-
公开(公告)号：CN118485675A
公开(公告)日：2024-08-13
申请号：CN202410415719.5
申请日：2024-04-08
申请人： 山东海量信息技术研究院 , 山东大学
IPC分类号： G06T7/11 , G06V10/82 , G06N3/0464 , G06N3/048 , G06V10/40 , G06V10/80 , G06N3/0985 , G06V10/774 , G06V10/776 , G06T7/33 , G06T5/70 , G06T5/10 , G06T7/00
摘要： 本发明公开一种基于深度学习的脉络丛图像分割方法及系统，包括：获取待处理的MRI图像；对MRI图像采用基于注意力改进的U‑Net模型提取特征图，以根据特征图分割得到脉络丛区域；其中，对MRI图像进行多层下采样的特征提取，对最后一层特征图进行多层上采样以恢复到MRI图像尺寸；在每层上采样过程中，分别对当前层的上采样特征图和对应上一层的下采样特征图进行卷积处理并将卷积结果相加，根据相加结果采用重采样操作得到注意力权重，根据注意力权重对上一层的下采样特征图赋权后再与当前层的上采样特征图进行融合。实现对脉络丛图像的精准分割。
-
公开(公告)号：CN118521933A
公开(公告)日：2024-08-20
申请号：CN202410414689.6
申请日：2024-04-08
申请人： 山东海量信息技术研究院 , 山东大学
IPC分类号： G06V20/40 , G06V10/40 , G06N3/0464 , G06V10/82 , G06V40/16 , G06F21/62 , A61B5/024 , A61B5/00
摘要： 本发明公开一种基于深度学习的轻量化心率信号测量方法及系统，包括：对待处理面部视频帧序列依次采用若干个特征提取模块以提取rPPG信号特征，从而基于rPPG信号特征得到rPPG信号；其中对待处理面部视频帧序列经预处理后的输入特征图的通道沿时间维度进行移动，并经重参数化处理后得到第一特征图；对输入特征图设定的部分通道进行卷积处理，以形成空间注意力掩码，并与第一特征图相乘后得到输出特征图，输出特征图作为下一个特征提取模块的输入特征图；根据rPPG信号得到心率值。设计端到端轻量化rPPG信号检测网络，在保证测量精度的情况下，尽可能降低参数数量和网络结构的复杂度。
-
公开(公告)号：CN118411333A
公开(公告)日：2024-07-30
申请号：CN202410409446.3
申请日：2024-04-07
申请人： 山东海量信息技术研究院 , 山东大学
摘要： 本发明提供了一种基于深度学习网络的胸腔淋巴结的诊断系统，包括：预处理单元，被配置为：对胸腔淋巴结的图像帧进行预处理；特征提取单元，被配置为：对预处理后的图像帧采用依次级联的提取块进行多层次特征提取，得到不同层次的特征图；图像分割单元，被配置为：对不同层次的特征图分别进行分割，得到各个层次下的分割结果；分类诊断单元，被配置为：将各个层次下的分割结果叠加求和后得到最终胸腔淋巴结的分割图像，根据所述分割图像得到胸腔淋巴结分类诊断结果；本发明结合连续的多层次特征提取和不同层次特征图像的分割，实现了更精准的胸腔淋巴结良性或者恶性的诊断，在较高准确率和鲁棒性的前提下，能够快速和精准的提供患者的诊断结果。
-
公开(公告)号：CN118448024A
公开(公告)日：2024-08-06
申请号：CN202410409075.9
申请日：2024-04-07
申请人： 山东海量信息技术研究院 , 山东大学
IPC分类号： G16H50/20 , G16H50/70 , G16H30/20 , G16H30/40 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0455
摘要： 本发明公开了基于深度学习的甲状腺结节良恶性诊断方法及系统，所述方法包括：获取甲状腺患者的甲状腺超声图像，以及对应的结节位置标签；对甲状腺超声图像进行预处理，得到预处理后的图像；对预处理后的图像集合，划分为训练集、验证集和测试集；基于训练集对甲状腺结节诊断模型进行训练，基于验证集对训练后的甲状腺结节诊断模型进行验证，基于测试集对训练后的甲状腺结节诊断模型进行测试，将验证通过且测试通过的模型，作为最终训练后的甲状腺结节诊断模型；获取待诊断甲状腺超声图像，将待诊断甲状腺超声图像输入到最终训练后的甲状腺结节诊断模型中，输出甲状腺结节良性或恶性的诊断结果。
-
公开(公告)号：CN118411744A
公开(公告)日：2024-07-30
申请号：CN202410408855.1
申请日：2024-04-07
申请人： 山东海量信息技术研究院 , 山东大学
IPC分类号： G06V40/16 , G06V10/764 , G06V10/82 , G16H20/70
摘要： 本发明公开了基于深度学习的面部视频抑郁检测系统、设备及介质，所述系统用于获取面部视频数据以及抑郁检测标签；对面部视频数据进行预处理，得到动态图像，基于动态图像和所述抑郁检测标签，构建数据集；将数据集划分为训练集和测试集；将训练集输入到抑郁检测模型中，对模型进行训练，得到训练后的抑郁检测模型；将测试集输入到训练后的抑郁检测模型，当测试指标准确率高于设定阈值时，表示当前训练后的抑郁检测模型为最终训练后的抑郁检测模型；获取待检测面部视频数据，将待检测面部视频数据进行预处理，得到待检测动态图像；将待检测动态图像输入到最终训练后的抑郁检测模型，得到抑郁检测结果。
-
公开(公告)号：CN118469904A
公开(公告)日：2024-08-09
申请号：CN202410415718.0
申请日：2024-04-08
申请人： 山东海量信息技术研究院 , 山东大学
摘要： 本发明公开一种基于深度学习的超声图像穿刺针检测系统，包括：获取模块，被配置为获取超声图像序列；感兴趣区域确定模块，被配置为根据先验知识获取超声图像的感兴趣区域；进针检测模块，被配置为采用训练后的深度学习模型在超声图像中感兴趣区域的设定检测框内检测是否有穿刺针进入，并在识别到针尖后计算进针角度；跟踪检测模块，被配置为在感兴趣区域内，根据识别到的针尖位置和进针角度确定搜索区域，在搜索区域内检测进针后的穿刺针，对检测得到的多个候选框根据相邻帧的位置差异进行过滤，根据剩余候选框确定穿刺针位置。实现在超声图像中精准且快速的进行穿刺针的定位和追踪。
-
公开(公告)号：CN117796817B
公开(公告)日：2024-08-02
申请号：CN202410223530.6
申请日：2024-02-29
摘要： 本发明涉及心电监测技术领域，尤其是涉及一种急性心肌梗死快速检测和预警的方法及系统。方法，包括获取心电信号数据；对获取的心电信号数据进行数据预处理，包括对心电信号进行去噪、滤波和归一化操作；将预处理后的心电信号数据作为分类模型的输入，得到当前时刻心梗分类；将预处理后的心电信号数据作为预测模型的输入，得到未来时刻心梗分类，其中，通过深度学习网络和最小化损失函数衡量修正预测模型的预测结果。本发明通过以当前时刻的心电数据为输入，预测下一刻的心电数据走向并且对未来数据进行分类，以此实现心梗疾病的准确分类和预测预警。
-
公开(公告)号：CN118398189A
公开(公告)日：2024-07-26
申请号：CN202410515343.5
申请日：2024-04-26
摘要： 本发明涉及便携式医疗急救设备技术领域，尤其是涉及一种适用狭小空间的便携式急救生命支持设备及工作方法。设备，包括主机箱，所述主机箱内设置有北斗定位模块、人机交互模块、音频模块、视频模块、大语言模型智能化模块、控制模块、通信模块和供能模块，所述北斗定位模块用于所述设备与外界进行数据传输、设备定位与时间同步；所述主机箱表面设置有把手和若干接口。本发明通过一种适用于狭小空间急救的智能一体化便携式急救生命支持设备，具备小型化、轻量化、模块化集成的特征，能够非常方便地带入狭小空间展开急救工作。
-
公开(公告)号：CN115222989A
公开(公告)日：2022-10-21
申请号：CN202210847265.X
申请日：2022-07-19
IPC分类号： G06V10/764 , G06N20/00 , G06V10/40 , G06V10/774 , G06V10/80
摘要： 本发明涉及甲状腺乳头状癌分类技术领域，公开了一种基于联邦学习的多源甲状腺乳头状癌分类系统，包括中央服务器以及与所述中央服务器连接的若干个本地设备；所述本地设备，用于获取甲状腺超声图像，并采用分类模型对甲状腺超声图像进行分类；所述中央服务器和若干个本地设备之间基于训练集，通过联邦学习，对所述分类模型进行更新；其中，联邦学习过程中的全局模型基于各个本地设备采用的训练集中的数据点数和各个本地设备上传的本地模型进行更新。提高了甲状腺乳头状癌分类的准确度。
-
公开(公告)号：CN115985463A
公开(公告)日：2023-04-18
申请号：CN202310256692.5
申请日：2023-03-17
IPC分类号： G16H20/30 , A61B5/00 , A61B5/397 , A61B5/11 , G16H50/30 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要： 本发明涉及疲劳度检测技术领域，尤其是涉及一种基于可穿戴式设备的实时预测肌肉疲劳度方法及系统。所述方法包括获取运动过程中的表面肌电sEMG信号和惯性测量单元IMU信号；对sEMG信号和IMU信号分别进行预处理，提取sEMG信号的时、频域信息；根据sEMG信号的时、频域信息和IMU信号，利用预测模型预测sEMG信号的时、频域信息和IMU信号的变化趋势；本发明可以帮助下肢活动困难患者患者在没有专业医护人员监督的情况下在家中完成康复，还可以合理安排患者的训练时间，从而帮助患者更好地做康复运动，防止肌肉疲劳带来的二次伤害。
-
-
-
-
-
-
-
-
-
搜索结果
238 条记录 (耗时 0.052 秒)
