-
公开(公告)号：CN213311231U
公开(公告)日：2021-06-01
申请号：CN202021738361.3
申请日：2020-08-19
IPC: A61G12/00
Abstract: 本实用新型公开了一种计算机控制的医疗巡诊装置，包括外壳、显示屏、摄像头、电机和气囊圈，所述外壳的顶部设置有显示屏，所述外壳的中部设置有隔板，所述推板的后端连接有连接柱，所述推板的后方设置有挤压板，所述挤压板的上方连接有第一伸缩杆，所述外壳的后侧中部设置有轴杆，且轴杆的外侧包裹有传送带，所述传送带的后侧设置有气囊圈，且气囊圈的内部设置有转轴，所述转轴的下端连接有电机，且电机的外侧包裹有滑动杆，并且滑动杆的顶端连接有第三伸缩杆。该计算机控制的医疗巡诊装置，便于携带大量药物，且方便对药物进行分类管理，并方便将药物推出供病人拿取，且节省制造成本，从而更加的方便医院使用。
-
公开(公告)号：CN117036909A
公开(公告)日：2023-11-10
申请号：CN202311054936.8
申请日：2023-08-22
Applicant: 哈尔滨医科大学
IPC: G06V10/82 , G06V10/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于YOLOv5的外科医疗器械识别和计数的方法，包括步骤：1.前端采集系统获取所要进行识别与计数的外科医疗器械图片。2.采用Django框架将采集到的图片传给后端指定文件夹。3通过预先训练好的模型同时对外科医疗器械种类进行识别与计数。4将返回算法识别结果与准确度呈现在前端页面上。这种方法可以在手机的微信小程序实现，本发明适用核对手术前后、消毒前后、打包前后等的无菌整包器械的类别与数量是否保持一致。目的是避免很多医疗工作者进行人工多次核对，识别系统可以大幅度提高工作效率与周转效率，节省时间，为医疗工作者提供便利。对于外科手术器械的清点工作和识别分类研究具有良好的辅助支持作用。
-
公开(公告)号：CN119693391A
公开(公告)日：2025-03-25
申请号：CN202411772142.X
申请日：2024-12-04
Applicant: 哈尔滨医科大学
Abstract: 一种基于自监督学习的冠脉及冠周脂肪组织分割系统，它属于医学图像分析技术领域。本发明解决了现有监督学习模型需要依赖于大规模标注数据集的问题。本发明通过冠状动脉CT造影技术获取CCTA影像，采用自监督学习方式在未注释的CCTA影像上预训练冠脉分割模型，使模型学习到丰富的特征表示；随后在注释数据上进行冠脉分割模型微调，从而减少了对大规模标注数据集的依赖。冠周脂肪分割算法采用传统图像处理算法，无需注释并且节省了网络训练成本。本发明构建一个高效的分割框架，解决了现有冠状动脉及周边脂肪组织分割工作中所需的高成本问题。本发明方法可以应用于冠脉及冠周脂肪组织分割。
-
公开(公告)号：CN118447994B
公开(公告)日：2025-05-16
申请号：CN202410654310.9
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G16H15/00 , G06T9/00 , G06F40/126 , G06F40/30 , G06V10/74
Abstract: 一种基于医学图像和疾病属性描述对的诊断报告生成系统，它属于医学图像处理领域。本发明解决了通过医务人员对图像进行分析来获得诊断报告的方式存在准确率和效率低的问题。本发明采用先进的大语言模型对诊断报告进行深度疾病信息提取，并通过注入医学领域的知识，进一步增强模型对不同疾病类别视觉属性的理解能力，将这些知识成功应用于未知类别的学习中。通过构建描述图像与疾病之间相关性的语义相似度矩阵，以实现更精准的对比学习，作为一种高效且精确的医学视觉‑语言预训练方法，本发明通过利用自然配对的医学图像和诊断报告数据，显著地提升了医学图像分析任务的效率和准确性。本发明方法可以应用于医学图像诊断报告生成。
-
公开(公告)号：CN118247374A
公开(公告)日：2024-06-25
申请号：CN202410414616.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学
IPC: G06T11/00 , G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/047 , G06N3/094 , G06N3/084 , G16H30/20
Abstract: 一种基于对抗概率扩散模型的医学图像生成方法，它属于图像生成技术领域。本发明解决了现有医学图像生成方法存在的生成图像效率低、清晰度低以及无法确保真实性的问题。本发明具体为：步骤S1、分别统计每张患病医学图像中病灶区域所占的像素数量；步骤S2、分别为每张患病医学图像生成病灶区域所占像素数量的变化序列；步骤S3、构建医学图像生成模型，利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练；步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入，生成患病医学图像。本发明可以应用于图像生成技术领域。
-
Patent Agency Ranking
公开(公告)号：CN118447305A
公开(公告)日：2024-08-06
申请号：CN202410547826.3
申请日：2024-05-06
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06F18/22 , G06V10/774 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/098
Abstract: 一种基于多任务学习的痤疮严重程度自动分级系统，它属于医学图像处理领域。本发明解决了现有痤疮严重程度分级方法的准确率且效率低的问题。本发明通过设计序列树构建方法可以构建合适的序列树，并大幅度降低了寻找合适序列树的时间成本，提升了分级的效率。通过引入标签分布学习，并将标签分布学习与序列树进行结合，可以更好地区分相邻的痤疮严重程度，解决了相邻痤疮严重程度难以区分的问题，显著提升了痤疮严重程度整体分级的效果，保证了痤疮严重程度分级的准确率。本发明方法可以应用于痤疮严重程度分级。
-
公开(公告)号：CN118247374B
公开(公告)日：2025-05-16
申请号：CN202410414616.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学
IPC: G06T11/00 , G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/047 , G06N3/094 , G06N3/084 , G16H30/20
Abstract: 一种基于对抗概率扩散模型的医学图像生成方法，它属于图像生成技术领域。本发明解决了现有医学图像生成方法存在的生成图像效率低、清晰度低以及无法确保真实性的问题。本发明具体为：步骤S1、分别统计每张患病医学图像中病灶区域所占的像素数量；步骤S2、分别为每张患病医学图像生成病灶区域所占像素数量的变化序列；步骤S3、构建医学图像生成模型，利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练；步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入，生成患病医学图像。本发明可以应用于图像生成技术领域。
-
公开(公告)号：CN119887792A
公开(公告)日：2025-04-25
申请号：CN202510069480.5
申请日：2025-01-16
Applicant: 哈尔滨工业大学
IPC: G06T7/10 , G06T5/70 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/0895 , G06N5/04
Abstract: 一种基于先验引导扩散模型的不确定性医学图像分割系统及方法，它属于医学图像分割技术领域。本发明解决了现有扩散模型的推理过程慢的问题。本发明在先验阶段生成距离目标分布更近的中间分布，后续在全部预测结果的推理过程中均共享先验阶段生成的中间分布，使全部预测结果的推理过程都从相同的中间分布开始，不但避免了冗余的推理过程，并且先验阶段中先验网络的推理速度还显著快于扩散模型的推理过程，从而大幅实现推理过程的加速。而后使用带有额外分割监督的流匹配扩散模型进行多预测结果生成，流匹配的扩散路径在隐空间中是一条直线，这使得流匹配能够使用更少的推理步数就能达到良好的推理效果。本发明方法可以应用于医学图像分割。
-
公开(公告)号：CN118447994A
公开(公告)日：2024-08-06
申请号：CN202410654310.9
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G16H15/00 , G06T9/00 , G06F40/126 , G06F40/30 , G06V10/74
Abstract: 一种基于医学图像和疾病属性描述对的诊断报告生成系统，它属于医学图像处理领域。本发明解决了通过医务人员对图像进行分析来获得诊断报告的方式存在准确率和效率低的问题。本发明采用先进的大语言模型对诊断报告进行深度疾病信息提取，并通过注入医学领域的知识，进一步增强模型对不同疾病类别视觉属性的理解能力，将这些知识成功应用于未知类别的学习中。通过构建描述图像与疾病之间相关性的语义相似度矩阵，以实现更精准的对比学习，作为一种高效且精确的医学视觉‑语言预训练方法，本发明通过利用自然配对的医学图像和诊断报告数据，显著地提升了医学图像分析任务的效率和准确性。本发明方法可以应用于医学图像诊断报告生成。
-
公开(公告)号：CN206120445U
公开(公告)日：2017-04-26
申请号：CN201620801904.9
申请日：2016-07-22
Applicant: 哈尔滨医科大学
Abstract: 本实用新型公开了一种基于CT三维重建的3D打印装置，它涉及医疗用具技术领域；机架的底部安装有支撑脚，机架的后侧壁上安装有三轴机械手，三轴机械手上安装有喷头机构，且喷头机构与送料机构连接，且送料机构安装在机架的后端，机架的上端安装有散热器，机架的前端安装有机械门，PC主控器安装在机架的前端，且PC主控器上安装有操作面板，PC主控器的输入端与CT图像传输连接器连接，机架内部的下端安装有旋转电机，且旋转电机的转轴上安装有工作台，工作台的内部安装有加热机构；本实用新型便于实现快速打印模型，使得观察时更直观，使用方便，操作简便，工作效率高，节省时间。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.048 seconds)
