-
公开(公告)号：CN111798976A
公开(公告)日：2020-10-20
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
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：CN110827283A
公开(公告)日：2020-02-21
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。
-
公开(公告)号：CN111834004A
公开(公告)日：2020-10-27
申请号：CN202010447732.0
申请日：2020-05-25
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： 本发明提供了一种基于中心化空间学习的未知疾病类别识别方法及装置，方法包括：通过已知类别样本训练初始模型，对已知类别空间进行初始化，将已知类别样本映射到隐空间的超球面上；训练生成对抗网络；生成未知锚点；基于未知锚点和对抗网络，生成未知锚点对应的未知图像；将未知图像作为未知类别样本结合已知类别样本，调整已知类别空间，得到训练好的模型；获取新样本，基于训练好的模型，提取新样本的特征，计算新样本的特征到每个已知类别原型点的距离，如果小于预设阈值，则确定新样本属于已知类别原型点对应的类别，如果大于等于预设阈值，则确定新样本属于未知类别。
-
公开(公告)号：CN115115577A
公开(公告)日：2022-09-27
申请号：CN202210544766.0
申请日：2022-05-19
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： G06T7/00 , G06T7/11 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于混合感知的多阶段器官分割方法及装置。所述方法包括：对大小为S0的输入CT图像进行下采样，得到大小为S1的图像I1；将I1输入第一阶段分割网络得到第一分割结果，将第一分割结果上采样到原始大小S0得到Ro，在Ro中确定包含所有器官的最小框；从Ro中剪裁所述最小框，并将最小框内的图像下采样到大小S2后输入到第二阶段分割网络得到第二分割结果；将第二分割结果上采样到所述最小框的大小后，将其粘贴到所述最小框的位置。本发明通过采用两阶段图像分割，利用第一阶段的粗略分割，可除去大部分冗余信息，减小整体计算量提高运行速度；利用基于混合感知的第二阶段的精细分割，可提高图像分割的完整性和精度。
-
-
-
搜索结果
4 条记录 (耗时 0.053 秒)
