-
公开(公告)号：CN118194102A
公开(公告)日：2024-06-14
申请号：CN202311670529.X
申请日：2023-12-07
Applicant: 北京纳通医用机器人科技有限公司 , 首都医科大学附属北京胸科医院
IPC: G06F18/241 , G06F18/214 , G06N3/0895 , G06N3/0455 , G06F123/02
Abstract: 本公开涉及一种对象分类方法、装置、设备及存储介质。获取目标域中待处理对象的当前时域序列数据，并确定当前时域序列数据对应的当前频域序列数据；利用对象分类模型，对当前时域序列数据和当前频域序列数据进行处理，确定待处理对象的目标类别；其中，对象分类模型利用源域中的第一时域样本序列、第一频域样本序列对初始模型进行自监督模式的预训练，并利用目标域中参考对象的第二时域样本序列、第二频域样本序列以及分类标签对预训练好的模型以及初始分类网络进行微调得到。由于自监督模式的预训练过程从源域学习了域不变性的分类属性，并移到目标域进行微调，得到适用于对目标域的对象分类模型，提高了对目标域的序列数据的分类精度。
-
公开(公告)号：CN119049695A
公开(公告)日：2024-11-29
申请号：CN202411235302.7
申请日：2024-09-04
Applicant: 北京纳通医用机器人科技有限公司
Abstract: 本公开涉及一种病症分类方法、装置、设备及介质，其中，方法包括：获取采样气体的传感器阵列信号，并将所述传感器阵列信号划分为多个短时时间序列；将所述多个短时时间序列输入预训练的特征提取器进行处理，得到每个所述短时时间序列的阳性概率；按照所述阳性概率由高到低的顺序从所述多个短时时间序列中确定H个短时时间序列；通过预训练的分类器对所述H个短时时间序列进行分类，得到所述采样气体的病症分类结果。根据本公开的技术方案，能够提高病症分类准确度。
-
公开(公告)号：CN116010814A
公开(公告)日：2023-04-25
申请号：CN202211657575.1
申请日：2022-12-22
Applicant: 北京纳通医用机器人科技有限公司
IPC: G06F18/214
Abstract: 本公开实施例涉及一种数据集制作方法、装置、设备及存储介质，其中，该方法包括：获取多个目标样本的样本信息，其中，样本信息包括受试者身份标识；根据受试者身份标识对多个目标样本进行N次数据划分，得到N折数据集合，其中，N为正整数，每折数据集合包括多个数据集，同一受试者身份标识对应的目标样本位于同一数据集中。本公开实施例可使数据集的制作快速简洁，节省人工劳力，还可改善不同数据集中存在交叉数据的问题，提高数据集合的严谨性，有利于提高后续对模型进行训练时的整体训练精度。
-
公开(公告)号：CN118485828B
公开(公告)日：2025-03-04
申请号：CN202410630807.7
申请日：2024-05-21
Applicant: 北京纳通医用机器人科技有限公司
Abstract: 本公开涉及一种牙齿显微图像分割方法、装置、设备及介质。获取牙齿显微图像的第一扰动图像和第二扰动图像；基于预先训练的语义分割模型中的特征提取模块，对第一扰动图像和第二扰动图像分别进行特征提取处理，获取图像特征向量，其中，语义分割模型为小于预设精度的量化模型；基于语义分割模型中的图像分割模块，对图像特征向量进行分割处理，获取牙齿显微图像中的牙齿区域和根管口区域。这样，利用语义分割模型对两类扰动图像依次进行特征提取和分割处理，以实现对牙齿显微图像精准分割，确定牙齿区域和根管口区域，同时，由于语义分割模型为小于预设精度的量化模型，在保持模型性能的同时，减少了计算量和内存占用，提高了分割的实时性。
-
公开(公告)号：CN118570479A
公开(公告)日：2024-08-30
申请号：CN202410777933.5
申请日：2024-06-17
Applicant: 北京纳通医用机器人科技有限公司
IPC: G06V10/26 , G06V10/22 , G06V10/764 , G06V40/10
Abstract: 本公开实施例涉及一种牙齿根管的识别处理方法、装置、设备及介质，其中该方法包括：获取目标牙齿对应的第一CBCT分割图像，并获取目标牙齿对应的第二CBCT分割图像，其中，第一CBCT分割图像和第二CBCT分割图像为原始CBCT图像中目标牙齿所在的图像区域，第二CBCT分割图像中标注有目标牙齿的至少一类初始根管像素点；根据第一CBCT分割图像和第二CBCT分割图像，确定目标牙齿的至少一类目标根管像素点；根据至少一类目标根管像素点识别目标牙齿中至少一类牙齿根管的根管位置。在本技术方案中，在降低算力消耗的基础上，提升了牙齿根管识别的精确度。
-
Patent Agency Ranking
公开(公告)号：CN118485828A
公开(公告)日：2024-08-13
申请号：CN202410630807.7
申请日：2024-05-21
Applicant: 北京纳通医用机器人科技有限公司
Abstract: 本公开涉及一种牙齿显微图像分割方法、装置、设备及介质。获取牙齿显微图像的第一扰动图像和第二扰动图像；基于预先训练的语义分割模型中的特征提取模块，对第一扰动图像和第二扰动图像分别进行特征提取处理，获取图像特征向量，其中，语义分割模型为小于预设精度的量化模型；基于语义分割模型中的图像分割模块，对图像特征向量进行分割处理，获取牙齿显微图像中的牙齿区域和根管口区域。这样，利用语义分割模型对两类扰动图像依次进行特征提取和分割处理，以实现对牙齿显微图像精准分割，确定牙齿区域和根管口区域，同时，由于语义分割模型为小于预设精度的量化模型，在保持模型性能的同时，减少了计算量和内存占用，提高了分割的实时性。
-
公开(公告)号：CN116628581A
公开(公告)日：2023-08-22
申请号：CN202310445695.3
申请日：2023-04-23
Applicant: 北京纳通医用机器人科技有限公司
IPC: G06F18/2411 , G06F18/213 , G06F18/25 , G16H50/20
Abstract: 本公开涉及一种肺癌分类方法、装置、设备及存储介质，其中，方法包括：获取采样气体的传感器阵列信号；将所述传感器阵列信号分别输入多个特征提取网络分支进行特征提取，生成与所述多个特征提取网络分支分别对应的多个特征向量，其中，所述多个特征提取网络分支具有不同的卷积核尺度，且每个特征提取网络分支中均为一维卷积核；将所述多个特征向量进行特征融合，生成所述传感器阵列信号的基特征向量；将所述基特征向量输入分类模型，生成与所述传感器阵列信号对应的肺癌分类结果。根据本公开的技术方案，能够提高肺癌分类的准确性。
-
公开(公告)号：CN119228822A
公开(公告)日：2024-12-31
申请号：CN202411243484.2
申请日：2024-09-05
Applicant: 北京纳通医用机器人科技有限公司
IPC: G06T7/11 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本公开涉及一种图像分割方法、装置、设备及介质。包括：获取原始图像的图像位置编码、原始图像上用户触发信息的提示位置编码以及原始图像的描述文本；利用预先获取的编码器，对图像位置编码、提示位置编码和描述文本进行处理，获取图像位置编码对应的图像编码特征、提示位置编码对应的提示编码特征以及描述文本对应的文本编码特征；对图像编码特征、提示编码特征和文本编码特征进行特征融合处理，生成融合编码特征；利用预先获取的解码器，对融合编码特征进行处理，生成原始图像的目标分割结果。这样，利用了图像的多模态信息进行图像分割，提高了图像分割的准确性，进而提高规划方案的准确性并降低规划方案的审核成本。
-
公开(公告)号：CN116502158B
公开(公告)日：2023-10-27
申请号：CN202310129796.X
申请日：2023-02-07
Applicant: 北京纳通医用机器人科技有限公司
IPC: G06F18/2431 , A61B5/08 , G06F18/25 , G06F18/214 , G06F18/23 , G06N3/0464 , G06N3/084 , G06N3/09 , G16H50/20
Abstract: 本公开涉及一种肺癌分期识别方法、装置、设备及存储介质，其中，方法包括：获取采样气体的传感器阵列信号，其中，所述传感器阵列信号包括多个子传感器信号；提取所述多个子传感器信号的特征向量，并通过注意力网络分别确定每个所述特征向量对于每一肺癌分期类别的注意力分数；根据所述注意力分数和所述特征向量进行注意力加权，通过对加权后的特征向量求和，得到所述传感器阵列信号的融合特征；将所述融合特征输入多类分类器进行处理，确定肺癌分期结果。根据本公开的技术方案，能够提高肺癌分期检测的准确性。
-
公开(公告)号：CN116502158A
公开(公告)日：2023-07-28
申请号：CN202310129796.X
申请日：2023-02-07
Applicant: 北京纳通医用机器人科技有限公司
IPC: G06F18/2431 , A61B5/08 , G06F18/25 , G06F18/214 , G06F18/23 , G06N3/0464 , G06N3/084 , G06N3/09 , G16H50/20
Abstract: 本公开涉及一种肺癌分期识别方法、装置、设备及存储介质，其中，方法包括：获取采样气体的传感器阵列信号，其中，所述传感器阵列信号包括多个子传感器信号；提取所述多个子传感器信号的特征向量，并通过注意力网络分别确定每个所述特征向量对于每一肺癌分期类别的注意力分数；根据所述注意力分数和所述特征向量进行注意力加权，通过对加权后的特征向量求和，得到所述传感器阵列信号的融合特征；将所述融合特征输入多类分类器进行处理，确定肺癌分期结果。根据本公开的技术方案，能够提高肺癌分期检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.091 seconds)
