-
公开(公告)号：CN118608487A
公开(公告)日：2024-09-06
申请号：CN202410750838.6
申请日：2024-06-11
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G06T7/00 , G06T7/11 , G06T7/13 , G06V10/774
摘要： 在本说明书提供的一种脑组织摄水率计算方法、程序产品及设备中，确定第一脑部平扫图像中的目标梗死区域，根据该第一脑部平扫图像中左右脑部半球的分界线，在健侧半球中，确定与该目标梗死区域对称的初始健侧区域，并根据该目标梗死区域在患侧半球的占比，对该初始健侧区域的形状或位置中的至少一个进行调整，得到目标健侧区域，进而基于该第一脑部平扫图像中该目标健侧区域的灰度值以及目标梗死区域的灰度值，计算得到脑组织摄水率。通过目标梗死区域在患侧半球的占比，对该初始健侧区域的形状或位置中的至少一个进行调整，得到目标健侧区域，从而降低了脑部结构变形对确定目标健侧区域精确性的影响，提高了脑组织摄水率的准确性。
-
公开(公告)号：CN114169467A
公开(公告)日：2022-03-11
申请号：CN202111619255.2
申请日：2021-12-27
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G06K9/62 , G06T7/11 , G06V10/46 , G06V10/774
摘要： 本发明公开了一种图像标注方法、电子设备及存储介质。其中，图像标注方法包括：获取第一标注图像；调用图像处理模型对所述第一标注图像进行处理，输出处理结果；所述图像处理模型为在预训练模型的基础上基于第二标注图像训练得到，所述预训练模型基于所述第一标注图像和第三标注图像训练得到，第一标注图像为标注规则变化之前进行标注的图像，所述第二标注图像为标注规则变化之后进行标注的图像；根据处理结果中的目标区域利用所述处理结果对所述第一标注图像进行标注。本发明利用图像处理模型对标注规则变化之前标注的第一标注图像进行处理，并根据处理结果中的目标区域利用所述处理结果对第一标注图像重新进行标注，标注效率较高。
-
公开(公告)号：CN117689744A
公开(公告)日：2024-03-12
申请号：CN202211053758.2
申请日：2022-08-30
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G06T11/00 , G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/60
摘要： 本申请涉及一种图像生成方法、计算机设备和存储介质。所述方法包括：获取第一医学图像和预设病灶的掩膜图；将所述第一医学图像和所述掩膜图输入预设的神经网络模型中，得到第二医学图像；所述第二医学图像为包括所述预设病灶的图像；所述神经网络模型为根据第一样本图像、第二样本图像和样本掩膜图对初始神经网络模型进行训练得到的；所述第二样本图像为所述第一样本图像对应的无病灶样本图像；所述样本掩膜图为所述第一样本图像中样本病灶的掩膜图。采用本方法可以能够得到大量的医学图像数据，解决训练卷积神经网络的数据量不足的问题。
-
公开(公告)号：CN116843994A
公开(公告)日：2023-10-03
申请号：CN202310761866.3
申请日：2023-06-26
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G06V10/774 , G06V10/25
摘要： 本说明书公开了一种模型训练方法、装置、存储介质及电子设备。在本说明书提供地模型训练方法中，获取样本医学图像，所述样本医学图像包含处于不同生长阶段的病变组织；根据各样本医学图像中，处于不同生长阶段的病变组织之间的差异，确定标注转移特征；将所述样本医学图像输入待训练的病变发展预测模型中，通过所述病变发展预测模型中的提取层，提取所述样本医学图像的图像特征；通过所述病变发展预测模型中的输出层，根据所述图像特征输出所述病变组织的预测转移特征；以所述预测转移特征与所述标注转移特征之间的差异最小为优化目标，对所述病变发展预测模型进行训练。
-
公开(公告)号：CN114266896A
公开(公告)日：2022-04-01
申请号：CN202111653639.6
申请日：2021-12-30
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G06V10/26 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G16H30/40
摘要： 本发明公开了图像标注方法、模型训练方法及装置、电子设备、介质。该模型训练方法包括：获取包含目标对象的多张图像样本，多张图像样本中的部分图像样本包含第一标注信息，其他图像样本不包含第一标注信息，每张图像样本还包括第二标注信息；将每张图像样本输入标注模型，以由标注模型的标注任务网络生成图像样本的标注任务结果，并由标注模型的判别器预测图像样本是否包含第一标注信息；分别计算标注任务网络的损失误差，和判别器的损失误差；根据标注任务网络的损失误差和判别器的损失误差调节标注模型的网络参数，直至满足迭代停止条件。从而可以提高图像标注的效率，且精确度更高。
-
公开(公告)号：CN116313028A
公开(公告)日：2023-06-23
申请号：CN202211084724.X
申请日：2022-09-06
申请人： 上海联影智能医疗科技有限公司
摘要： 本申请提供了医疗辅助设备、方法及存储介质，所述医疗辅助设备包括存储器和处理器，所述处理器被配置成实现以下步骤：将实时获取的预设区域的视觉检测数据分别输入至物品检测模型和人物检测模型进行检测；将所述视觉检测数据分别输入至各所述对象对应的实例分割模型，以得到各所述对象的实例分割结果；分别对各所述对象进行三维建模，以得到各所述对象的三维模型；对各所述对象的三维模型进行体渲染，以获得各所述对象对应的虚拟对象；利用所述扩展现实设备显示多个所述虚拟对象，以辅助所述目标人员执行手术操作。将医疗AI与XR技术相结合，增加扩展现实设备所呈现的虚拟世界与现实世界的互动，提高手术操作的有效性和安全性。
-
公开(公告)号：CN114972026A
公开(公告)日：2022-08-30
申请号：CN202210585099.0
申请日：2022-05-27
申请人： 上海联影智能医疗科技有限公司
摘要： 本申请涉及一种图像处理方法和存储介质。所述方法包括：将第一医学影像输入预设的第一神经网络模型中，得到分辨率大于第一医学影像的分辨率的第二医学影像；第一神经网络模型为根据样本图像对应的处理后的样本图像块和样本图像对应的金标准图像对第一初始神经网络模型进行训练得到的；处理后的样本图像块为对样本图像的各样本图像块进行第一扩展处理和/或第二扩展处理得到的。采用本方法能够提高第一初始神经网络模型训练的扩展性，进而提高了利用训练得到的第一神经网络模型对第一医学影像进行处理，得到第二医学影像的扩展性。
-
公开(公告)号：CN117132806A
公开(公告)日：2023-11-28
申请号：CN202310967730.8
申请日：2023-08-02
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06V20/70 , G06N20/20
摘要： 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，首先，获取待预测的人体医学图像，将待预测的人体医学图像输入预训练的第一模型，得到第一模型输出的对待预测的人体医学图像进行处理的第一结果。然后，将第一结果输入奖励模型，得到奖励模型输出的第二结果，其中第二结果用于表征第一模型的精度。最后，以提高第二结果的值为目标，对第一模型进行微调训练，得到训练完成的第一模型。该方法通过奖励模型，对第一模型进行微调训练，提高了第一模型的精确度。
-
公开(公告)号：CN116864064A
公开(公告)日：2023-10-10
申请号：CN202310884293.3
申请日：2023-07-18
申请人： 上海联影智能医疗科技有限公司
IPC分类号： G16H15/00 , G16H30/20 , G06T7/00 , G06T7/11 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本说明书公开了一种医学影像报告的生成方法、装置及存储介质，获取患者的医学影像；根据所述医学影像，确定所述医学影像中的感兴趣区域图像；根据所述感兴趣区域图像，确定所述医学影像的影像所见，将所述影像所见输入预先训练的分析模型，获得所述分析模型基于所述影像所见生成的自然语言形式的影像分析结果，根据所述影像分析结果，生成医学影像报告。本方法通过分析模型获取感兴趣区域图像的自然语言形式的影像分析结果，以生成该感兴趣区域图像的医学影像报告，提高了获取患者的医学影像报告的效率。
-
公开(公告)号：CN113361689A
公开(公告)日：2021-09-07
申请号：CN202110642809.4
申请日：2021-06-09
申请人： 上海联影智能医疗科技有限公司
摘要： 本发明公开了一种超分辨率重建网络模型的训练方法和扫描图像处理方法，训练方法包括：获取低分辨率训练图像和与对应的高分辨率训练图像；将低分辨率训练图像输入至待训练的超分辨率重建网络模型；通过超分辨率重建网络模型对低分辨率训练图像进行图像重建处理以获取与低分辨率训练图像对应的超分辨率训练图像；计算超分辨率及高分辨率训练图像之间的第一损失；从超分辨率训练图像中识别出注意力区域并从高分辨率训练图像中识别出同样的注意力区域，计算识别出注意力区域的超分辨率及高分辨率训练图像之间的第二损失；根据第一及第二损失训练超分辨率重建网络模型。本发明可以灵活选择图像细节恢复，明显提升了对图像关注区域的还原效果。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.028 秒)
