一种肋骨骨折检出假阳性的抑制方法、装置及设备

    公开(公告)号:CN116128940A

    公开(公告)日:2023-05-16

    申请号:CN202310076846.2

    申请日:2023-01-13

    Abstract: 本说明书实施例公开了一种肋骨骨折检出假阳性的抑制方法、装置及设备。所述方法包括:以病灶所在肋骨分割结果掩模的点云作为源点云;基于对称肋骨的分割结果掩模生成目标点云,将所述源点云与所述目标点云进行配准,获得配准后的对称肋骨图像;以所述病灶所在肋骨图像的病灶检测框及所述配准后的对称肋骨图像的病灶检测框作为输入,输入至预先训练好的假阳性抑制模型,获得所述病灶所在肋骨上的病灶概率,所述预先训练好的假阳性抑制模型是基于ResNet50获得的,能够抑制假阳性检出,提高检测结果的准确性。

    骨密度测量方法、装置、设备及存储介质

    公开(公告)号:CN116109570A

    公开(公告)日:2023-05-12

    申请号:CN202211654203.3

    申请日:2022-12-22

    Abstract: 本公开提供了一种骨密度测量方法、装置、设备及存储介质,通过将初始图像进行预处理,得到待处理图像;将待处理图像输入分割模型得到待处理图像对应的掩码图像,其中,掩码图像包括椎体掩码图像、两类组织掩码图像;根据椎体掩码图像,获取椎体掩码图像中各个子椎体的骨松质掩码图像;通过两类组织掩码图像确定CT测量值和CT真实值之间的函数关系,再基于函数关系,根据椎体掩码图像中各个子椎体的骨松质掩码图像确定各个子椎体的CT真实值,通过各个子椎体的CT真实值确定各个子椎体的骨密度,本实施例通过普通CT就可以实现骨密度测量,无需额外的体膜校正,还能够避免由于各个CT设备和扫描参数不同,导致骨密度值计算准确性低的问题。

    一种医学图像的检测方法及装置

    公开(公告)号:CN113379674B

    公开(公告)日:2022-05-13

    申请号:CN202110468667.4

    申请日:2021-04-28

    Abstract: 本申请公开一种医学图像的检测方法及装置,包括:利用检测网络中的特征分析结构,确定待检测图像对应的第一图像特征;所述特征分析结构包括,第一编码结构和第一解码结构;所述第一解码结构包括通道注意力模块和空间注意力模块;利用所述检测网络中的特征检测结构,根据所述第一图像特征确定所述待检测图像中的第一检测目标;基于上述结构,本申请中检测过程不再需要设定锚定尺寸,而能够针对不同大小的检测目标进行检测,解决现有技术中与锚定尺寸具有较大偏差的检测目标很可能会被漏检的技术问题。

    一种图像处理方法及设备

    公开(公告)号:CN113971658A

    公开(公告)日:2022-01-25

    申请号:CN202111055322.2

    申请日:2021-09-09

    Abstract: 本发明实施例公开了一种图像处理方法,方法包括:获取指定图像,指定图像中包括弯曲部位;根据指定图像中的弯曲部位确定若干第一区域;根据若干第一区域的顺序将第一区域沿指定方向依次排布,获得第二区域;根据第一区域和第二区域的对应关系,将第一区域内的图像填充至第二区域中,获得与弯曲部位对应的拉直图像。

    一种医学图像的检测方法及装置

    公开(公告)号:CN113379674A

    公开(公告)日:2021-09-10

    申请号:CN202110468667.4

    申请日:2021-04-28

    Abstract: 本申请公开一种医学图像的检测方法及装置,包括:利用检测网络中的特征分析结构,确定待检测图像对应的第一图像特征;所述特征分析结构包括,第一编码结构和第一解码结构;所述第一解码结构包括通道注意力模块和空间注意力模块;利用所述检测网络中的特征检测结构,根据所述第一图像特征确定所述待检测图像中的第一检测目标;基于上述结构,本申请中检测过程不再需要设定锚定尺寸,而能够针对不同大小的检测目标进行检测,解决现有技术中与锚定尺寸具有较大偏差的检测目标很可能会被漏检的技术问题。

    实例分割模型的训练方法、装置、电子设备及存储介质

    公开(公告)号:CN115578564B

    公开(公告)日:2023-05-23

    申请号:CN202211308889.0

    申请日:2022-10-25

    Abstract: 本公开提供了一种实例分割模型的训练方法、装置、设备及存储介质,包括:将训练集中的样本图像输入至实例分割模型包括的语义分割子模型中,获取样本图像对应的预测感兴趣区域;基于样本图像对应的预测感兴趣区域,从样本图像中获取对应的语义样本图像;将语义样本图像输入至实例分割模型包括的特征提取子模型中;获取样本图像对应的预测语义分割特征和预测聚类特征;基于预测语义分割特征、标注语义分割特征和预测聚类特征,调整特征提取子模型的参数;其中,所述语义分割特征和所述聚类特征用于确定所述样本图像的至少一个聚类特征,并基于所述至少一个聚类特征,确定所述样本图像的实例分割结果。

Patent Agency Ranking