-
公开(公告)号：CN118470606A
公开(公告)日：2024-08-09
申请号：CN202410715681.3
申请日：2024-06-04
Applicant: 复旦大学附属中山医院 , 脉得智能科技(无锡)有限公司
IPC: G06V20/40 , G06V20/64 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0985 , G06N3/048
Abstract: 本申请提供一种超声视频处理方法、装置及电子设备，该方法包括：使用神经网络模型中的关键帧提取模块从待处理超声视频中提取出关键帧；使用神经网络模型中的特征提取模块从关键帧中提取出关键特征；使用神经网络模型中的特征聚合模块对关键特征进行聚合，获得聚合特征；使用神经网络模型中的分类器模块对聚合特征进行分类，获得待处理超声视频的类别。通过使用关键帧提取模块和特征提取模块能够有效地提高视频分类的推理速度，且使用特征聚合模块和分类器模块能够有效地提高视频分类的准确率，从而使用包含这些模块的神经网络模型能够兼顾超声视频处理的推理速度和准确率。
-
公开(公告)号：CN116777893B
公开(公告)日：2024-05-07
申请号：CN202310816792.9
申请日：2023-07-05
Applicant: 脉得智能科技(无锡)有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于乳腺超声横纵切面特征结节的分割与识别方法，涉及乳腺结节检测技术领域，该方法实现了结节检测、提取、外扩、调整固定尺寸，以及最后结节横纵切面的良恶识别。针对结节横纵切面设计了一种双路深度神经分类网络，该网络能够分别对结节横切面、纵切面数据进行特征提取和计算。将Resnet101提取的横切面特征与DenseNet161提取的纵切面特征concat起来，然后送入两层全连接网络，进行特征降维和特征相似计算，经过过softmax输出最终的分类结果。本发明提出的双路深度神经网络分类网络有效融合乳腺超声横纵切面的特征，提高了模型的良恶分类能力和鲁棒性。
-
公开(公告)号：CN116129298A
公开(公告)日：2023-05-16
申请号：CN202211427699.0
申请日：2022-11-15
Applicant: 脉得智能科技(无锡)有限公司
IPC: G06V20/40 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/50 , G06V10/25 , G06T7/00 , G06N3/0442 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种基于时空记忆网络的甲状腺视频流结节识别系统，包括图像获取模块、结节坐标获取模块、结节分类模块和结果匹配模块。该系统将甲状腺超声视频流数据输入到结节检测模型中，提取结节位置坐标，根据结节坐标从超声视频帧中截取结节ROI区域，将截取的ROI图像Resize到固定尺寸后输入到时空记忆网络中。该时空记忆网络对历史帧结节进行空间特征提取，然后对该特征进行编码存储；进行当前帧诊断时，该网络先将当前帧结节特征进行提取、编码，然后将存储的历史帧结节特征读取并与当前帧结节特征结合，判断当前帧结节的良恶性。本发明避免了单帧图像诊断造成的误差，有效提高视频诊断准确率及诊断结果一致性。
-
公开(公告)号：CN115760777A
公开(公告)日：2023-03-07
申请号：CN202211456728.6
申请日：2022-11-21
Applicant: 脉得智能科技(无锡)有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20 , G16H50/20 , A61B8/08 , A61B8/00
Abstract: 本发明属于人工智能及超声图像分析领域，涉及基于神经网络结构搜索的桥本氏甲状腺炎诊断系统，包括：图像数据获取模块，用于对桥本氏甲状腺炎超声图像数据收集并分类标注；神经网络搭建模块，用于构建神经网络主体结构，包括依次连接的输入单元、堆叠单元一、堆叠单元二和输出单元；神经网络结构搜索模块，用于利用主体结构中待确定模块和参数构成系统的搜索空间，并设置搜索方法和结构评估方式，再利用训练集和验证集数据训练所述搜索空间中的各个神经网络模型；模型测试模块，用于在测试集上测试所有的神经网络模型，根据评价指标得到最优神经网络结构。本发明实现神经网络结构的自动搭建，并对超声图像上的桥本氏甲状腺炎快速准确诊断。
-
公开(公告)号：CN114494215A
公开(公告)日：2022-05-13
申请号：CN202210110296.7
申请日：2022-01-29
Applicant: 脉得智能科技(无锡)有限公司
Abstract: 本发明公开了一种基于Transformer的甲状腺结节检测方法，涉及图像处理技术领域，该方法在获取甲状腺区域的待测超声图像并对获取到的待测超声图像进行图像预处理后，将其输入预先基于Transformer网络训练得到的结节检测模型中，根据结节检测模型的输出确定待测超声图像的结节的位置以及类型，完成对待测超声图像中的结节的检测，结节的类型用于指示结节为良性结节或恶性结节；该方法可以自动完成结节的定位和分类，自动化程度高、客观性好，且无需构建稠密的Anchor Box，无需使用NMS复杂的后处理操作，易于实现，对计算资源要求较低。
-
Patent Agency Ranking
公开(公告)号：CN115760777B
公开(公告)日：2024-04-30
申请号：CN202211456728.6
申请日：2022-11-21
Applicant: 脉得智能科技(无锡)有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20 , G16H50/20 , A61B8/08 , A61B8/00
Abstract: 本发明属于人工智能及超声图像分析领域，涉及基于神经网络结构搜索的桥本氏甲状腺炎诊断系统，包括：图像数据获取模块，用于对桥本氏甲状腺炎超声图像数据收集并分类标注；神经网络搭建模块，用于构建神经网络主体结构，包括依次连接的输入单元、堆叠单元一、堆叠单元二和输出单元；神经网络结构搜索模块，用于利用主体结构中待确定模块和参数构成系统的搜索空间，并设置搜索方法和结构评估方式，再利用训练集和验证集数据训练所述搜索空间中的各个神经网络模型；模型测试模块，用于在测试集上测试所有的神经网络模型，根据评价指标得到最优神经网络结构。本发明实现神经网络结构的自动搭建，并对超声图像上的桥本氏甲状腺炎快速准确诊断。
-
公开(公告)号：CN117809333A
公开(公告)日：2024-04-02
申请号：CN202311563911.0
申请日：2023-11-22
Applicant: 脉得智能科技(无锡)有限公司
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的乳腺BI‑RADS特征识别方法，具体为：步骤1：对乳腺结节超声图像进行预处理；步骤2：提取预处理后的乳腺超声图像中的结节轮廓；步骤3：根据结节轮廓确定待测超声图像的结节的位置以及边界，将结节区域从超声图像中裁剪出来；步骤4：基于结节的n个特征，对裁剪出来的超声图像预处理，得到每个结节特征对应的预处理后的图像，将预处理后的图像作为输入图像；步骤5：提取输入图像的特征，得到n个特征向量，将每个特征向量分别输入至全连接层，得到每个特征的分类结果；将n个特征向量拼接后输入至全连接层，得到Bi‑rads分级。本发明可以提高bi‑rads特征识别精度和bi‑rad分级精度。
-
公开(公告)号：CN116705252A
公开(公告)日：2023-09-05
申请号：CN202310718899.X
申请日：2023-06-16
Applicant: 脉得智能科技(无锡)有限公司
IPC: G16H30/40 , G16H50/50 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种前列腺显著癌诊断模型的构建方法，应用于图像处理技术领域，包括如下步骤：基于2D卷积神经网络对ImageNet数据集进行预训练得到网络参数；将网络参数迁移到3D卷积神经网络中；使用样本数据集对诊断模型迁移训练。一种前列腺显著癌诊断模型的图像分类方法，通过上述前列腺显著癌诊断模型实现，包括如下步骤：获取患者的超声扫查视频并进行预处理；将待测超声扫查视频输入至诊断模型中得到预测概率；将预测概率与设定的阈值概率进行对比并输出诊断结果。通过3D卷积神经网络模型在卷积层中加入时间维度，可以同时考虑不同切面和不同位置的超声信号，提高诊断准确度和稳定性。
-
公开(公告)号：CN117894454A
公开(公告)日：2024-04-16
申请号：CN202410122052.X
申请日：2024-01-29
Applicant: 脉得智能科技(无锡)有限公司
Abstract: 本申请提供一种肌少症诊断方法、装置及电子设备，应用于图像处理技术领域，其中，肌少症诊断方法包括：获取目标肌肉超声扫查图像以及目标临床化验指标；将目标肌肉超声扫查图像以及目标临床化验指标输入肌少症诊断模型中，得到肌少症诊断模型输出的诊断结果；其中，肌少症诊断模型为基于多模态数据融合网络训练得到的。在上述方案中，首先可以获取多模态数据，其中，使用多模态数据可以充分利用不同类型的医学数据，从而可以提高诊断的准确率；其次，可以基于多模态数据融合网络训练得到肌少症诊断模型，从而可以学习到肌少症的显著特征，并利用上述肌少症诊断模型对上述多模态数据进行特征提取以及数据融合，以提高肌少症诊断的准确率。
-
公开(公告)号：CN117095813A
公开(公告)日：2023-11-21
申请号：CN202311070222.6
申请日：2023-08-23
Applicant: 脉得智能科技(无锡)有限公司
IPC: G16H50/20 , G06V10/25 , G06T7/00 , G06V10/20 , G06V10/774 , G06V10/82 , G06V10/42 , G06N3/0464 , G06N3/08 , G06V10/764 , G16H50/70
Abstract: 本发明涉及人工智能技术领域，具体涉及一种肌少症自动诊断模型构建方法、系统、设备及介质，包括如下步骤：对肌少症患者和健康人群的下肢肌肉超声扫查视频分别进行标注，按标注区域进行裁剪保留肌肉区域图像，获取感兴趣区域；将肌肉区域图像进行频域变换转换为频域图像，并进行预处理；构建样本数据集，并通过所构建的样本数据集基于频域神经网络训练得到肌少症自动诊断模型，本发明能够更好地捕捉肌肉组织的纹理、结构和形态特征，有助于诊断过程中的准确性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.086 seconds)
