-
公开(公告)号：CN111915554B
公开(公告)日：2024-05-14
申请号：CN202010563112.3
申请日：2020-06-19
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 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H15/00 , G16H30/20
摘要： 本发明提供了一种基于X光影像的骨折检测定位一体化方法及装置，其中方法包括：收集符合预设规范的X光影像骨折数据；对骨折数据进行预处理，并将预处理后的数据进行数据转化，得到符合预设要求的输入图像；利用深层的特征提取器与特征网络相结合从输入图像中提取预设的多尺度特征；通过骨折检测模型利用多尺度特征对输入图像中的可疑的骨折区域进行检测，得到检测框；通过骨折定位模型根据检测框从多尺度特征的对应层中提取相应的骨折区域特征信息，根据骨折区域特征信息定位骨块位置；通过关键点检测模型对关键点位置进行检测，确定输入图像中的关键点位置信息；通过后处理算法融合检测框、骨块位置和关键点位置信息得到最终骨折区域及其区域定位的结果。
-
公开(公告)号：CN111667457B
公开(公告)日：2023-07-18
申请号：CN202010357050.0
申请日：2020-04-29
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 , G06N20/00
摘要： 本申请所提供的一种基于医学影像的脊椎椎体信息自动识别方法、系统、终端及存储介质，所述方法包括：获取脊椎部位放射平片并进行预处理；根据专家对脊椎部位放射平片的标注结果确定标准标注数据；将标准标注数据输入至预设的深度学习网络模型中进行训练得到椎体节段识别模型；将标准标注数据输入至预设深度学习网络模型中进行训练得到椎体节段分类推断联合模型；采用交叉验证训练上述椎体节段识别模型与椎体节段分类推断联合模型，得到交叉训练椎体节段分类推断联合模型；将预处理的待标注数据输入至椎体节段识别模型、交叉训练椎体节段分类推断联合模型，预测得到椎体的节段框、节段类型和位置编号；可实现椎体节段节段类型和位置编号预测识别。
-
公开(公告)号：CN114529569A
公开(公告)日：2022-05-24
申请号：CN202111634622.6
申请日：2021-12-29
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： 本发明提供一种基于特征融合的图像分割方法及装置。所述方法包括以下步骤：实时获取由深度相机输入的RGB图像和深度图像；分别对RGB图像和深度图像进行特征提取；对提取的RGB图像特征和深度图像特征进行融合，并基于融合特征进行图像分割。本发明在RGB图像特征和深度图像特征融合的基础上进行图像分割，由于利用了图像的深度信息，提高了图像分割精度。
-
公开(公告)号：CN111667457A
公开(公告)日：2020-09-15
申请号：CN202010357050.0
申请日：2020-04-29
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医学影像的脊椎椎体信息自动识别方法、系统、终端及存储介质，所述方法包括：获取脊椎部位放射平片并进行预处理；根据专家对脊椎部位放射平片的标注结果确定标准标注数据；将标准标注数据输入至预设的深度学习网络模型中进行训练得到椎体节段识别模型；将标准标注数据输入至预设深度学习网络模型中进行训练得到椎体节段分类推断联合模型；采用交叉验证训练上述椎体节段识别模型与椎体节段分类推断联合模型，得到交叉训练椎体节段分类推断联合模型；将预处理的待标注数据输入至椎体节段识别模型、交叉训练椎体节段分类推断联合模型，预测得到椎体的节段框、节段类型和位置编号；可实现椎体节段节段类型和位置编号预测识别。
-
公开(公告)号：CN111414939A
公开(公告)日：2020-07-14
申请号：CN202010147810.5
申请日：2020-03-05
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： G06K9/62
摘要： 本申请实施例提供了一种脊椎骨折区域分析模型训练方法和装置，解决了现有脊椎骨折区域分析方式的准确率低和效率低的问题。该方法包括：将基本框输入椎骨主干网络获得的第一椎骨提取特征图；将第一椎骨提取特征图输入N个椎骨渐进层中的第一椎骨渐进层以获得第一椎骨输出框；根据第一椎骨输出框和椎体标准参考数据之间的差别调整第二椎骨渐进层的网络参数，并将第一椎骨输出框输入椎骨主干网络获得第二提取特征图；将椎骨主干网络输出的第m椎骨提取特征图输入N个椎骨渐进层中的第m椎骨渐进层以获得第m输出框；以及根据第m输出框和骨折区域标准参考数据之间的差别调整第m+1输出框的网络参数，并根据第m输出框基于椎骨主干网络获得第m+1提取特征图。
-
公开(公告)号：CN111401417B
公开(公告)日：2023-10-27
申请号：CN202010147315.4
申请日：2020-03-05
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： G06V10/774 , G06V10/44
摘要： 本申请实施例提供了一种脊椎骨折区域分析模型训练方法和装置，解决了现有脊椎骨折区域分析方式的准确率低和效率低的问题。该方法包括：将基本框输入骨椎主干网络获得的第一骨椎提取特征图；将第一骨椎提取特征图输入N个骨椎渐进层中的第一骨椎渐进层以获得第一骨椎输出框；根据第一骨椎输出框和椎体标准参考数据之间的差别调整第二骨椎渐进层的网络参数，并将第一骨椎输出框输入骨椎主干网络获得第二提取特征图；将骨椎主干网络输出的第m骨椎提取特征图输入N个骨椎渐进层中的第m骨椎渐进层以获得第m输出框；以及根据第m输出框和骨折区域标准参考数据之间的差别调整第m+1输出框的网络参数，并根据第m输出框基于骨椎主干网络获得第m+1提取特征图。
-
公开(公告)号：CN113343807A
公开(公告)日：2021-09-03
申请号：CN202110582140.4
申请日：2021-05-27
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： 本申请公开了一种重构引导下的复杂场景的目标检测方法及装置，该方法中对输入图像进行加噪处理得到加噪后图像，对加噪后图像进行编码，提取加噪后图像的第一多尺度图像特征，对输入图像进行编码，提取输入图像的第二多尺度图像特征，将第二多尺度图像特征作为第一多尺度图像特征的监督信息，对第一多尺度图像特征进行解码得到重构图像，提取重构图像的图像特征，对所提取的图像特征和第一多尺度图像特征进行融合得到融合特征，根据融合特征和预设目标检测模型进行目标检测得到目标对象。本申请中，以输入图像作为输入以减少重构图像的误差为目的来从复杂场景的图像中提取图像的本质特征并进行目标检测，提高识别出的物体的准确性为导盲提供依据。
-
公开(公告)号：CN111915554A
公开(公告)日：2020-11-10
申请号：CN202010563112.3
申请日：2020-06-19
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： 本发明提供了一种基于X光影像的骨折检测定位一体化方法及装置，其中方法包括：收集符合预设规范的X光影像骨折数据；对骨折数据进行预处理，并将预处理后的数据进行数据转化，得到符合预设要求的输入图像；利用深层的特征提取器与特征网络相结合从输入图像中提取预设的多尺度特征；通过骨折检测模型利用多尺度特征对输入图像中的可疑的骨折区域进行检测，得到检测框；通过骨折定位模型根据检测框从多尺度特征的对应层中提取相应的骨折区域特征信息，根据骨折区域特征信息定位骨块位置；通过关键点检测模型对关键点位置进行检测，确定输入图像中的关键点位置信息；通过后处理算法融合检测框、骨块位置和关键点位置信息得到最终骨折区域及其区域定位的结果。
-
公开(公告)号：CN111401417A
公开(公告)日：2020-07-10
申请号：CN202010147315.4
申请日：2020-03-05
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： G06K9/62
摘要： 本申请实施例提供了一种脊椎骨折区域分析模型训练方法和装置，解决了现有脊椎骨折区域分析方式的准确率低和效率低的问题。该方法包括：将基本框输入骨椎主干网络获得的第一骨椎提取特征图；将第一骨椎提取特征图输入N个骨椎渐进层中的第一骨椎渐进层以获得第一骨椎输出框；根据第一骨椎输出框和椎体标准参考数据之间的差别调整第二骨椎渐进层的网络参数，并将第一骨椎输出框输入骨椎主干网络获得第二提取特征图；将骨椎主干网络输出的第m骨椎提取特征图输入N个骨椎渐进层中的第m骨椎渐进层以获得第m输出框；以及根据第m输出框和骨折区域标准参考数据之间的差别调整第m+1输出框的网络参数，并根据第m输出框基于骨椎主干网络获得第m+1提取特征图。
-
公开(公告)号：CN111414939B
公开(公告)日：2023-10-27
申请号：CN202010147810.5
申请日：2020-03-05
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： G06V10/774 , G06V10/80
摘要： 本申请实施例提供了一种脊椎骨折区域分析模型训练方法和装置，解决了现有脊椎骨折区域分析方式的准确率低和效率低的问题。该方法包括：将基本框输入椎骨主干网络获得的第一椎骨提取特征图；将第一椎骨提取特征图输入N个椎骨渐进层中的第一椎骨渐进层以获得第一椎骨输出框；根据第一椎骨输出框和椎体标准参考数据之间的差别调整第二椎骨渐进层的网络参数，并将第一椎骨输出框输入椎骨主干网络获得第二提取特征图；将椎骨主干网络输出的第m椎骨提取特征图输入N个椎骨渐进层中的第m椎骨渐进层以获得第m输出框；以及根据第m输出框和骨折区域标准参考数据之间的差别调整第m+1输出框的网络参数，并根据第m输出框基于椎骨主干网络获得第m+1提取特征图。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.066 秒)
