-
公开(公告)号：CN117951728A
公开(公告)日：2024-04-30
申请号：CN202311681162.1
申请日：2023-12-08
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明提供了一种超声心动图DICOM文件批量脱敏及格式转换方法，包括：获取待处理DICOM文件；对所述待处理DICOM文件进行脱敏操作，得到脱敏后的DICOM文件；基于自适应掩膜图像和先验掩膜图像提取所述脱敏后的DICOM文件的感兴趣区域，得到感兴趣DICOM文件；根据DICOM图像输出格式，对所述感兴趣DICOM文件进行编码和图像像素信息处理，得到指定存储格式的感兴趣DICOM文件。本发明解决了现有技术中DICOM数据分析效率低及其数据易用性低下的问题。
-
公开(公告)号：CN119649101A
公开(公告)日：2025-03-18
申请号：CN202411691669.X
申请日：2024-11-22
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种医学图像识别模型的训练方法及系统，具体涉及图像处理技术领域，包括以下步骤：特征提取器训练：获取训练集样本图像，并将训练样本图像输入网络模型中；经过网络模型前向传播，计算输出层输出与目标标签之间的误差；判断网络模型是否收敛，若网络模型收敛，则得到特征提取器训练后的网络模型；分类器训练：将训练图像输入特征提取训练完成后的特征提取器中。本发明采用的分类器从概率密度函数出发，利用训练样本直接计算出因变量对自变量的回归值，无需进行迭代操作，耗时较短，且计算效率上较为理想，分类模型的分类处理能力得到保证，切模型训练过程的收敛速度较快，提升识别模型的识别精度，实时性和准确性更加。
-
Patent Agency Ranking
公开(公告)号：CN119478594A
公开(公告)日：2025-02-18
申请号：CN202411545978.6
申请日：2024-10-31
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06V10/776 , G06V10/764 , G06V10/74 , G06V10/82 , G06V10/80 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种超声图像切面参数评价系统，属于超声检测技术领域，其包括数据集获取模块、分类识别模块、匹配模块、参数提取模块、神经网络训练单元和评价分析单元。通过参数提取模块进行基于统计的参数提取、基于结构相似度的参数提取以及基于自然场景分析的参数提取，因而能够从不同角度提取切面图像质量参数，融合不同参数优势带入神经网络训练单元进行识别验证，其次将输出结果输入至评价分析单元进行计算分析，进行随机分配节点参数、计算隐含层的输出矩阵以及求解输出权重，输出的结果用以表示超声图像切面参数评价值，摒弃传统采用单个切面参数进行评价分析的方式，大大提高评价准确性。
-
公开(公告)号：CN119380071A
公开(公告)日：2025-01-28
申请号：CN202411304357.9
申请日：2024-09-18
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06V10/764 , G06V10/774 , G06V10/34
Abstract: 本发明公开了一种医疗超声图像切面自动分类方法，具体涉及超声图像处理技术领域，通过从不同类别的预处理图像随机选取M个图像作为训练样本，并且对每个训练样本的特征进行归一化处理，并进行特征权重计算，将特征权重赋予训练集每个样本进行计算，得到每个样本的加权特征的权重，采用加权特征的权重训练SVM分类模型，根据图像低层特征分布的离散程度来衡量特征相对应类别的重要性，增加相关度高的特征权重，降低相关度低的特征权重，避免后续模型被弱相关或不想管的特征所支配，本发明通过为每个类别选择出适合自身的特征权重，将加权特征嵌入至SVM分类模型中用于图像分类，能够降低SVM分类模型的复杂程度，提高切面图像分类的准确性。
-
公开(公告)号：CN119006512A
公开(公告)日：2024-11-22
申请号：CN202411073978.0
申请日：2024-08-06
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了一种基于医疗风险的图像分割方法及系统，具体涉及图像处理技术领域，包括以下步骤：基于医疗成像设备获得待处理的医疗图像数据；将待处理医疗图像进行降噪和增强处理；将降噪和增强处理后的医疗图像采用分割算法进行分割。本发明通过采用分割算法对图像进行分割，可以更为清晰的将图像中的前景和背景进行分离，分割效果清楚明显的得到治疗过程所需的图像部分，降低识别其他无关信息所需的时间，且降低其他信息造成的错误引导，使医疗图像数据的读取更为精准快捷，且在一定程度上降低图像信息误读带来的医疗风险。
-
公开(公告)号：CN119418878A
公开(公告)日：2025-02-11
申请号：CN202411466388.4
申请日：2024-10-18
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了一种医疗影像标注系统及方法，属于医疗影像处理技术领域，通过将上传的医疗影像进行解析及预处理，根据预设的任务分配策略，将预处理后医疗影像的标注作业分发至指定人员，向指定人员提供标注流程，根据标注流程完成医疗影像标的标注作业，其次对已标注医疗影像进行多特征提取，采用欧氏距离法进行影像特征相似性度量的特征匹配并且进行自动标注，将欧氏距离最小的影像的关键字赋给待标注影像，显示与待标注影像最相近的多幅图像，因而能够将影像的视觉特征转换为影像的标注字信息，无需依赖大量专业的医生进行辅助判断，为用户的使用及检索带来极大的便利，提高标注效率以及使用灵活性。
-
公开(公告)号：CN116704305A
公开(公告)日：2023-09-05
申请号：CN202310733977.3
申请日：2023-06-20
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种基于深度学习算法的超声心动图多模态多切面分类方法，包括：采集成人超声心动图视频及图像，对其进行预处理，对预处理后的成人超声心动图视频及图像进行标注，生成成人超声心动图数据集，将成人超声心动图数据集划分为训练集、验证集及测试集。基于ResNet网络构建成人超声心动图切面分类模型，并通过训练集对其进行训练，通过验证集筛选最佳分类模型，基于测试集，对最佳成人超声心动图切面分类模型进行性能评估，将待测图像或视频输入成人超声心动图切面分类模型中，得到分类结果。本发明提供的基于深度学习算法的超声心动图多模态多切面分类方法，能够实现超声心动图多模态多切面的自动分类，分类精度高，省时省力。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
