-
公开(公告)号：CN114241582B
公开(公告)日：2024-05-10
申请号：CN202210037248.X
申请日：2022-01-13
Applicant: 季华实验室
IPC: G06V40/16 , G06F18/213 , G06F18/24 , A61B5/026 , A61B5/00
Abstract: 本申请属于图像处理技术领域，公开了一种血液微循环热力图获取方法、装置、电子设备及存储介质，通过获取被测者的面部视频信息；对面部视频信息中的图像序列进行第一掩膜处理，得到第一面部图像序列；通过滑窗方式获取第一面部图像序列的第一AC值矩阵；提取最大的第一AC值作为AC值阈值；对面部视频信息中的图像序列进行第二掩膜处理，得到第二面部图像序列；通过滑窗方式获取第二面部图像序列的第二AC值矩阵；对比第二AC值矩阵中各第二AC值与AC值阈值以修正第二AC值矩阵；根据修正后的第二AC值矩阵生成血液微循环热力图；从而可得到能够清晰看出面部不同区域的血液微循环状态的图像。
-
公开(公告)号：CN117593768B
公开(公告)日：2024-05-07
申请号：CN202410083984.8
申请日：2024-01-19
Applicant: 季华实验室
IPC: G06V40/10 , G06N3/0464 , G06V10/25 , G06V10/774 , G06V10/82 , G06V20/70 , G06V40/16 , A61B5/00
Abstract: 本发明涉及图像处理技术领域，具体公开了一种咽喉定位模型训练方法、装置、电子设备及存储介质，其中，咽喉定位模型训练方法包括步骤：S1、基于公共数据集获取人脸数据集；S2、基于喉结识别模型对人脸数据集进行分类以获取有喉结数据集和无喉结数据集；S3、基于有喉结数据集和无喉结数据集分别训练两个咽喉定位模型，并获取两个咽喉定位模型的输出数据集；S4、获取修正处理后的输出数据集以作为新的人脸数据集；S5、重复执行步骤S2‑步骤S4以获取训练后的咽喉定位模型；该咽喉定位模型训练方法有效减少了人工标注标签的时间，提高了咽喉定位模型的训练效率，且训练获取的咽喉定位模型能准确地进行咽喉定位。
-
公开(公告)号：CN117593768A
公开(公告)日：2024-02-23
申请号：CN202410083984.8
申请日：2024-01-19
Applicant: 季华实验室
IPC: G06V40/10 , G06N3/0464 , G06V10/25 , G06V10/774 , G06V10/82 , G06V20/70 , G06V40/16 , A61B5/00
Abstract: 本发明涉及图像处理技术领域，具体公开了一种咽喉定位模型训练方法、装置、电子设备及存储介质，其中，咽喉定位模型训练方法包括步骤：S1、基于公共数据集获取人脸数据集；S2、基于喉结识别模型对人脸数据集进行分类以获取有喉结数据集和无喉结数据集；S3、基于有喉结数据集和无喉结数据集分别训练两个咽喉定位模型，并获取两个咽喉定位模型的输出数据集；S4、获取修正处理后的输出数据集以作为新的人脸数据集；S5、重复执行步骤S2‑步骤S4以获取训练后的咽喉定位模型；该咽喉定位模型训练方法有效减少了人工标注标签的时间，提高了咽喉定位模型的训练效率，且训练获取的咽喉定位模型能准确地进行咽喉定位。
-
公开(公告)号：CN114041758B
公开(公告)日：2022-05-03
申请号：CN202210011181.2
申请日：2022-01-06
Applicant: 季华实验室
IPC: A61B5/00 , A61B5/02 , G06T7/00 , G06T7/73 , G06V10/44 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请属于中医脉诊技术领域，公开了一种桡动脉触诊定位方法、装置、电子设备和存储介质，通过获取被测者手腕的近红外视频信息；对所述近红外视频信息的各帧图像进行绿色信道图像的提取，得到单通道视频数据；对所述单通道视频数据进行像素值归一化处理，得到待检测视频数据；把所述待检测视频数据输入到预先训练好的三维卷积神经网络模型，得到所述被测者的桡动脉坐标；由于被测者心室的收缩和舒张会产生有节奏的循环变化，这一变化会进一步导致手腕桡动脉处产生明显的周期跳动信号，通过三维卷积神经网络模型可对手腕的视频数据进行时间和空间特征的提取，以完成视频数据到空间坐标的映射，从而可实现无接触的对桡动脉的精准定位。
-
公开(公告)号：CN117617910B
公开(公告)日：2024-04-05
申请号：CN202410094128.2
申请日：2024-01-23
Applicant: 季华实验室
Abstract: 本申请涉及脉诊机器人技术领域，具体提供了一种脉搏定位模型训练方法、电子设备及存储介质，该方法包括以下步骤：根据手腕图像信息获取初步脉搏位置信息；基于初步脉搏位置信息控制机械臂移动至初步脉搏位置信息上方，并获取手腕超声图像信息；基于预先训练好的动脉定位模型和手腕超声图像信息获取桡动脉位置信息真实值；基于桡动脉位置信息真实值标记手腕图像信息中的脉搏位置真实值；利用标记后的手腕图像信息训练脉搏定位模型；该方法能够有效地提高脉搏定位模型的预测精度和解决由于需要通过人工的方式标记脉搏位置而导致劳动强度大以及由于脉搏定位不准确，机械臂上的传感器无法正确接触到脉搏而导致无法采集到脉诊信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN117617910A
公开(公告)日：2024-03-01
申请号：CN202410094128.2
申请日：2024-01-23
Applicant: 季华实验室
Abstract: 本申请涉及脉诊机器人技术领域，具体提供了一种脉搏定位模型训练方法、电子设备及存储介质，该方法包括以下步骤：根据手腕图像信息获取初步脉搏位置信息；基于初步脉搏位置信息控制机械臂移动至初步脉搏位置信息上方，并获取手腕超声图像信息；基于预先训练好的动脉定位模型和手腕超声图像信息获取桡动脉位置信息真实值；基于桡动脉位置信息真实值标记手腕图像信息中的脉搏位置真实值；利用标记后的手腕图像信息训练脉搏定位模型；该方法能够有效地提高脉搏定位模型的预测精度和解决由于需要通过人工的方式标记脉搏位置而导致劳动强度大以及由于脉搏定位不准确，机械臂上的传感器无法正确接触到脉搏而导致无法采集到脉诊信息的问题。
-
公开(公告)号：CN117582185B
公开(公告)日：2024-05-07
申请号：CN202410083997.5
申请日：2024-01-19
Applicant: 季华实验室
IPC: A61B5/00 , A61B5/02 , G06N3/0464 , G16H20/90 , G16H50/20 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本申请属于中医诊脉技术领域，公开了一种基于CLLSR混合模型的脉力等级预测方法，包括步骤：A1.获取多个原始脉象数据并对原始脉象数据进行脉力等级评分和数据预处理，得到多个样本数据，形成样本集；样本数据包括预处理后脉象数据和对应的脉力等级标签值；A2.把样本集划分为训练集和测试集；A3.构建CLLSR混合神经网络模型；A4.利用训练集对CLLSR混合神经网络模型进行训练，并以测试集对训练后的CLLSR混合神经网络模型进行测试，得到训练好的CLLSR混合神经网络模型；A5.利用训练好的CLLSR混合神经网络模型对待测对象的实测脉象数据进行脉力等级预测；从而能够提高针对脉力评分等级的预测准确性。
-
公开(公告)号：CN114041758A
公开(公告)日：2022-02-15
申请号：CN202210011181.2
申请日：2022-01-06
Applicant: 季华实验室
IPC: A61B5/00 , A61B5/02 , G06T7/00 , G06T7/73 , G06V10/44 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请属于中医脉诊技术领域，公开了一种桡动脉触诊定位方法、装置、电子设备和存储介质，通过获取被测者手腕的近红外视频信息；对所述近红外视频信息的各帧图像进行绿色信道图像的提取，得到单通道视频数据；对所述单通道视频数据进行像素值归一化处理，得到待检测视频数据；把所述待检测视频数据输入到预先训练好的三维卷积神经网络模型，得到所述被测者的桡动脉坐标；由于被测者心室的收缩和舒张会产生有节奏的循环变化，这一变化会进一步导致手腕桡动脉处产生明显的周期跳动信号，通过三维卷积神经网络模型可对手腕的视频数据进行时间和空间特征的提取，以完成视频数据到空间坐标的映射，从而可实现无接触的对桡动脉的精准定位。
-
公开(公告)号：CN119477927A
公开(公告)日：2025-02-18
申请号：CN202510073946.9
申请日：2025-01-17
Applicant: 季华实验室
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种缺陷检测方法、设备及存储介质，涉及图像处理技术领域，包括：采集待检测OLED膜的多张表面图像；通过预训练深度学习模型提取各表面图像在不同尺度下的特征，得到待检测OLED膜表面的特征图；基于预训练深度学习模型预测特征图的缺陷，得到待检测OLED膜表面的缺陷检测结果。本申请通过提取OLED膜表面图像的多尺度特征，以基于该多尺度特征构建包含有OLED膜表面图像不同尺度特征的特征图，避免了传统深度学习模型难以捕捉多尺度缺陷特征的问题，实现了能够适应OLED膜表面缺陷尺度多样性，从而实现了提高缺陷检测准确性和模型泛化能力的效果。
-
公开(公告)号：CN117911518A
公开(公告)日：2024-04-19
申请号：CN202410112811.4
申请日：2024-01-26
Applicant: 季华实验室
Abstract: 本申请涉及手术机器人技术领域，具体提供了一种手术机器人可视化定位方法、电子设备及存储介质，该方法包括以下步骤：基于点云数据构建三维可视化模型；根据第一图像信息获取第一人脸特征点，并根据第二图像信息获取第二人脸特征点；根据第一人脸特征点和第一深度信息获取第一人脸特征点位置信息，并根据第二人脸特征点和第二深度信息获取第二人脸特征点位置信息；基于第一人脸特征点位置信息和第二人脸特征点位置信息的重合性对三维可视化模型进行人脸特征点定位；该方法能够有效地解决手术机器人的手术空间受到限制、手术机器人无法对被遮挡的位置进行手术、构建的三维模型精度低和对机械臂的导航精度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
