-
公开(公告)号：CN113989206A
公开(公告)日：2022-01-28
申请号：CN202111220778.X
申请日：2021-10-20
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： 本发明提供一种基于轻量化模型的骨龄预测方法及装置。所述方法包括：获取被检测人的手部图像；基于融合轻量化网络shufflenet、ghostnet的建模方法建立分割模型，将所述手部图像输入训练好的分割模型，输出手部分割结果；基于融合轻量化网络shufflenet、ghostnet的建模方法建立骨龄预测模型，将所述手部图像和手部分割结果输入到训练好的骨龄预测模型，得到被检测人的骨龄。本发明既可降低计算量减轻时间消耗，又能降低内存访问成本MAC节约制造成本，适合于嵌入式系统计算的网络设计模式。值得说明的是，本发明所述方法不仅适合基于人手图像的骨龄预测，还适合基于任何人体器官图像的疾病类型诊断预测。
-
公开(公告)号：CN111798976A
公开(公告)日：2020-10-20
申请号：CN202010578575.7
申请日：2020-06-23
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DDH人工智能辅助诊断方法及装置，方法包括：通过实例分割网络，分割出髋部各骨，进行影像质量控制；通过关键点检测网络，结合月龄信息，得到髋关节关键点；基于髋关节关键点，测量髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别；结合月龄信息，训练髋关节发育异常识别网络，检测征象；结合月龄信息、病例病史信息、髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别和征象，训练分类网络，得出DDH辅助诊断结果。不仅可以自动、快速、准确的计算DDH涉及的各项测量指标，而且考虑了患儿病例病史信息，可给出DDH辅助诊断建议，能够提高DDH的临床诊断效率和准确性。
-
公开(公告)号：CN111798976B
公开(公告)日：2024-08-13
申请号：CN202010578575.7
申请日：2020-06-23
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： G16H50/20 , G06N3/0464 , G06N20/20 , G06N20/10
摘要： 本发明提供了一种DDH人工智能辅助诊断方法及装置，方法包括：通过实例分割网络，分割出髋部各骨，进行影像质量控制；通过关键点检测网络，结合月龄信息，得到髋关节关键点；基于髋关节关键点，测量髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别；结合月龄信息，训练髋关节发育异常识别网络，检测征象；结合月龄信息、病例病史信息、髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别和征象，训练分类网络，得出DDH辅助诊断结果。不仅可以自动、快速、准确的计算DDH涉及的各项测量指标，而且考虑了患儿病例病史信息，可给出DDH辅助诊断建议，能够提高DDH的临床诊断效率和准确性。
-
公开(公告)号：CN111882517B
公开(公告)日：2024-06-21
申请号：CN202010512567.2
申请日：2020-06-08
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 , G06N3/042 , G06N3/0464 , G06N3/08
摘要： 本申请所提供的一种基于图卷积神经网络的骨龄评测方法、系统、终端及存储介质，所述方法包括：获取手腕骨影像的N个目标骨骺；采用特征提取网络模型，提取手腕骨影像的N个目标骨骺及其附近区域的初始特征X；采用基于图卷积网络的上下文特征融合网络模型，将初始特征X和经过多层图卷积后的上下文特征相加，得到最终的融合特征#imgabs0#将所述融合特征#imgabs1#输入预测分布网络模型，预测得到N个目标骨骺的发育等级分布，并相应计算发育等级期望和方差、发育分数期望、骨成熟度总分；利用预测的发育等级和计算的骨成熟度总分，根据骨龄标准计算得到最终骨龄预测值。本申请通过图卷积网络实现上下文特征融合促进不同局部骨区域间信息交流，并通过骨成熟度总分损失函数避免累计骨龄误差，实现了骨龄评测的精确性和鲁棒性。
-
公开(公告)号：CN111563874B
公开(公告)日：2023-04-28
申请号：CN202010147796.9
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
摘要： 本发明提供一种骨龄评测方法和装置，所述方法包括以下步骤：输入骨龄片图像，并定位出骨龄片图像中多个骨/骨骺的位置，以得到多个骨/骨骺的局部图像；以上述局部图像为节点，构建描述骨/骨骺发育特征关联性的生长模式拓扑图，通过图卷积网络，融合目标骨/骨骺以及关联骨/骨骺的特征，以判断各个位置处的骨/骨骺是否发育异常；如果存在至少一个位置处的骨/骨骺发育异常，则对发育异常的骨/骨骺进行修正；根据修正结果进行骨龄计算。本发明能够修正发育异常的骨或骨骺对骨龄评测的影响，从而提高骨龄评测的精确性。
-
公开(公告)号：CN111563874A
公开(公告)日：2020-08-21
申请号：CN202010147796.9
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
摘要： 本发明提供一种骨龄评测方法和装置，所述方法包括以下步骤：输入骨龄片图像，并定位出骨龄片图像中多个骨/骨骺的位置，以得到多个骨/骨骺的局部图像；以上述局部图像为节点，构建描述骨/骨骺发育特征关联性的生长模式拓扑图，通过图卷积网络，融合目标骨/骨骺以及关联骨/骨骺的特征，以判断各个位置处的骨/骨骺是否发育异常；如果存在至少一个位置处的骨/骨骺发育异常，则对发育异常的骨/骨骺进行修正；根据修正结果进行骨龄计算。本发明能够修正发育异常的骨或骨骺对骨龄评测的影响，从而提高骨龄评测的精确性。
-
公开(公告)号：CN114565897B
公开(公告)日：2023-04-28
申请号：CN202210059247.5
申请日：2022-01-19
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： G06V20/54 , G06V20/40 , G06N3/0464 , G06V10/774 , G06V10/82 , A61H3/06
摘要： 本发明提供一种红绿灯路口导盲方法及装置。所述方法包括：实时获取导盲装置前方的视频图像；利用识别模型检测所述图像中是否包括红绿灯，如果包括，输出所述红绿灯的状态以及红绿灯与导盲装置的距离；如果检测到多组红绿灯，基于红绿灯与导盲装置的距离和红绿灯偏离图像视野中心的距离识别出一组目标红绿灯；如果只检测到一组红绿灯，所述红绿灯即为目标红绿灯；通过语音模块实时播放与目标红绿灯相关的提醒信息。本发明不但能够自动检测路口的红绿灯状态，还能从检测到的多组红绿灯中识别出目标红绿灯，可以有效减少环境干扰，提高红绿灯识别精度，为佩戴者提供更加稳定可靠的信息，从而增加佩戴者过红绿灯路口的安全性。
-
公开(公告)号：CN114565897A
公开(公告)日：2022-05-31
申请号：CN202210059247.5
申请日：2022-01-19
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： 本发明提供一种红绿灯路口导盲方法及装置。所述方法包括：实时获取导盲装置前方的视频图像；利用识别模型检测所述图像中是否包括红绿灯，如果包括，输出所述红绿灯的状态以及红绿灯与导盲装置的距离；如果检测到多组红绿灯，基于红绿灯与导盲装置的距离和红绿灯偏离图像视野中心的距离识别出一组目标红绿灯；如果只检测到一组红绿灯，所述红绿灯即为目标红绿灯；通过语音模块实时播放与目标红绿灯相关的提醒信息。本发明不但能够自动检测路口的红绿灯状态，还能从检测到的多组红绿灯中识别出目标红绿灯，可以有效减少环境干扰，提高红绿灯识别精度，为佩戴者提供更加稳定可靠的信息，从而增加佩戴者过红绿灯路口的安全性。
-
公开(公告)号：CN109741309B
公开(公告)日：2021-04-02
申请号：CN201811616211.2
申请日：2018-12-27
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： 本申请公开了一种基于深度回归网络的骨龄预测方法及装置。该方法包括输入待处理骨龄片图像；根据多级关键点检测深度卷积网络，获取骨骺区域图像；以及将所述骨骺区域图像输入预设深度学习回归网络，得到骨骺等级预测结果，计算出对应的骨龄。本申请解决了骨龄预测方法效果较差的技术问题。通过本申请不需要链接骨骺等级标注数据库而直接输出骨骺等级预测结果，并且可准确预测出骨龄。本申请于基于多级关键点检测得到的骨骺区域作为输入，经过卷积网络后通过多分支深度回归网络输出骨骺等级预测结果，获得的预测效果较佳。
-
公开(公告)号：CN111882517A
公开(公告)日：2020-11-03
申请号：CN202010512567.2
申请日：2020-06-08
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图卷积神经网络的骨龄评测方法、系统、终端及存储介质，所述方法包括：获取手腕骨影像的N个目标骨骺；采用特征提取网络模型，提取手腕骨影像的N个目标骨骺及其附近区域的初始特征X；采用基于图卷积网络的上下文特征融合网络模型，将初始特征X和经过多层图卷积后的上下文特征相加，得到最终的融合特征将所述融合特征输入预测分布网络模型，预测得到N个目标骨骺的发育等级分布，并相应计算发育等级期望和方差、发育分数期望、骨成熟度总分；利用预测的发育等级和计算的骨成熟度总分，根据骨龄标准计算得到最终骨龄预测值。本申请通过图卷积网络实现上下文特征融合促进不同局部骨区域间信息交流，并通过骨成熟度总分损失函数避免累计骨龄误差，实现了骨龄评测的精确性和鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.097 秒)
