-
公开(公告)号：CN108294831A
公开(公告)日：2018-07-20
申请号：CN201810227888.0
申请日：2018-03-20
Applicant: 中南大学湘雅二医院
Abstract: 本发明公开了一种手术器械材料的自动分类和回收系统，包括计算机、运动控制系统、机械臂、重量传感器、监视器、回收盘、回收桶和摄像头，回收盘用于放置各种手术后物体的；摄像头用于拍摄回收盘中的物体的图像，实时监控回收盘的物体变化，捕捉物体形状、色彩等信息将用于计算机识别；回收桶是一个分类的桶，由计算机控制，用于抓取回收盘中的物体。本发明将这些器械材料放置到回收盘上，启动传动带，由机械臂将回收到对应的回收桶中，同时完成计数，从而替代了当前的人工回收，降低了工作强度，通过体感控制、以及图像识别，实现手术室取物、对数的自动化。
-
公开(公告)号：CN114898846B
公开(公告)日：2025-02-14
申请号：CN202210524436.5
申请日：2022-05-13
Applicant: 中南大学
IPC: G16H30/20 , G16H30/40 , G06T3/4053 , G06T3/4038 , G06T3/4046
Abstract: 本发明公开了基于低分辨率成像的数字病理系统，通过扫描病理切片，快速获取低分辨率病理图片，再将病理图像以低分辨率的方式进行存储，在使用时再采用超分辨率图像处理技术构建高分辨率图像，能在保证图片质量的同时，减少图像存储所带来的资源消耗，并且针对使用频率不同的图像进行分类存储，将经常使用的高分辨率图像单独存储，能大大提高检索速度。
-
公开(公告)号：CN115496657A
公开(公告)日：2022-12-20
申请号：CN202211128185.5
申请日：2022-09-16
Applicant: 中南大学
Abstract: 本申请提供了一种低分辨率成像的病理切片数字化方法及系统，该方法包括以下步骤：使用低分辨率和高分辨率成像系统分别对多分辨率定标模板成像，获取低分辨率及高分辨率图像；利用多分辨率定标模板提供的信息，构造高/低分辨率的病理组织的图像对；用多个高/低分辨率图像对以有监督的方式训练超分辨率图像重建算法，建立计算模型；运用低分辨率成像系统对病理切片成像，再利用计算模型，将低分辨率图像转换为高分辨率图像。通过低分辨率成像和计算模型转换，建立了基于低分辨率成像的数字化病理切片新技术，解决了当前高分辨率成像数字化切片的速度慢、局部失焦以及几何畸变的问题，节省了数字化时间，提高了图像质量。
-
公开(公告)号：CN115100064A
公开(公告)日：2022-09-23
申请号：CN202210762365.2
申请日：2022-06-29
Applicant: 中南大学
Abstract: 本发明公开了复杂环境下视频图像混合失真的表示学习方法，从视频中建立混合失真类型相同以及不同的数据集，采用对比学习学习失真表示的方法，从而实现直接从失真的视频图像，对混合失真的自动建模，并在此基础上构建了复杂环境下视频图像混合失真的自动恢复方法，以实现混合失真的自动恢复。
-
公开(公告)号：CN113298940B
公开(公告)日：2022-08-09
申请号：CN202110573384.6
申请日：2021-05-25
Applicant: 中南大学 , 湖南致力工程科技有限公司
Abstract: 本发明公开了援救区域的3D拓扑地图构建方法、系统以及存储介质，通过将援救区域的观察区域分为关键区域与非关键区域，获取援救区域内关键区域的融合深度信息的3D全景图和对应的位置信息，以及非关键区域内的单向图像和对应的位置信息；基于关键区域的位置信息和非关键区域的位置信息，将关键区域和非关键区域的空间位置进行连接，并根据关键区域的3D全景图以及非关键区域内的单向图像构建援救区域的3D拓扑地图。本发明通过对救援现场的关键区域进行360度重点观察，从而使控制者全面了解救援现场的核心区域的环境，进而有效制定援救计划，并且对于连接关键区域的非关键区域，通过只采集单向图像方式来减少观察视角，从而加快环境感知的速度。
-
Patent Agency Ranking
公开(公告)号：CN113298940A
公开(公告)日：2021-08-24
申请号：CN202110573384.6
申请日：2021-05-25
Applicant: 中南大学 , 湖南致力工程科技有限公司
Abstract: 本发明公开了援救区域的3D拓扑地图构建方法、系统以及存储介质，通过将援救区域的观察区域分为关键区域与非关键区域，获取援救区域内关键区域的融合深度信息的3D全景图和对应的位置信息，以及非关键区域内的单向图像和对应的位置信息；基于关键区域的位置信息和非关键区域的位置信息，将关键区域和非关键区域的空间位置进行连接，并根据关键区域的3D全景图以及非关键区域内的单向图像构建援救区域的3D拓扑地图。本发明通过对救援现场的关键区域进行360度重点观察，从而使控制者全面了解救援现场的核心区域的环境，进而有效制定援救计划，并且对于连接关键区域的非关键区域，通过只采集单向图像方式来减少观察视角，从而加快环境感知的速度。
-
公开(公告)号：CN113197558A
公开(公告)日：2021-08-03
申请号：CN202110325026.3
申请日：2021-03-26
Applicant: 中南大学 , 湖南致力工程科技有限公司
IPC: A61B5/0205
Abstract: 本发明涉及图像处理技术领域，公开一种心率与呼吸率检测方法、系统及计算机存储介质，以提高鲁棒性。本发明方法包括：基于额头、左脸颊、右脸颊以及侧脸四个区域进行图像数据集的提取和模型训练，一方面，分析4个感兴趣区域是否移动，排除集合内受到人脸表情、动作和姿势等影响的图像噪声；另一方面，考虑到视频采集的光照是不均匀的，而且是全局低频变化的，局部区域的光照可以认为是一个常数，去除网格数据的均值，也去除了光照的局部常数值，因此通过去均值处理后获得的信号数据序列可以削弱光照不均匀性的影响；再一方面，通过将各个感兴趣区域筛选出的相关性高的数据序列汇总成有效数据序列集合进一步确保了数据的多维性和精准度。
-
公开(公告)号：CN110751172A
公开(公告)日：2020-02-04
申请号：CN201910853703.1
申请日：2019-09-10
Applicant: 中南大学
Abstract: 本发明公开了一种弱监督学习的病理全片图像类别推断方法及其系统，通过将病理全片图像切割成包含不重叠图像块的二维网格图，并在所述二维网格图上使用每个图像块的类别概率向量，构建三维地形轮廓图，再获取所述三维地形轮廓图中的最显著特征峰，根据所述最显著特征峰和\或所述最显著特征峰的特征指标，计算出与所述三维地形轮廓图对应的病理全片图像的类别概率值，并将所述病理全片图像的类别概率值与预设的分类阈值进行对比来判断所述病理全片图像上包含所述三维地形轮廓图的类别，相比起现有技术而言，能依据临床规则，能有效避免假阳性错误，准确的判断出所述病理全片图像的类别。
-
公开(公告)号：CN119295412A
公开(公告)日：2025-01-10
申请号：CN202411419764.4
申请日：2024-10-12
Applicant: 中南大学
IPC: G06T7/00 , G06T7/60 , G06T7/11 , G06T7/73 , G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于病理图像重建的瘤细胞浸润深度预测方法及系统，包括：在病理全片图像上标注浅层区域和深层区域并构建空间关系图；利用浅层区域\深层区域和空间关系图训练图像分割模型和空间关系提取模型；通过图像分割模型得到浅层病理图像和深层病理图像，并通过空间关系提取模型提取浅层病理图像空间关系图；将浅层病理图像和浅层病理图像空间关系图作为输入、深层病理图像作为输出训练得到训练好的信息重建模型；将浅层病理图像输入训练好的空间关系提取模型获得浅层病理图像空间关系图；将浅层病理图像和浅层病理图像的空间关系图输入训练好的信息重建模型中得到深层病理图像，并基于深层病理图像对瘤细胞浸润深度进行预测。
-
公开(公告)号：CN115908283A
公开(公告)日：2023-04-04
申请号：CN202211375557.4
申请日：2022-11-04
Applicant: 中南大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/62 , G06V10/74 , G06V10/82 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于稀疏采样的病理切片多分辨率图像重建方法及系统，用低放大倍率成像系统获取病理切片的低分辨率图像，用高放大倍率成像系统稀疏获取病理切片的少量代表性网格的高分辨率图像块从而减少高放大倍率成像次数，以提高数字化速度且降低数据存储量。通过稀疏采样代表性网格的高分辨率图像块补充低分辨率图像丢失的高分辨率先验信息，用条件向量编码病理切片来源以及制作方法信息，补充低分辨率图像丢失的病理切片先验信息，从而实现在提高病理切片数字化速度且降低数据存储量的同时，提高多分辨重建的高分辨率图像的精确度，满足病理切片数字化所需求的实时性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
