十二指肠胰头图像识别方法和十二指肠胰头图像识别装置

    公开(公告)号:CN113822894B

    公开(公告)日:2022-02-08

    申请号:CN202111415118.7

    申请日:2021-11-25

    Applicant: 武汉大学

    Abstract: 本申请提供一种十二指肠胰头图像识别方法和十二指肠胰头图像识别装置;该十二指肠胰头图像识别方法通过先找到该视频数据中的白光图像,以使白光图像辅助寻找十二指肠降部胰头,在找到白光图像后通过第二图像识别模型对白光图像进行类型识别,确定白光图像的白光类型,并通过第三图像识别模型剔除非标准超声图像,然后通过第四图像识别模型处理标准超声图像得到多个超声类型以及各超声类型的分类置信度,则可以通过白光类型的加权系数以及各超声类型的分类置信度,确定各超声类型的所述标准超声图像的置信值,从而通过白光图像辅助确定了十二指肠降部胰头标准超声图像,更加准确的找到十二指肠降部胰头。

    滑镜风险预警方法、装置及计算机可读存储介质

    公开(公告)号:CN113706536B

    公开(公告)日:2022-01-18

    申请号:CN202111263641.2

    申请日:2021-10-28

    Applicant: 武汉大学

    Abstract: 本申请提供一种滑镜风险预警方法、装置及计算机可读取存储介质,该方法包括获取预设时间段内肠镜检查的目标肠段的多个第一图像信息;基于目标肠段的多个第一图像信息和预先获取的部位激活逻辑信息,确定目标肠段的类别属性;获取目标肠段对应的滑镜风险参数;基于滑镜风险参数和目标肠段的类别属性,对当前肠镜检查进行滑镜风险预警。本申请实施例针对肠镜检查中不同肠段的类别属性,设置了对应的滑镜风险参数,并基于滑镜风险参数和目标肠段的类别属性,对当前肠镜检查进行实时的滑镜风险预警,提高了滑镜风险预警准确率,并且由于实时的滑镜风险预警,使得医师可以根据滑镜风险预警调节退镜节奏,有效降低了滑镜风险。

    一种医学图像识别方法、装置、计算机设备及存储介质

    公开(公告)号:CN113642537B

    公开(公告)日:2022-01-04

    申请号:CN202111194907.2

    申请日:2021-10-14

    Applicant: 武汉大学

    Abstract: 本申请实施例提供了一种医学图像识别方法、装置、计算机设备及存储介质,该方法先获取原始内镜图像及内镜报告信息,并从内镜报告信息中提取病理信息,然后,对原始内镜图像进行分类识别,得到白光图像及NBI图像,接着,将白光图像输入训练好的第一神经网络模型进行特征提取,得到第一特征集,并将NBI图像输入训练好的第二神经网络模型进行特征提取,得到第二特征,最后根据病理信息、第一特征集、第二特征,采用训练好的机器学习分类器中进行识别,得到内镜图像的识别结果,实现了对病理信息、原始内镜图像的多个特征融合,提高了识别准确性,同时通过机器学习分类器进行识别,使得识别结果更加客观,大大提高了医学图像的识别效率。

    设备监测方法和设备监测装置

    公开(公告)号:CN113793334A

    公开(公告)日:2021-12-14

    申请号:CN202111351427.2

    申请日:2021-11-16

    Applicant: 武汉大学

    Abstract: 本申请提供一种设备监测方法和设备监测装置;该设备监测方法通过在设备工作时,获取待监测设备的待处理图像,例如肠镜工作的待处理图像,则可以通过待处理图像以及第一分割模型、第二分割模型和第三分割模型,依次确定载体与待监测设备结合的目标边缘部分、待监测设备的标准坐标线、待监测设备的位置消息,则可以通过待监测设备在不同时间的位置消息以及转换模型,确定待监测设备与载体的相对速度,即在肠镜工作时,能够确定肠镜的退镜速度,且由于该方案通过肠镜的实际长度来确定肠镜的退镜速度,即使在肠镜退镜过程中存在晃动、冲水等干扰因素,仍然可以准确确定肠镜的退镜速度,实现了对肠镜检查过程的退镜速度的监管。

    一种图像分类训练方法、装置、服务器及存储介质

    公开(公告)号:CN113743543A

    公开(公告)日:2021-12-03

    申请号:CN202111302734.1

    申请日:2021-11-05

    Applicant: 武汉大学

    Abstract: 本申请提供一种图像分类训练方法、装置、服务器及存储介质,该方法对神经网络进行训练时,通过梯度激活热力图策略获取图像的预测异常区域标注和真实异常区域标注,根据图像的预测异常区域标注和真实异常区域标注判断损失函数是否满足预设要求;若满足,再次对训练后的神经网络进行基于梯度激活热力图的识别准确度的验证,通过多次验证提高利用神经网络进行图像分类训练的精度。

    一种医学图像识别方法、装置、计算机设备及存储介质

    公开(公告)号:CN113642537A

    公开(公告)日:2021-11-12

    申请号:CN202111194907.2

    申请日:2021-10-14

    Applicant: 武汉大学

    Abstract: 本申请实施例提供了一种医学图像识别方法、装置、计算机设备及存储介质,该方法先获取原始内镜图像及内镜报告信息,并从内镜报告信息中提取病理信息,然后,对原始内镜图像进行分类识别,得到白光图像及NBI图像,接着,将白光图像输入训练好的第一神经网络模型进行特征提取,得到第一特征集,并将NBI图像输入训练好的第二神经网络模型进行特征提取,得到第二特征,最后根据病理信息、第一特征集、第二特征,采用训练好的机器学习分类器中进行识别,得到内镜图像的识别结果,实现了对病理信息、原始内镜图像的多个特征融合,提高了识别准确性,同时通过机器学习分类器进行识别,使得识别结果更加客观,大大提高了医学图像的识别效率。

    对肝门部狭窄在经内镜胆管支架置入术中导丝导航方法及系统

    公开(公告)号:CN110974419A

    公开(公告)日:2020-04-10

    申请号:CN201911349934.5

    申请日:2019-12-24

    Applicant: 武汉大学

    Abstract: 本发明公开了一种对肝门部狭窄在经内镜胆管支架置入术中导丝导航方法及系统,包括以下步骤:S1:接收输入的肝门部胆管狭窄患者的磁共振胰胆管成像图像;S2:基于深度学习的图像分割方法对肝门部胆管狭窄患者磁共振胰胆管成像图像进行图像分割,预测出从胆管末端到肝门狭窄部位的导航线;S3:接收经内镜逆行胰胆管造影术中的实时透视影像;S4:根据磁共振胰胆管成像图像上的胆管的关键点和经内镜逆行胰胆管造影术中透视影像上导丝的关键点,进行两幅影像的配准;S5:显示配准后的复合图像,当复合图像中预测的导航线和插入的导丝不匹配时,改变导丝位置,直到两者相匹配。本发明可引导医生进行胆管插管、帮助医生判断胆管插管是否正确,减少术中造影剂的使用量从而减少术后并发症。

    一种基于深度学习的内镜清洗消毒质量控制系统及方法

    公开(公告)号:CN109740488A

    公开(公告)日:2019-05-10

    申请号:CN201811609481.0

    申请日:2018-12-27

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于深度学习的内镜清洗消毒质量控制系统及方法,系统包括图像采集装置、用户终端、服务端;图像采集装置设置在内镜清洗水槽附近,采集内镜清洗消毒工作人员操作图像,并将采集的图像通过网络传输给用户终端;用户终端将采集的图像通过网络传输给服务端,并接收和显示服务端反馈的分析结果;服务端,采用REST架构,根据从用户终端传输的图像,即时判断内镜清洗消毒工作人员操作图像对应的操作及操作特征,将分析结果反馈给用户终端。本发明对内镜清洗质量进行监控,最终实现了减少医院感染、提高内镜检查质量的目的。

    基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法

    公开(公告)号:CN109447987A

    公开(公告)日:2019-03-08

    申请号:CN201811431014.3

    申请日:2018-11-28

    Abstract: 本发明公开了一种基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法,系统包括肠镜图像自动采集子系统、客户端、服务端和数据库;肠镜图像自动采集子系统用于采集肠镜图像;客户端用于将肠镜图像自动采集子系统采集的肠镜图像上传给服务端,判断图像是否合格、图片是否包含溃疡性结肠炎判别;并接收和显示服务端反馈的分析结果。数据库,用于保存训练卷积神经网络的样本集、采集的保肠镜图像、分析输出的信息。本发明利用图像识别技术,实时监测内镜视频,自动采集包含重点器官部位和可疑病灶区域的影像,利用神经网络模型对图像进行自动图像筛选,能够从全局视频中提取最有价值图像,为医生诊断提供更可靠、高效的支持。

    一种基于深度学习的肠结核辅助诊断系统及方法

    公开(公告)号:CN109411084A

    公开(公告)日:2019-03-01

    申请号:CN201811438397.7

    申请日:2018-11-28

    Abstract: 本发明公开了一种基于深度学习的肠结核辅助诊断系统及方法,系统包括肠镜图像自动采集子系统、客户端、数据库;肠镜图像自动采集子系统用于采集肠镜图像;客户端包括图像预处理模块、卷积神经网络模块、图像展示模块、肠镜报告输出模块;卷积神经网络模块,包括图像合格性判别子模型、图像部位判别子模型、图片是否包含病灶判别子模型;数据库,用于保存用于训练卷积神经网络的样本集,保存肠镜报告输出模块输出的信息。本发明利用图像识别技术,实时监测内镜视频,自动采集包含重点器官部位和可疑病灶区域的影像,并按照加权算法全局择优之后,保存到数据库中。本发明能够从全局视频中提取最有价值图像,为医生诊断提供更可靠、高效的支持。

Patent Agency Ranking