-
公开(公告)号：CN111986148B
公开(公告)日：2024-03-08
申请号：CN202010679683.3
申请日：2020-07-15
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T7/90 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464
-
公开(公告)号：CN111986148A
公开(公告)日：2020-11-24
申请号：CN202010679683.3
申请日：2020-07-15
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
Abstract: 本发明提供了一种前列腺数字病理图像的快速Gleason评分系统，其特征在于，包括：数据预处理单元，用于对前列腺数字病理图像进行数据预处理；加载预训练权重的语义分割网络，用于根据数据预处理单元输出的patch切片输出五通道概率图；Gleason评分单元，对五通道概率图进行后处理后利用ISUP分级规则计算得到前列腺数字病理图像的Gleason评分。本发明使用深度神经网络的技术结合前列腺数字病理图像的特点，快速、自动分析预测Gleason评分，减少主观判断的错误，提供更准确的Gleason评分参考。
-
公开(公告)号：CN116246302A
公开(公告)日：2023-06-09
申请号：CN202211631006.X
申请日：2022-12-19
Applicant: 万达信息股份有限公司
IPC: G06V40/10 , G06V10/10 , G06V10/30 , G06V10/36 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度图像的轻量级多人关键点检测方法，通过提取深度图像不同层次不同尺寸下的特征，可以对多目标人体框和关键点坐标同时准确地预测。本发明针对深度图像数据采用分层法提取不同通道特征，较好的获取了人体区域的信息，去除了冗余背景信息，增加了特征的有效信息含有量，同时减少了采用神经网络提取特征的计算量；本发明提供的检测方法，对深度图像中多人的人体框和关键点同时识别，无需额外的模型预先提取人体框，算法流程简便，运算量低，满足各种低算力设备的轻量化部署要求。
-
公开(公告)号：CN115270865A
公开(公告)日：2022-11-01
申请号：CN202210865992.9
申请日：2022-07-22
Applicant: 万达信息股份有限公司
Abstract: 本发明要解决的技术问题是：现有的基于心脏雷达信号的人员识别方法只使用了原始的心脏位移信号作为认证模型输入，没有对其进行特征提取从而得到具有代表性的特征。为了解决上述技术问题，本发明的一个技术方案是提供了一种基于心脏雷达信号的人员特征提取方法。本发明的另一个技术方案是提供了一种基于心脏雷达信号的人员识别方法，采用上述的基于心脏雷达信号的人员特征提取方法。本发明提出的人员识别方法不依赖视觉特征，不易受到环境改变和人为视觉伪装的影响；本发明只需采集雷达信号，无须录制音视频，能更好地保护被识别者的隐私；本发明使用毫米波雷达采集人员特征，识别过程中不需要被识别者配合，更容易实现无感识别和持续识别。
-
公开(公告)号：CN114299324B
公开(公告)日：2024-03-29
申请号：CN202111456513.X
申请日：2021-12-01
Applicant: 万达信息股份有限公司 , 上海爱可及医疗科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/26 , G06V10/56 , G06V20/69 , G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0985
Abstract: 本发明的一个技术方案是提供了一种基于多尺度域对抗网络的病理图像分类方法。本发明的另一个技术方案是提供了一种基于多尺度域对抗网络的病理图像分类系统，其特征在于，包括：预处理模块；单尺度特征提取模块；总体特征提取模块；多尺度注意力模块；模型评估模块。本发明一方面结合WSI多尺度的特征信息，另一方面利用域对抗网络抑制不同染色效果对预测结果造成的影响，减小病理图像因染色带来的波动性，从而提出以一种模仿病理医生实际操作流程的方式辅助其进行病理图像分类的系统。
-
Patent Agency Ranking
公开(公告)号：CN111986157A
公开(公告)日：2020-11-24
申请号：CN202010703756.8
申请日：2020-07-21
Applicant: 万达信息股份有限公司
Abstract: 本发明提供了一种数字病理图像质量评价系统，其特征在于，包括：数字病理图像预处理模块；污迹检测模块；扫描质量评估模块；评分模块，计算最终有效区域，同时汇集数字病理图像预处理模块、污迹检测模块及扫描质量评估模块给出的各分项检测评分给出病理图质量整体评价。本发明提出了一种数字病理图像质量评价系统，对常规采集的医学病理图像进行统一质量评价，有效去除数字病理图像中无用信息，使医生更专注于有效的病理组织结构，为基于医学病理图像的学术研究提供了可靠的数据保障。
-
公开(公告)号：CN111986157B
公开(公告)日：2024-02-09
申请号：CN202010703756.8
申请日：2020-07-21
Applicant: 万达信息股份有限公司
Abstract: 本发明提供了一种数字病理图像质量评价系统，其特征在于，包括：数字病理图像预处理模块；污迹检测模块；扫描质量评估模块；评分模块，计算最终有效区域，同时汇集数字病理图像预处理模块、污迹检测模块及扫描质量评估模块给出的各分项检测评分给出病理图质量整体评价。本发明提出了一种数字病理图像质量评价系统，对常规采集的医学病理图像进行统一质量评价，有效去除数字病理图像中无用信息，使医生更专注于有效的病理组织结构，为基于医学病理图像的学术研究提供了可靠的数据保障。
-
公开(公告)号：CN111047559B
公开(公告)日：2023-04-18
申请号：CN201911146210.0
申请日：2019-11-21
Applicant: 万达信息股份有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06V10/25 , G06V10/764
Abstract: 本发明涉及一种数字病理切片异常区域快速检测的方法。本发明基于拟蒙特卡洛抽样(quasi‑Monte Carlo sampling)方法，先对整张WSI图像进行采样计算，构建异常区域分类概率的多重二次曲面，计算该ROI区域的概率变化幅度，再对ROI区域概率变化幅度较高的子区域增加采样密度，进一步循环计算，经数次迭代，形成整张WSI的异常区域检测结果。从而，在保证识别准确性的前提下，大大减少WSI异常区域识别的计算成本，加快识别速度、提高识别效率。
-
公开(公告)号：CN115308768A
公开(公告)日：2022-11-08
申请号：CN202210865981.0
申请日：2022-07-22
Applicant: 万达信息股份有限公司
IPC: G01S17/894 , G01S17/48 , G01S7/497 , G01J1/42 , A61B5/11 , G06V10/44 , G06V10/34 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种隐私环境下的智能监护系统，其特征在于，包括信息采集模块、数据预处理模块、智能分析模块：信息采集模块采集环境信息，并基于环境信息形成流数据；数据预处理模块用于将流数据形成具有物理意义的结构化数据；智能分析模块得到人体姿态估计结果和人体行为识别结果。本发明使用无接触式传感器作为环境信息的采集介质，在居家环境中避免了监护带来的隐私侵犯问题；本发明综合使用ToF传感器和红外传感器采集环境信息，可以互补ToF传感器对于人体感知不够敏感和红外传感器无法获取物体三维空间详细位置的缺陷。
-
公开(公告)号：CN114299324A
公开(公告)日：2022-04-08
申请号：CN202111456513.X
申请日：2021-12-01
Applicant: 万达信息股份有限公司 , 上海爱可及医疗科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/26 , G06V10/56 , G06V20/69 , G06T7/00 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明的一个技术方案是提供了一种基于多尺度域对抗网络的病理图像分类方法。本发明的另一个技术方案是提供了一种基于多尺度域对抗网络的病理图像分类系统，其特征在于，包括：预处理模块；单尺度特征提取模块；总体特征提取模块；多尺度注意力模块；模型评估模块。本发明一方面结合WSI多尺度的特征信息，另一方面利用域对抗网络抑制不同染色效果对预测结果造成的影响，减小病理图像因染色带来的波动性，从而提出以一种模仿病理医生实际操作流程的方式辅助其进行病理图像分类的系统。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.032 seconds)
