-
公开(公告)号：CN114387257B
公开(公告)日：2024-12-20
申请号：CN202210038764.4
申请日：2022-01-13
Applicant: 上海皓桦科技股份有限公司 , 华东疗养院
IPC: G06T7/00 , G06T7/11 , G06T7/187 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，具体提供一种肺部影像中肺叶区域的分割方法、系统、装置和介质，旨在解决如何对肺部影像中肺叶进行准确分割的问题。为此目的，本发明采用点云神经网络模型对肺裂区域在肺部影像中的三维坐标进行修正，根据修正后的肺裂区域对肺部影像进行肺叶分割，以获得肺叶区域。通过上述配置方式，本发明能够针对肺裂模糊不清、存在副裂以及存在肺部纤维化等情况的肺部影像进行肺裂区域在肺部影像中的三维坐标的修正，使得肺裂区域的预测更为完整且准确，进一步使根据修正后的肺裂区域进行肺叶分割获得的肺叶区域也更加准确。
-
公开(公告)号：CN116844701A
公开(公告)日：2023-10-03
申请号：CN202310813870.X
申请日：2023-07-04
Applicant: 上海皓桦科技股份有限公司
IPC: G16H30/40 , G06V10/764 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/82 , G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，具体提供一种冠状动脉血管的自动分段命名方法、计算机设备及介质，旨在解决现有技术的预测结果易受血管提取质量影响，预测结果的准确性不足的问题。为此目的，本发明提供的冠状动脉血管的自动分段命名方法包括：获取冠状动脉血管的中心线，建立中心线树；通过自注意力机制获取各节点的节点特征；根据各节点的节点特征，预测各节点对应的血管段名称，以及各血管段的血管段名称；获取由不同血管段组成的各条冠状动脉血管的血管名称。基于上述方法，通过自注意力机制可以有效提取出中心线上各节点的关系，受冠状动脉血管的中心线提取质量影响小，能够高效、准确的对冠状动脉血管进行分段命名。
-
公开(公告)号：CN113192201B
公开(公告)日：2023-08-01
申请号：CN202110500509.2
申请日：2021-05-08
Applicant: 上海皓桦科技股份有限公司
Abstract: 本发明涉及点云数据拟合技术领域，具体提供了一种点云数据的数据拟合方法、装置及介质，旨在解决如何提高点云数据拟合的准确度和应用范围的技术问题。为此目的，根据本发明实施例的方法，可以获取待拟合的点云数据，其中，待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据；采用点云数据分析模型对待拟合的点云数据进行坐标数据分析；根据坐标数据分析的结果，获取第二类点云数据中缺失的坐标数据的预测值，根据预测值对第二类点云数据的坐标数据进行补全操作；对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理。通过上述步骤，可以提高点云数据拟合的准确度和应用范围。
-
Patent Agency Ranking
公开(公告)号：CN109934239B
公开(公告)日：2021-09-21
申请号：CN201910173459.4
申请日：2019-03-07
Applicant: 上海皓桦科技股份有限公司
Inventor： 冯建兴
Abstract: 本发明属于图像学习领域，并且具体提供了一种图像特征提取方法，旨在降低图像特征学习对硬件条件的过度依赖，同时提高图像特征学习效果。为此目的，本发明提供的图像特征提取方法主要包括以下步骤：通过预设的卷积神经网络获取目标图像的图像特征；该方法还包括对卷积神经网络进行网络训练，其具体包括获取图像样本集中每个图像样本的相似样本，并且分别对每个图像样本及其对应的相似样本进行图像变换；通过卷积神经网络并且根据图像变换结果获取相应的图像特征；根据目标函数、图像样本及其对应的相似样本的图像特征并利用机器学习算法对卷积神经网络进行网络训练。基于上述步骤，本发明可以保证图像特征的学习效果，又可以降低对硬件条件要求。
-
公开(公告)号：CN113011468A
公开(公告)日：2021-06-22
申请号：CN202110213940.9
申请日：2021-02-25
Applicant: 上海皓桦科技股份有限公司
Inventor： 冯建兴
Abstract: 本发明涉及图像学习技术领域，具体提供了一种图像特征提取方法及装置，旨在解决如何提高图像特征学习的效果的技术问题。为此目的，根据本发明实施例的方法，可以对训练集内的每个图像样本分别进行图像随机变换，以获取每个图像样本对应的一个或多个随机变换图像；分别对每个随机变换图像进行分类，以形成第一图像集和第二图像集；采用图像质量评估模型并且根据每个图像样本，获取每个随机变换图像的质量评估值；根据第一图像集、第二图像集以及每个随机变换图像的质量评估值，对图像特征提取模型进行模型训练；利用训练好的图像特征提取模型对目标图像进行图像特征提取。通过上述步骤，可以提高模型图像特征学习的效果。
-
公开(公告)号：CN109934239A
公开(公告)日：2019-06-25
申请号：CN201910173459.4
申请日：2019-03-07
Applicant: 上海皓桦科技股份有限公司
Inventor： 冯建兴
Abstract: 本发明属于图像学习领域，并且具体提供了一种图像特征提取方法，旨在降低图像特征学习对硬件条件的过度依赖，同时提高图像特征学习效果。为此目的，本发明提供的图像特征提取方法主要包括以下步骤：通过预设的卷积神经网络获取目标图像的图像特征；该方法还包括对卷积神经网络进行网络训练，其具体包括获取图像样本集中每个图像样本的相似样本，并且分别对每个图像样本及其对应的相似样本进行图像变换；通过卷积神经网络并且根据图像变换结果获取相应的图像特征；根据目标函数、图像样本及其对应的相似样本的图像特征并利用机器学习算法对卷积神经网络进行网络训练。基于上述步骤，本发明可以保证图像特征的学习效果，又可以降低对硬件条件要求。
-
公开(公告)号：CN109124662A
公开(公告)日：2019-01-04
申请号：CN201810770823.0
申请日：2018-07-13
Applicant: 上海皓桦科技股份有限公司
IPC: A61B6/00
CPC classification number: A61B6/52
Abstract: 本发明属于图像处理技术领域，具体提供了一种肋骨中心线检测装置及方法，旨在解决现有技术鲁棒性差和计算速度慢的技术问题。为此目的，本发明提供了一种肋骨中心线检测方法，包括：基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据肋骨所在区域获取每根肋骨对应的肋骨区域；获取在目标图像对应的三维空间图像中每个肋骨区域对应的多个特定平面，并且根据特定平面计算相应肋骨区域的重心，将每个肋骨区域的所有重心相连得到相应肋骨的中心线。基于上述步骤，本发明提供的肋骨中心线检测方法可以准确高效地识别出目标图像中肋骨所在区域，可以适应多种异常情况，鲁棒性好，计算速度快。本发明的装置同样具有上述有益效果。
-
公开(公告)号：CN109035141A
公开(公告)日：2018-12-18
申请号：CN201810770785.9
申请日：2018-07-13
Applicant: 上海皓桦科技股份有限公司
CPC classification number: G06T3/4038 , G06T7/33 , G06T7/62 , G06T7/66 , G06T2207/30008
Abstract: 本发明属于图像处理技术领域，具体提供了一种肋骨展开装置及方法，旨在解决现有技术对微小骨折不敏感且计算速度慢的问题。为此目的，本发明提供了一种肋骨展开方法，包括基于预先获取的肋骨中心线获取肋骨中心线上每个特定点对应的第一特定平面；基于肋骨中心线上的特定点对相应的第一特定平面进行极坐标变换得到第二特定平面；获取第二特定平面中每个特定角度对应的像素值最大的像素点，连接像素点与相应的特定点，得到每个特定角度对应的展开线条；将第二特定平面中所有的特定角度对应的展开线条拼接得到肋骨的展开图像。基于上述步骤，本发明提供的方法具有可以准确地发现肋骨中微小的骨折并且计算速度快。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.034 seconds)
