-
公开(公告)号：CN110674726A
公开(公告)日：2020-01-10
申请号：CN201910891540.6
申请日：2019-09-20
Applicant: 清华大学
Abstract: 本发明提供一种基于目标检测与迁移学习的皮肤病辅助诊断方法及系统，方法包括：采集皮肤图像信息，并对采集到的皮肤图像进行标注及预处理，获取对应的图像数据集；将图像数据集输入智能诊断模型的特征提取网络中，获取与图像数据集中图像对应的特征图像；将特征图像输入智能诊断模型的区域候选网络中，基于区域候选网络确定特征图像的候选区域；将特征图像和候选区域共同输入智能诊断模型的池化层，提取候选区域特征图；基于候选区域特征图，通过智能诊断模型的全连接层输出候选区域的皮肤病类别及概率。利用上述发明能够有效挖掘皮肤图像信息，实现对图像不同种类、不同区域的皮肤病检测。
-
公开(公告)号：CN110473222A
公开(公告)日：2019-11-19
申请号：CN201910589131.0
申请日：2019-07-02
Applicant: 清华大学
Abstract: 本发明公开了一种图像要素提取方法及装置，方法包括：步骤S10，获取待处理图像；步骤S20，对待处理图像进行预处理，得到去噪图像，并得到去噪图像的边缘轮廓图；步骤S30，对经过预处理的图像进行阈值分割，得到分割阈值；步骤S40，利用分割阈值对经过预处理的图像进行二值化处理，得到二值化图像；步骤S50，对二值化图像中的轮廓进行图形学变换处理；步骤S60，获取经过图形学变换处理的图像的轮廓向量，并根据轮廓向量求取圈定轮廓的最小矩形；步骤S70，根据所述最小矩形，提取图像要素。本发明对图像要素的提取具有较高的准确率，并提高图像要素提取的效率。并且，本发明无需多样本进行训练，具有较高的适用性。
-
公开(公告)号：CN110458846A
公开(公告)日：2019-11-15
申请号：CN201910567031.8
申请日：2019-06-27
Applicant: 清华大学
Abstract: 本发明属于生物医学和计算机图像处理技术领域，公开了一种基于图路径搜索和深度学习的细胞图像分割方法，包括采用经过训练的U-net预测模型，进行以下步骤：预测阶段，把待分割的细胞图像输入经过训练的U-net预测模型，预测出待分割细胞的距离图；标注细胞中心，以局部像素值最大的像素点作为细胞中心；搜索路径，搜索两个相邻细胞中心的多条路径，提取路径点的像素值；进行判断，以搜索路径上每个路径点的像素值与细胞中心像素值对比判断两个细胞中心是否属于不同细胞，若不是则进行其他两个相邻细胞中心之间的路径搜索，若是则进入分割处理，重复搜索直至全部搜索完成。本发明可以实现对细胞图像中的粘连细胞进行较好的区分和分割。
-
Patent Agency Ranking
公开(公告)号：CN110263798A
公开(公告)日：2019-09-20
申请号：CN201910546307.4
申请日：2019-06-21
Applicant: 清华大学
Abstract: 本发明公开了一种高分辨率图像纹理特征提取方法，包括：步骤S1，获取待处理图像；步骤S2，设定圆形窗口的半径和在圆形窗口边缘的取点个数；步骤S3，遍历图像中的像素点，以当前像素点为圆心，按照设定半径提取圆形窗口，并按照设定的取点个数在圆形窗口边缘取点；步骤S4，获取圆形窗口边缘取点的像素值，若边缘取点不在格点上，则通过最近邻插值获取所述边缘取点的像素值；步骤S5，将圆心点的像素值与边缘取点的像素值进行比较，获取特征序列；步骤S6，判断是否遍历完所有像素点，若是，则根据获取的特征序列得到纹理信息；若否，则重复步骤S3-S5，直至遍历完所有像素点。本发明可以快速而准确地得到高分辨率图像的纹理特征。
-
公开(公告)号：CN110060157A
公开(公告)日：2019-07-26
申请号：CN201910161482.1
申请日：2019-03-04
Applicant: 清华大学
IPC: G06Q40/04
Abstract: 本发明公开了一种信誉度评估方法及系统。该方法应用于信誉度评估系统，包括：建立账户，参与网络交互的节点创建自己的账户；账户间交易，账户间进行数据传递和金额传递，系统状态更新；账户信誉度更新，账户交易后，互相进行信誉度评价，并形成评价矩阵，运用机器学习的方法，预测网络各账户综合信誉度，系统状态再次更新；生成区块上传，当系统完成信誉度更新后，将这一时间内发生的交易记录和系统状态的改变，打包到一个区块，上传至区块链，使得每个账户所做的交易可被查证且不可更改。本发明提高了信誉度评估的安全性、准确性、可靠性、可扩展性，适用于各类场景建立网络节点信誉度的评估。
-
公开(公告)号：CN110047569A
公开(公告)日：2019-07-23
申请号：CN201910282228.7
申请日：2019-04-09
Applicant: 清华大学
IPC: G16H15/00
Abstract: 本发明公开了一种基于胸片报告生成问答数据集的方法、装置及介质，其中，方法包括以下步骤：步骤S1，获取原始胸片报告；步骤S2，基于词性编码对所述原始胸片报告进行简化处理，得到简化后的胸片报告和对应的词性编码文件；步骤S3，根据简化后的胸片报告和对应的词性编码文件生成胸片报告的问答数据集。本发明能够极大地简化复杂的原始胸片报告，既保留了胸片报告的关键信息，又提高了胸片报告的结构性。并且，基于词性编码的方法具有普遍适用性，只要收集影像报告中的对应词汇，就能够应用于各种影像报告的分析。本发明生成的问答数据集，可以作为公开数据集用于对胸片的研究。
-
公开(公告)号：CN109471895A
公开(公告)日：2019-03-15
申请号：CN201811271476.3
申请日：2018-10-29
Applicant: 清华大学
CPC classification number: G16H10/60
Abstract: 本发明公开了一种电子病历表型抽取、表型名称规范化方法。该方法包括：表型抽取，将病历文本自然语句作为原始数据，采用Bi-LSTM模型和CRF模型做命名实体识别，抽取出表型实体类；以及表型规范化，采用LSTM编码器对每个表型进行编码，计算病历中非标准表型的编码与标准表型编码的余弦相似度，将非标准表型映射到余弦相似度最高的表型。本发明还公开了一种电子病历表型抽取、表型名称规范化系统。本发明提高了电子病历中命名实体识别的准确率、召回正确率、以及对表型映射的准确率；免去了病历结构化过程中人工消耗，提高了病历结构化的效率；能更高效和准确地服务于医学数据挖掘、临床决策支持、临床风险评估等。
-
公开(公告)号：CN108764355A
公开(公告)日：2018-11-06
申请号：CN201810548916.9
申请日：2018-05-31
Applicant: 清华大学
CPC classification number: G06K9/6256 , G06K9/6267 , G06T7/40
Abstract: 本发明公开了一种基于纹理特征分类的图像处理装置包括：图像提取模块，用于获取仅包含股骨头的图像；图像预处理模块，对图像进行灰度量化；特征向量提取模块，用于计算灰度共生矩阵，并提取纹理特征向量；以及特征分类模块，包括分类器构建单元，构建分类器，将纹理特征向量输入构建形成的分类器进行分类，输出分类结果。本发明将医学图像中表述的抽象物理特征数字化，转变为特征向量的形式进行描述，提取图像中的纹理特征，并基于纹理特征进行分类，提高了对图像识别的正确率。本发明还公开了一种基于纹理特征分类的图像处理方法。
-
-
-
-
-
-
-
Search Results
88
records
(took 0.044 seconds)
