的边表示各因子之间的关系；S2：基于斑块进展的第一阶段、第二阶段时各自的因子数据，获取用于表示图网络的属性的读出函数，其中，第二阶段发生在第一阶段之后；S3：基于读出函数，对由第一阶段时的因子数据所构建的图网络进行消息传播，构建具有N层图网络的图神经网络模型，N为正整数；S4：基于图神经网络模型对各因子进行分析。本发明实施例通过构建图神经网络模型，并利用图神经网络对影响斑块进展的各因子进行分析，从而对脑血管疾病的病因分析起到一定的辅助作用。
-
公开(公告)号：CN109712176A
公开(公告)日：2019-05-03
申请号：CN201811469803.6
申请日：2018-11-28
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开了一种多序列图像的标注方法及系统。所述方法包括：将待配准序列图像和参考序列图像进行配准，得到配准后序列图像以及图像之间的映射关系；对所述待配准序列图像和所述参考序列图像以及所述配准后序列图像中的任意一幅或多幅图像进行标注，所述标注按照所述映射关系进行变换，显示到其余未标注的图像上。本发明结合多序列图像配准技术使得用户在标注多序列图像中的任意一幅或多幅图像时，标注能在其余未标注的图像同步显示出来，避免了采用人工标注多序列图像过程中需要校准的问题，提高了标注多序列图像的标注位置准确度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.059 seconds)
