-
公开(公告)号：CN114822738A
公开(公告)日：2022-07-29
申请号：CN202210373305.1
申请日：2022-04-11
Applicant: 复旦大学附属中山医院
IPC: G16H10/60 , G16H30/20 , G16H50/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , H04M1/72403 , A61B5/00
Abstract: 本发明的一个技术方案是提供了一种基于手机终端的患者肠道准备情况评估系统，其特征在于，包括远程服务器以及用户手机端，其中：用户手机端进一步包括手机端通讯模块；手机端拍照模块；手机端分析模块；手机端显示模块。本发明的另一个技术方案是提供了一种基于上述系统实现的基于手机终端的患者肠道准备情况评估方法。本发明通过手机终端对患者肠道准备后的马桶内残留粪水图像进行采集和处理分析，对患者的肠道情况进行即时评估并将评估结果上传至服务器，患者可按评估结果进行进一步的改善。本发明提供的系统和方法基于边缘计算，在手机APP中完成图片特征计算，而无需将原始图片上传至服务器，充分保护患者隐私。
-
公开(公告)号：CN113177940A
公开(公告)日：2021-07-27
申请号：CN202110575556.3
申请日：2021-05-26
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于Transformer的胃镜视频部位识别网络结构，在卷积神经网络提取特征的基础上，通过Transformer结构来融合视频帧之间在时间序列上的关系，从而提高视频识别的准确率。相较于2DCNN分类只能关注单张图的信息，3DCNN卷积网络较高的参数量和只能关注到局部时间通道信息，利用transformer的attention结构来聚合帧与帧之间的信息，分类结果会更加的准确，可以有效的提升胃镜视频识别时的分类精度。内镜检查下实时定位胃镜所在位置，精准识别视频中消化道部位的类别。辅助医生胃镜拍摄和诊断，提高胃镜视频整体拍摄质量，进行采样用于病理后续检验，是具有显著意义及实际功能需要的。
-
Patent Agency Ranking
公开(公告)号：CN113284110A
公开(公告)日：2021-08-20
申请号：CN202110575372.7
申请日：2021-05-26
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于双流法的胃镜视频的消化道识别网络结构，包括两个卷积分支，多帧胃镜视频数据分别输入两个卷积分支，其中Slow pathway分支提取视频背景静态特征，Fast pathway分支提取前景动态特征，在时间通道上不进行降维，两个卷积分支输出分别经过全局池化层后，将池化后的静态全局特征和动态全局特征在特征通道上concatenate，最后经过FC全连接层输出预测部位类别。可以针对视频数据中的静态特征(在连续数据中特征变化较小的部分)和动态特征(视频中特征出现较大变化)分别处理，模型在识别精度和鲁棒性上更高，可以有效的提升胃镜视频识别时的分类精度，同时提升医生胃镜拍摄效率，辅助胃镜拍摄。
-
公开(公告)号：CN112950548A
公开(公告)日：2021-06-11
申请号：CN202110153342.7
申请日：2021-02-04
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于数字胃癌病理切片的筛查系统，利用扫描转换胃镜活检病理切片为数字图像，结合深度学习分割网络对胃镜活检病理切片进行像素级识别，并将算法模型植入云服务器，同时结合现有的云存储和云计算技术，将扫描数据上云，可以建立胃镜活检病理切片的数据库，便于数据的统一管理和后续的使用，并且可以打破地域限制，实现远程诊断。本系统可以自动识别胃镜活检病理切片的阴阳性并自动精确定位病灶区域，减轻病理医生的工作量，降低漏诊风险。
-
公开(公告)号：CN119454189A
公开(公告)日：2025-02-18
申请号：CN202411972544.4
申请日：2024-12-30
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种腹腔穿刺限压排气固定装置，包括针筒组件(1)、套管组件(2)和固定架组件(3)；所述针筒组件(1)包括针筒(11)和针头(12)；所述针筒(11)内设有用于防止水封液体灌至腹腔内的单向阀(111)，针筒(11)外设有用于将针筒(11)固定的固定架组件(3)；所述针头(12)上套设有能遮盖针头(12)的尖刺的套管组件(2)。与现有技术相比，本发明具有预防穿刺并发症、实现单向排气、穿刺深浅灵活可调、固定良好等优点。
-
公开(公告)号：CN112949168A
公开(公告)日：2021-06-11
申请号：CN202110153298.X
申请日：2021-02-04
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种内镜下上消化道实时位置定位模型建立方法，使用基于搜索框架的EfficientNet主干，提升定位精度，最大化利用网络层，减少冗余层，提升网络运行效率，提高模型适用性；其次通过搭建分流网络，分解问题，进一步提升精准度外，考虑一二级间的相关性，防止出现不合理预测结果；解决以往多模型复杂融合及单一模型精度损失的劣势，基于分治策略，构建端到端深度学习卷积神经网络，达到内镜下实时定位的目标。
-
公开(公告)号：CN112884728A
公开(公告)日：2021-06-01
申请号：CN202110153299.4
申请日：2021-02-04
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于深度学习卷积神经网络的内镜图像病变识别筛查方法，通常基于深度学习卷积神经网络模型分类图像，可达到较好效果，但由于卷积神经网络关注特征区分，并基于损失函数进行优化，且内镜图像所覆盖形态多，噪音大，分布多样，难以达到最佳效果。通过距离中心，并根据预测结果不断迭代中心向量，将同类样本平滑聚集到同一相似分布，这样基于距离中西聚集策略，可构建轻量级病变筛查模型。训练好后的模型内嵌到主机系统中，数据通过采集器从内镜设备传输到此台主机中，进行调用，增强模型的普适性。摒弃以往多模型复杂融合及单一模型精度损失的劣势，基于距离中心聚集策略，构建轻量级病变筛查模型，增强模型的普适性。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
