-
公开(公告)号：CN111915556A
公开(公告)日：2020-11-10
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
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：CN110969623A
公开(公告)日：2020-04-07
申请号：CN202010128396.3
申请日：2020-02-28
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
IPC分类号： G06T7/00
摘要： 本申请提供一种肺部CT多征象自动检测方法、系统、终端及存储介质，包括：采集肺部CT图像；确定肺部CT图像的典型层，并利用稀疏标注的方式对典型层的每个异常征象进行标注；将标注的典型层图像数据输入至预设深度学习网络模型进行训练，得到训练好的2D框检测模型；将肺部CT图像中待检测层图像数据输入训练好的2D框检测模型，预测存在异常征象的2D检测框；根据2D检测框的类别分别设定2D检测框对应阈值，将分数超过对应阈值2D检测框输出，得到2D候选框；按照2D候选框连续层上的位置连续性合并成3D候选框；根据所述3D候选框的类别设定3D候选框对应阈值，将分数超过第二阈值3D候选框输出，得到模型检测结果；实现肺部CT中多种征象同时检测和分析。
-
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：CN111340756B
公开(公告)日：2023-11-28
申请号：CN202010089794.9
申请日：2020-02-13
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 , G06V10/74 , G06V10/82 , G06N3/0464
摘要： 本申请提供一种医学图像病变检出合并方法、系统、终端及存储介质，包括：将3D医学图像扫描切分为2D层面图像，将其输入2D卷积神经网络进行2D病变检测，并获取2D层面图像疑似病变区域的位置信息、特征向量及置信度；根据所述位置信息、特征向量计算相邻2D层面图像任意两疑似病变区域的特征相似度及空间相邻度；根据所述特征相似度及空间相邻度计算相邻2D层面图像任意两疑似病变区域属于同一病变区域的概率分数；根据所述概率分数构建图结构；利用图的求解算法进行图结构求解，得到图结构的各连通子图；基于特征跟踪与层间位置关系对2D检出进行3D合并，实现3D医学图像病变检出合并的高效性和准确性。
-
公开(公告)号：CN110969623B
公开(公告)日：2020-06-26
申请号：CN202010128396.3
申请日：2020-02-28
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
IPC分类号： G06T7/00
摘要： 本申请提供一种肺部CT多征象自动检测方法、系统、终端及存储介质，包括：采集肺部CT图像；确定肺部CT图像的典型层，并利用稀疏标注的方式对典型层的每个异常征象进行标注；将标注的典型层图像数据输入至预设深度学习网络模型进行训练，得到训练好的2D框检测模型；将肺部CT图像中待检测层图像数据输入训练好的2D框检测模型，预测存在异常征象的2D检测框；根据2D检测框的类别分别设定2D检测框对应阈值，将分数超过对应阈值2D检测框输出，得到2D候选框；按照2D候选框连续层上的位置连续性合并成3D候选框；根据所述3D候选框的类别设定3D候选框对应阈值，将分数超过第二阈值3D候选框输出，得到模型检测结果；实现肺部CT中多种征象同时检测和分析。
-
公开(公告)号：CN110197206A
公开(公告)日：2019-09-03
申请号：CN201910390901.9
申请日：2019-05-10
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： 本申请公开了一种图像处理的方法及装置。该申请的方法包括获取原始图像基于不同视角的多个视角图像；基于深度卷积神经网络模型对每个视角图像进行特征的提取，得到每个视角图像对应的视角图像特征；将多个视角图像特征进行融合，得到原始图像对应的图像特征；基于所述图像特征提取所述原始图像中的目标区域并对目标区域进行分类。本申请解决如何提高CT图像分类处理的效率以及准确率的问题。
-
公开(公告)号：CN111340756A
公开(公告)日：2020-06-26
申请号：CN202010089794.9
申请日：2020-02-13
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： 本申请提供一种医学图像病变检出合并方法、系统、终端及存储介质，包括：将3D医学图像扫描切分为2D层面图像，将其输入2D卷积神经网络进行2D病变检测，并获取2D层面图像疑似病变区域的位置信息、特征向量及置信度；根据所述位置信息、特征向量计算相邻2D层面图像任意两疑似病变区域的特征相似度及空间相邻度；根据所述特征相似度及空间相邻度计算相邻2D层面图像任意两疑似病变区域属于同一病变区域的概率分数；根据所述概率分数构建图结构；利用图的求解算法进行图结构求解，得到图结构的各连通子图；基于特征跟踪与层间位置关系对2D检出进行3D合并，实现3D医学图像病变检出合并的高效性和准确性。
-
公开(公告)号：CN110969245A
公开(公告)日：2020-04-07
申请号：CN202010128122.4
申请日：2020-02-28
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： 本申请实施例提供了一种医学图像的目标检测模型训练方法和装置，解决了现有医学图像的目标检测方式的准确率低和效率低的问题。该医学图像的目标检测模型训练方法包括：将包括三维空间内的多个层面图像的医学图像样本和与所述医学图像样本对应的标注检测框输入卷积神经网络；基于所述卷积神经网络提取所述多个层面图像的三维特征图；基于所述卷积神经网络根据所述三维特征图获得预测检测框；计算所述预测检测框和所述标注检测框之间损失；以及基于所述损失调整所述卷积神经网络的网络参数。
-
公开(公告)号：CN110197206B
公开(公告)日：2021-07-13
申请号：CN201910390901.9
申请日：2019-05-10
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： 本申请公开了一种图像处理的方法及装置。该申请的方法包括获取原始图像基于不同视角的多个视角图像；基于深度卷积神经网络模型对每个视角图像进行特征的提取，得到每个视角图像对应的视角图像特征；将多个视角图像特征进行融合，得到原始图像对应的图像特征；基于所述图像特征提取所述原始图像中的目标区域并对目标区域进行分类。本申请解决如何提高CT图像分类处理的效率以及准确率的问题。
-
公开(公告)号：CN110969245B
公开(公告)日：2020-07-24
申请号：CN202010128122.4
申请日：2020-02-28
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： 本申请实施例提供了一种医学图像的目标检测模型训练方法和装置，解决了现有医学图像的目标检测方式的准确率低和效率低的问题。该医学图像的目标检测模型训练方法包括：将包括三维空间内的多个层面图像的医学图像样本和与所述医学图像样本对应的标注检测框输入卷积神经网络；基于所述卷积神经网络提取所述多个层面图像的三维特征图；基于所述卷积神经网络根据所述三维特征图获得预测检测框；计算所述预测检测框和所述标注检测框之间损失；以及基于所述损失调整所述卷积神经网络的网络参数。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.066 秒)
