-
公开(公告)号：CN112348860A
公开(公告)日：2021-02-09
申请号：CN202011161676.0
申请日：2020-10-27
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像数据处理领域，具体涉及了一种用于血管内动脉瘤手术的血管配准方法、系统和装置，旨在解决现有的图像配准技术生成的配准图像较为模糊，耗时长干扰多的问题。本发明包括：将获取的CTA图像转化为主动脉血管三维图像，并进一步转化为主动脉血管二维图像，同时将DSA图像转化为主动脉血管二值图像，通过基于回归器子网络、空间变换子网络和重采样子网络构建的基于深度学习的血管配准网络获取配准后的图像。本发明仅可以解决术中DSA影像模糊的问题，还能够在目前X光透射图像中更快速和准确的找到腹主动脉瘤位置，可以达到在血管内动脉瘤修复手术中实时协助医生的要求。
-
公开(公告)号：CN111985485A
公开(公告)日：2020-11-24
申请号：CN202010858840.7
申请日：2020-08-24
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像识别领域，具体涉及了一种基于金字塔形注意力循环网络的手术介入器械追踪方法，旨在解决现有技术无法实时并且精确地依据手术中X光透射图像对手术的介入器械进行追踪的问题。本发明包括：通过获取X光透射待检测视频序列并基于待检测视频序列通过基于深度学习的金字塔形注意力循环网络生成显示手术介入器械的二值分割掩膜序列，将显示手术介入器械的二值分割掩膜覆盖在待检测视频序列上生成显示手术介入器械的视频序列。本发明通过金字塔形注意力块分级提取图像特征再通过循环上采样块降低图像的特征损失，避免了边缘像素的错误分类提高了手术介入器械追踪的精确度。
-
公开(公告)号：CN119919773A
公开(公告)日：2025-05-02
申请号：CN202510402251.0
申请日：2025-04-01
Applicant: 中国科学院自动化研究所 , 北京科技大学 , 中国医学科学院北京协和医院
IPC: G06V10/82 , G06V10/80 , G06V10/52 , G06V10/42 , G06V10/44 , G06V10/62 , G06V20/40 , G06V10/26 , G06V40/14 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06N3/048
Abstract: 本公开提供血管识别模型的训练方法、血管识别方法、装置、电子设备、存储介质和计算机程序产品，包括：将每个影像组输入对应的MSFUnet网络；将与多个MSFUnet网络对应的多个第一血管识别结果输入LSTM网络；基于每个MSFUnet网络输出的第一血管识别结果以及第一影像标签，计算第一损失；基于LSTM网络输出的血管识别最终结果以及第二影像标签，计算第二损失；通过基于第一损失调整MSFUnet网络的参数，并基于第二损失调整LSTM网络的参数。通过使用多帧融合算法L‑MSFUnet，即通过使用多张血管造影图像来进行血管识别，所考虑的数据量更多、数据内容更丰富，进而可以保证生成覆盖更全面的腹主动脉血管树，即可以有效提高血管识别的准确性。
-
公开(公告)号：CN112348860B
公开(公告)日：2022-08-16
申请号：CN202011161676.0
申请日：2020-10-27
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像数据处理领域，具体涉及了一种用于血管内动脉瘤手术的血管配准方法、系统和装置，旨在解决现有的图像配准技术生成的配准图像较为模糊，耗时长干扰多的问题。本发明包括：将获取的CTA图像转化为主动脉血管三维图像，并进一步转化为主动脉血管二维图像，同时将DSA图像转化为主动脉血管二值图像，通过基于回归器子网络、空间变换子网络和重采样子网络构建的基于深度学习的血管配准网络获取配准后的图像。本发明仅可以解决术中DSA影像模糊的问题，还能够在目前X光透射图像中更快速和准确的找到腹主动脉瘤位置，可以达到在血管内动脉瘤修复手术中实时协助医生的要求。
-
公开(公告)号：CN113538475B
公开(公告)日：2022-03-25
申请号：CN202110815335.9
申请日：2021-07-19
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像分析领域，具体涉及了一种基于多任务算法的实时多器械分割方法和系统，旨在解决现有的X涉嫌图像器械分割无法同时分割出多种器械、透视图像中多种器械像素重叠和实时性差的问题。本发明包括：获取X光视频序列，作为被测视频序列，基于所述被测视频序列，通过训练好的基于多任务学习的轻量级深度特征细化网络获取预设类别器械的预测分割结果。本发明的基于多任务学习的轻量级深度特征细化网络通过添加特征细化模块和通道标定模块，并结合混合损失函数、交叉熵损失函数和多任务损失函数，实现了在X射线图像中进行实时多仪器分割，解决了同时仪器分割的像素重叠的问题，提高了预测分割的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113538475A
公开(公告)日：2021-10-22
申请号：CN202110815335.9
申请日：2021-07-19
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像分析领域，具体涉及了一种基于多任务算法的实时多器械分割方法和系统，旨在解决现有的X涉嫌图像器械分割无法同时分割出多种器械、透视图像中多种器械像素重叠和实时性差的问题。本发明包括：获取X光视频序列，作为被测视频序列，基于所述被测视频序列，通过训练好的基于多任务学习的轻量级深度特征细化网络获取预设类别器械的预测分割结果。本发明的基于多任务学习的轻量级深度特征细化网络通过添加特征细化模块和通道标定模块，并结合混合损失函数、交叉熵损失函数和多任务损失函数，实现了在X射线图像中进行实时多仪器分割，解决了同时仪器分割的像素重叠的问题，提高了预测分割的准确性和鲁棒性。
-
公开(公告)号：CN119888147A
公开(公告)日：2025-04-25
申请号：CN202411670917.2
申请日：2024-11-21
Applicant: 中国科学院自动化研究所
IPC: G06T19/20 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种三维影像数据分割方法及系统，属于图像处理技术领域，包括：将三维影像数据输入至第一分割网络，得到初步三维分割结果；将初步三维分割结果与三维影像数据在通道维度进行拼接，得到融合数据；将融合数据输入至第二分割网络，得到最终三维分割结果；其中，第二分割网络用于对融合数据进行处理，以纠正初步三维分割结果中的分割错误。本发明通过构建两阶段分割网络，将初步分割结果与原始影像数据融合，利用第二分割网络针对假阳性、连续性差和边界不精准等分割错误进行优化，从而显著提升三维影像数据的分割精度和鲁棒性。
-
公开(公告)号：CN119867870A
公开(公告)日：2025-04-25
申请号：CN202510262422.4
申请日：2025-03-06
Applicant: 中国科学院自动化研究所 , 首都医科大学附属北京朝阳医院 , 首都医学科学创新中心
Abstract: 本公开提供了一种手术机器人及其磨骨装置，磨骨装置包括：固定支架，固定支架构造出容纳空间；可移动件，设于容纳空间内；导向组件，与固定支架相连接，导向组件穿过可移动件，以限定可移动件的移动方向；减振组件，连接在固定支架与可移动件之间；和磨骨钻头，与可移动件相连接，磨骨钻头从固定支架未与减振组件相连接的一端伸出容纳空间。该磨骨装置能够实现多个功能结构的可靠配合，减振组件能够减少磨骨钻头的振动干扰对手术精度的影响，也有助于提升操作安全性，降低手术风险。
-
公开(公告)号：CN119610140A
公开(公告)日：2025-03-14
申请号：CN202510154649.7
申请日：2025-02-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种外骨骼机器人控制方法、系统、电子设备及存储介质，涉及机器人辅助技术领域，该方法包括：基于目标用户佩戴外骨骼机器人时的步行过程，获取所述目标用户在当前时刻产生的髋关节实际角度数据；确定所述当前时刻对应的髋关节参考角度数据，并根据所述髋关节实际角度数据和所述髋关节参考角度数据，生成所述当前时刻对应的辅助力调整数据；基于所述辅助力调整数据，驱动所述外骨骼机器人的辅助力执行单元产生对应的辅助力。本发明可提供个性化的步态康复训练，同时确保步态康复训练的效率和安全性。
-
公开(公告)号：CN119548152A
公开(公告)日：2025-03-04
申请号：CN202411463918.X
申请日：2024-10-18
Applicant: 中国科学院自动化研究所 , 中国人民解放军总医院
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F18/241 , G06N3/049 , G06N3/084 , G06N3/0495
Abstract: 一种基于脉冲神经网络的人脑电图信号识别方法及相关设备，涉及人脑电图信号处理技术领域。其中，方法包括：获取目标人脑电图信号；将所述目标人脑电图信号输入至脉冲神经网络，获取所述脉冲神经网络输出的识别结果；其中，所述识别结果由所述脉冲神经网络基于目标脉冲信号解码得到，所述目标脉冲信号由所述目标人脑电图信号对应的突触电流持续刺激所述脉冲神经网络中的神经元产生，所述脉冲神经网络通过训练得到。实施本发明提供的技术方案，可以降低人脑电图信号处理的计算量和能耗。
-
-
-
-
-
-
-
-
-
Search Results
378
records
(took 0.059 seconds)
