一种医学图像的识别方法、模型训练的方法及服务器

    公开(公告)号:CN109461495A

    公开(公告)日:2019-03-12

    申请号:CN201811296263.6

    申请日:2018-11-01

    IPC分类号: G16H30/20 G16H30/40

    CPC分类号: G16H30/20 G16H30/40

    摘要: 本发明实施例公开了一种医学图像的识别方法,包括:获取待识别医学图像集合,待识别医学图像集合中包含至少一个待识别医学图像;提取待识别医学图像集合中每个待识别医学图像所对应的待识别区域,待识别区域属于待识别医学图像中的部分图像;通过医学图像识别模型确定每个待识别区域的识别结果,医学图像识别模型为根据医学图像样本集合训练得到的,医学图像样本集合包含至少一个医学图像样本,每个医学图像样本携带对应的标注信息,标注信息用于表示医学图像样本的类型,识别结果用于表示待识别医学图像的类型。本发明实施例还公开了一种模型训练的方法以及服务器。本发明大幅地节省人工标注成本与时间成本,具有较强的可靠性和可信度。

    一种基于人工智能的多模态医学影像的转换方法

    公开(公告)号:CN109285200A

    公开(公告)日:2019-01-29

    申请号:CN201810964611.6

    申请日:2018-08-23

    发明人: 李贵 张海平

    IPC分类号: G06T11/00 G16H30/40

    摘要: 本发明属于医学图像技术领域,涉及一种基于人工智能的不同模态医学影像的转换方法、设备和存储介质。该方法包括如下步骤:准备训练数据集;训练神经网络模型;把预处理后的第一模态医学图像输入到训练好的深度卷积神经网络模型中进行前向计算并输出第二模态的医学影像。通过本发明提供的基于神经网络的不同模态医学影像的转换方法,采用来自相同成像设备和相同患者的影像,使得深度学习的效率提高;在准备训练数据集的过程中,采用三维重建、配准和分割的方式,保证了第一模态影像与第二模态影像的对应图像高度匹配;另外,本发明对训练图像划分为若干图像块,降低了整张输入训练图片对硬件设备的要求。

    一种图像重建系统
    5.
    发明公开

    公开(公告)号:CN109147914A

    公开(公告)日:2019-01-04

    申请号:CN201811203370.X

    申请日:2018-10-16

    IPC分类号: G16H30/40 G16H30/20

    CPC分类号: G16H30/40 G16H30/20

    摘要: 本发明实施例公开了一种图像重建系统,包括:至少两种不同类型的医学影像设备及一个图像重建服务器,其中各医学影像设备与所述图像重建服务器通信连接;所述医学影像设备,用于采集受检者的影像数据,并将所述影像数据及图像重建指令发送至所述图像重建服务器;所述图像重建服务器,用于接收所述医学影像设备发送的影像数据及图像重建指令,并根据所述图像重建指令对所述影像数据进行图像重建,并将重建所形成的图像发送至所述医学影像设备;所述医学影像设备,还用于接收并显示所述图像重建服务器发送的图像。本发明实施例所提供的图像重建系统降低了图像重建的成本,提升了图像重建的速度。

    面向骨科术前规划的植入物特征参数编辑方法

    公开(公告)号:CN108766539A

    公开(公告)日:2018-11-06

    申请号:CN201810466835.4

    申请日:2018-05-16

    IPC分类号: G16H30/40 G16H50/50 G06F17/50

    摘要: 本发明公开了一种面向骨科术前规划的植入物特征参数编辑方法,包括如下步骤:步骤一:构建植入物特征模型库,并根据骨折信息和植入物特征参数对植入物分类;步骤二:根据患者骨骼三维形态参数和骨折类型,从植入物特征模型库中挑选出一个植入物模型;步骤三:调整所挑选植入物模型的特征参数,以使其满足个体患者的应力要求。本发明可为个体患者设计符合其自身解剖特征和病情的植入物,具有快速、高效等特点,设计出的植入物与个体患者匹配度较好,减少固定后复位丢失、骨折不愈合或畸形愈合等一系列术后并发症的发生。