-
公开(公告)号：CN115861346B
公开(公告)日：2023-05-16
申请号：CN202310120778.5
申请日：2023-02-16
申请人： 邦世科技(南京)有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06V10/77 , G06V10/774
摘要： 本发明公开了一种基于场景感知融合网络的脊柱核磁共振图像分割方法，涉及医疗图像识别领域，包括如下步骤：输入脊柱的核磁共振图像，提取图像的低层特征、中层特征和高层特征；使用ASPP对高层特征进行处理；通过多尺度特征融合的方法，增大低层特征和中层特征的场景感知能力；对高层特征使用全局自适应池化和Sigmoid函数进行进一步处理，得到新的高层特征；并将处理后的高层特征依次与中低层特征点乘得到新的高层特征；将新的高层特征、低层特征、中层特征均采样到相同尺寸，并进行通道维度拼接，输出最终结果。本发明提高了脊柱分割的识别效果，且减少了计算量。
-
公开(公告)号：CN116542996B
公开(公告)日：2024-01-30
申请号：CN202310779094.6
申请日：2023-06-29
申请人： 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/0475
摘要： 本申请提供的一种基于特征融合和差分的脊柱CT图像分割方法，属于图像处理领域，该方法包括：将脊柱CT图像输入到预训练的，采用全卷积神经网络的编码器‑解码器架构的分割模型；在所述分割模型第四层特征网络中插入五分支结构的池化层进行感受野扩充，并通过difference module对全部的特征网络进行上下文特征增强；获取并利用各层特征网络中增强的脊柱线索信息来解译得到最终的脊柱分割结果。本申请将各层特征网络中增强的脊柱线索信息的融合后生成分割结果，避免了细节信息的丢失，有效提高了图像分割的准确性。
-
公开(公告)号：CN116542996A
公开(公告)日：2023-08-04
申请号：CN202310779094.6
申请日：2023-06-29
申请人： 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/0475
摘要： 本申请提供的一种基于特征融合和差分的脊柱CT图像分割方法，属于图像处理领域，该方法包括：将脊柱CT图像输入到预训练的，采用全卷积神经网络的编码器‑解码器架构的分割模型；在所述分割模型第四层特征网络中插入五分支结构的池化层进行感受野扩充，并通过difference module对全部的特征网络进行上下文特征增强；获取并利用各层特征网络中增强的脊柱线索信息来解译得到最终的脊柱分割结果。本申请将各层特征网络中增强的脊柱线索信息的融合后生成分割结果，避免了细节信息的丢失，有效提高了图像分割的准确性。
-
公开(公告)号：CN115965626A
公开(公告)日：2023-04-14
申请号：CN202310252779.5
申请日：2023-03-16
申请人： 邦世科技(南京)有限公司
摘要： 本发明提出一种基于人工智能算法的医学图像处理方法及系统，涉及图像处理技术领域。本发明针对医学图像处理计算量大、速度慢，且难以使用较低算力与较少数据量实现同时对多种疾病进行诊断的问题，提出对待处理医学图像正片和基于无变异样本的负片进行区域划分后，进行形变处理、像素值相减，有效缩小框选区域，突出了变异特征，减少了图像处理过程中的计算量，提高了计算效率。通过划分多个区域，在每个区域采用不同的归一化参数，使得不同区域更加个性化，实现了提取变异特征的效果，通过直方图规整化，分离图像像素值的信息，使用形变算法，分离形状位置等信息，提高了人工智能算法训练与运行的效率与准确率。
-
公开(公告)号：CN116797597A
公开(公告)日：2023-09-22
申请号：CN202311048201.4
申请日：2023-08-21
申请人： 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
摘要： 本申请提供一种基于三阶段全网络的脊柱退行性疾病全检测方法及系统，属于图像处理领域，该方法包括：对腰椎矢状位MRI图像的标注；对标注数据处理，依次获得椎间盘的目标检测数据、关键点测数据、目标形态数据；根据椎间盘的目标形态数据进行椎间盘退变分级，包括：根据预设的受损定义判断是否结构受损，若结构受损则标注6级，否则根据椎间盘的目标形态数据标注为1级~5级；根据退变分级结果确定椎间盘检测结果。本申请通过三个阶段检测的全连接神经网络，支持全脊椎和所有种类的医疗影像，提高病灶辨识度，使得人工智能检测准确。同时通过各个级别边界明确的评价指标，为放射科医生提供更好的参考指标，也为深度学习技术的应用提供更好的基础。
-
公开(公告)号：CN113729841B
公开(公告)日：2023-08-08
申请号：CN202111103249.1
申请日：2021-09-18
申请人： 邦世科技(南京)有限公司
IPC分类号： A61B17/16 , A61B17/3211 , A61B90/00
摘要： 本发明涉及医疗设备术领域，是一种纤维环开口刀具，包括刀头和刀柄，刀头包括纵切刀、第一横切刀、第二横切刀、刀座和连接部，刀柄下端与连接部安装在一起，连接部下端固定安装有刀座，刀座呈圆柱形，刀座上端外侧设有限位环台，刀座下侧固定有纵切刀，纵切刀的外轮廓为向下外凸的曲线。本发明结构合理而紧凑，构思巧妙，手术开始时通过纵切刀对患者的皮肤进行切开操作,完成术区暴露；手术中进行髓核摘除操作时，通过纵切刀、第一横切刀和第二横切刀切开纤维环，一次完成十字形的切口，避免更换手术刀重复操作导致纤维环切口边缘不齐；通过旋转摆动刀头，掌握椎间髓核组织的韧性或钙化情况，具有快速、高效和操作简单的特点。
-
公开(公告)号：CN115861346A
公开(公告)日：2023-03-28
申请号：CN202310120778.5
申请日：2023-02-16
申请人： 邦世科技(南京)有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06V10/77 , G06V10/774
摘要： 本发明公开了一种基于场景感知融合网络的脊柱核磁共振图像分割方法，涉及医疗图像识别领域，包括如下步骤：输入脊柱的核磁共振图像，提取图像的低层特征、中层特征和高层特征；使用ASPP对高层特征进行处理；通过多尺度特征融合的方法，增大低层特征和中层特征的场景感知能力；对高层特征使用全局自适应池化和Sigmoid函数进行进一步处理，得到新的高层特征；并将处理后的高层特征依次与中低层特征点乘得到新的高层特征；将新的高层特征、低层特征、中层特征均采样到相同尺寸，并进行通道维度拼接，输出最终结果。本发明提高了脊柱分割的识别效果，且减少了计算量。
-
公开(公告)号：CN113730675A
公开(公告)日：2021-12-03
申请号：CN202111106503.3
申请日：2021-09-18
申请人： 邦世科技(南京)有限公司
IPC分类号： A61M1/00
摘要： 本发明涉及医疗设备术领域，是一种复合式吸引器，包括内吸管、外筒、铰接座、固定座、连接头、疏通杆和吸引管，内吸管中部设有左右贯通的气体通道，内吸管中部外侧固定安装有外筒，外筒左端外侧沿圆周分布有至少两个铰接座，外筒左端外侧设有与每个铰接座一一对应的固定座。本发明结构合理而紧凑，构思巧妙，通过翻转不同的连接头与固定座扣接在一起，在术中随时并快速地更换不同内径大小的吸引管；通过设置疏通杆，便于吸引管堵塞后插入疏通杆疏通吸引通道；通过设置扣座和卡柱，便于连接头能在翻转后使卡柱卡入卡槽，从而实现连接头与固定座的扣接，具有快速、高效和操作简单的特点。
-
公开(公告)号：CN118864484A
公开(公告)日：2024-10-29
申请号：CN202411369885.2
申请日：2024-09-29
申请人： 江苏世钰智能医疗科技有限公司 , 山东泽普医疗科技有限公司 , 邦世科技(南京)有限公司
IPC分类号： G06T7/00 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种腰椎CT骨性侧隐窝区图像强逻辑重建模型训练方法及装置，属于图像处理技术领域，包括：S1、获取包括骨窗的腰椎CT平扫数据；S2、提取骨窗的dicom数据，并转化为二维的png图像；S3、对png图像进行标注，获得标注后的json文件；S4、使用域适应模型对数据进行训练；训练过程分为预训练阶段和领域自适应训练阶段；预训练阶段利用源域数据训练一个在源域上表现最好的模型作为预训练模型；领域自适应训练阶段利用预训练模型对源域数据和目标域数据进行联合训练，利用目标域数据进行验证。本发明能够对腰椎CT骨性侧隐窝区图像进行旋转校正。
-
公开(公告)号：CN116797597B
公开(公告)日：2023-11-17
申请号：CN202311048201.4
申请日：2023-08-21
申请人： 邦世科技(南京)有限公司 , 江苏世钰智能医疗科技有限公司 , 山东世钰智能医疗科技有限公司
摘要： 本申请提供一种基于三阶段全网络的脊柱退行性疾病全检测方法及系统，属于图像处理领域，该方法包括：对腰椎矢状位MRI图像的标注；对标注数据处理，依次获得椎间盘的目标检测数据、关键点测数据、目标形态数据；根据椎间盘的目标形态数据进行椎间盘退变分级，包括：根据预设的受损定义判断是否结构受损，若结构受损则标注6级，否则根据椎间盘的目标形态数据标注为1级~5级；根据退变分级结果确定椎间盘检测结果。本申请通过三个阶段检测的全连接神经网络，支持全脊椎和所有种类的医疗影像，提高病灶辨识度，使得人工智能检测准确。同时通过各个级别边界明确的评价指标，为放射科医生提供更好的参考指标，也为深度学习技术的应用提供更好的基础。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.028 秒)
