一种提高超声接收性能的时间增益控制系统

    公开(公告)号:CN115373310A

    公开(公告)日:2022-11-22

    申请号:CN202210970992.5

    申请日:2022-08-14

    IPC分类号: G05B19/042

    摘要: 本发明公开了一种提高超声接收性能的时间增益控制系统,包括FPGA模块、DAC模块和TGC模块,所述FPGA模块连接多个DAC模块,每个DAC模块独立连接一个TGC模块,每个DAC模块用于独立驱动对应的TGC模块。本发明每个TGC模块都由不同的DAC模块进行驱动,可以保证信号的完整性,而不是使用单个DAC模块驱动多个负载,每个TGC模块都可以通过控制DAC模块进行控制,能够更精细针对不同通道进行增益控制,而不是现有的所有通道统一控制。

    一种基于改进HRNet的多场景下颈部特征点提取方法

    公开(公告)号:CN117115464A

    公开(公告)日:2023-11-24

    申请号:CN202311046877.X

    申请日:2023-08-19

    发明人: 王慧 王华 刘乐

    摘要: 本发明公开了一种基于改进HRNet的多场景下颈部特征点提取方法,S1、对获取的颈部图像通过预先训练的图像增强器SICE进行图像曝光处理;S2、将高效置换模块嵌入至高分辨率网络HRNet,得到改进版高效网络Lite‑HRNet;S3、将步骤S1中进行曝光处理后的图像输入至改进版高效网络Lite‑HRNet进行颈部特征提取。本发明能够利用颈部的细节特征进行预测,准确度较高,预测的关键点以及生成的扫查路径满足实际应用,后续路径矫正工作量小,整体耗时较短用户体验感较好。

    一种基于KPNet的人体颈部关键点识别方法及系统

    公开(公告)号:CN115346241A

    公开(公告)日:2022-11-15

    申请号:CN202210970994.4

    申请日:2022-08-14

    摘要: 本发明公开了一种基于KPNet的人体颈部关键点识别方法及系统。方法包括:S1、采集包括人体颈部关键点的若干图像;S2、构建包括人体颈部关键点的训练数据集和验证数据集;S3、对CenterNet网络进行改进;S4、对改进后的CenterNet网络采用步骤S2中的训练数据集进行训练,得出KPNet网络;S5、通过相机拍摄得到的实际获取人体颈部图像输入到网络进行关键点检测;S6、将每个预测特征图的像素值以二维正态分布,取二维正态分布的峰值作为预测关键点,并将该预测关键点结合相机拍摄到的人体颈部点云信息,得出关键点的坐标信息。本发明通过改进网络热图处理输出需要的关键点,相应的其数据集标签也从锚框变成了关键点。

    一种基层医生超声诊断准确性评测方法及系统

    公开(公告)号:CN114512233A

    公开(公告)日:2022-05-17

    申请号:CN202210147637.8

    申请日:2022-02-17

    摘要: 本发明公开了一种基层医生超声诊断准确性评测方法及系统。方法包括:获取病人信息,根据病人信息获取专家报告中的病灶图片和病例分析结果;根据对病人的检查得到判断结果,按照固定模板填写诊断报告并加入病灶图片和判断结果后进行专业比对;S3、若判断结果的准确度小于预设值,则采用AI辅助专业比对;根据判断结果或AI诊断结果提交诊断报告,并将图片和诊断结果内容分开进行比对,得出比对结果;返回第一相似度结果;得出第二相似度结果;根据第一相似度结果和第二相似度结果按照各自预设的比例综合得出最终相似度结果。本发明通过专业比对和AI辅助专业比对来综合判定超声诊断结果,增加结果准确性,可靠度。

    一种基于神经网络的颈动脉超声图像动态分割方法

    公开(公告)号:CN117058171A

    公开(公告)日:2023-11-14

    申请号:CN202311046878.4

    申请日:2023-08-19

    发明人: 王慧 刘乐 王华

    摘要: 本发明公开了一种基于神经网络的颈动脉超声图像动态分割方法,包括:S1、采集超声图像线数据;S2、对所述超声图像线数据进行组帧,得到超声二维图像;S3、对所述超声二维图像进行增强处理;S4、将增强处理后的超声二维图像动态输入至预先训练的改进型U‑Net模型进行图像分割,得到分割结果。本发明使用改进的U‑Net模型为超声图像进行实时动态分割,可以有效提高分类准确度和响应速度,同时优化因超声图像数据集质量较低等情况引起的背景噪声或误判问题。结合超声图像采集的上位机软件进行实时动态分割,可以提高临床医师的工作效率,从而更快速、准确地完成详细且精准的病灶分析。本发明在未来有很大的潜力发展,在医学影像领域能够有着广泛的应用前景。