-
公开(公告)号：CN112353381A
公开(公告)日：2021-02-12
申请号：CN202011329714.9
申请日：2020-11-24
申请人： 杭州冉曼智能科技有限公司 , 帝工(杭州)科技产业有限公司 , 杭州海睿博研科技有限公司
IPC分类号： A61B5/055 , A61B5/00 , A61B6/03 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G16H50/20
摘要： 本发明提供了一种基于多模态大脑影像的阿尔茨海默症综合诊断系统，包括：包括基于多模态神经影像的深度学习系统，所述基于多模态神经影像的深度学习系统对患者认知状态自动化分类；患者认知状态包括正常状态，轻度认知障碍状态和阿尔茨海默症状态；还包括基于领域对抗的神经网络，所述基于领域对抗的神经网络将MRI所提供的大脑结构信息和PET所提供的认知功能信息融合，以对大脑认知退化的程度以及阶段进行诊断；所述PET所提供的认知功能信息包括反映相关蛋白的代谢水平，以定位到大脑认知退化的区域；所述相关蛋白包括Aβ淀粉样蛋白或tau蛋白。
-
公开(公告)号：CN112353381B
公开(公告)日：2022-06-28
申请号：CN202011329714.9
申请日：2020-11-24
申请人： 杭州冉曼智能科技有限公司 , 帝工(杭州)科技产业有限公司 , 杭州海睿博研科技有限公司
IPC分类号： A61B5/055 , A61B5/00 , A61B6/03 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G16H50/20 , G06V10/80 , G06V10/82
摘要： 本发明提供了一种基于多模态大脑影像的阿尔茨海默症综合诊断系统，包括：包括基于多模态神经影像的深度学习系统，所述基于多模态神经影像的深度学习系统对患者认知状态自动化分类；患者认知状态包括正常状态，轻度认知障碍状态和阿尔茨海默症状态；还包括基于领域对抗的神经网络，所述基于领域对抗的神经网络将MRI所提供的大脑结构信息和PET所提供的认知功能信息融合，以对大脑认知退化的程度以及阶段进行诊断；所述PET所提供的认知功能信息包括反映相关蛋白的代谢水平，以定位到大脑认知退化的区域；所述相关蛋白包括Aβ淀粉样蛋白或tau蛋白。
-
公开(公告)号：CN110580509B
公开(公告)日：2021-03-26
申请号：CN201910864554.9
申请日：2019-09-12
申请人： 杭州海睿博研科技有限公司 , 帝工(杭州)科技产业有限公司
摘要： 本发明公开了一种基于隐藏表征和深度生成对抗模型的多模态数据处理方法，包括：使用深度神经网络学习多模态数据的隐藏表征；如果多模态数据有部分数据遗失，通过深度生成对抗模型GAN生成缺失数据，协同隐藏表征共同生成图像数据。利用多模态数据获得隐藏表征，保证数据完整性的同时提高合成图像的准确率和稳定性。
-
公开(公告)号：CN110580681B
公开(公告)日：2020-11-24
申请号：CN201910864545.X
申请日：2019-09-12
申请人： 杭州海睿博研科技有限公司 , 帝工(杭州)科技产业有限公司
IPC分类号： G06T3/40
摘要： 本发明公开了一种高分辨率心机运动模式分析装置，包括：超分辨率处理单元，所述超分辨率处理单元接收原始心脏图像，通过聚焦感兴趣的区域ROI的超分辨率神经网络对图像进行超分处理，得到超分辨率的图像；以及运动分析单元，运动分析单元通过深度学习框架提取经超分辨率处理的图像中的局部和全局运动特征。
-
公开(公告)号：CN110570355B
公开(公告)日：2020-09-01
申请号：CN201910864551.5
申请日：2019-09-12
申请人： 杭州海睿博研科技有限公司 , 帝工(杭州)科技产业有限公司
摘要： 本发明公开了一种多尺度自动聚焦超分辨率处理系统，包括：感兴趣的区域ROI检测神经网络，用于接收低分辨率图像，利用最大池化残差块和输入尺度自由残差神经网络进行处理，输出ROI区域图像；超分辨率图像生成器G，用于接收ROI区域图像，从ROI区域图像的低分辨率图像估计出超分辨率图像，其中超分辨率图像生成器G首先从ROI区域图像的低分辨率图像估计出第一级超分辨率图像，超分辨率图像生成器G再从第一级超分辨率图像估计出第二级超分辨率图像；以及预训练的视觉几何组VGG和图像鉴别器D，用于根据真实有效的高分辨率图像找出超分辨率图像。
-
公开(公告)号：CN111599448B
公开(公告)日：2022-06-10
申请号：CN202010533043.1
申请日：2020-06-12
申请人： 杭州海睿博研科技有限公司 , 帝工(杭州)科技产业有限公司
摘要： 本发明公开了一种多视图形状约束系统，包括：切片单元，对接收到的图像进行切片，获得冠状切片、矢状切片和轴向切片；第一扩张Unet单元、第二扩张Unet单元和残差扩张网络RDN单元，分别接收冠状切片、矢状切片和轴向切片，第一扩张Unet单元和第二扩张Unet单元对冠状切片和矢状切片进行建模并获得冠状和矢状视图的预测图作为钙化病变的补充信息，所述残差扩张网络RDN单元对轴向切片进行建模输出轴向切片的预测图；多视图形状约束单元，通过多视图注意力学习来集成不同的视图信息，生成多视图注意力特征；以及多任务学习单元，利用多视图形状约束单元的输出估计相关的钙化指数。
-
公开(公告)号：CN111599448A
公开(公告)日：2020-08-28
申请号：CN202010533043.1
申请日：2020-06-12
申请人： 杭州海睿博研科技有限公司 , 帝工(杭州)科技产业有限公司
摘要： 本发明公开了一种多视图形状约束系统，包括：切片单元，对接收到的图像进行切片，获得冠状切片、矢状切片和轴向切片；第一扩张Unet单元、第二扩张Unet单元和残差扩张网络RDN单元，分别接收冠状切片、矢状切片和轴向切片，第一扩张Unet单元和第二扩张Unet单元对冠状切片和矢状切片进行建模并获得冠状和矢状视图的预测图作为钙化病变的补充信息，所述残差扩张网络RDN单元对轴向切片进行建模输出轴向切片的预测图；多视图形状约束单元，通过多视图注意力学习来集成不同的视图信息，生成多视图注意力特征；以及多任务学习单元，利用多视图形状约束单元的输出估计相关的钙化指数。
-
公开(公告)号：CN112150442A
公开(公告)日：2020-12-29
申请号：CN202011019778.9
申请日：2020-09-25
申请人： 帝工(杭州)科技产业有限公司
摘要： 本发明提供了一种基于深度卷积神经网络及多实例学习的新冠诊断系统，特征提取模块对患者CT序列打包并进行时域卷积，同时通过弱监督学习对受感染切片实例进行筛选，获取感染片段；多分支网络体系，被配置为将患者CT序列中提取的特征序列输入多个并行分支网络，不同并行分支网络输出的类激活序列之间具有差异，以定位不同的感染片段，以对患者特定病例特征的完整性进行建模，并对抗所述弱监督学习诱导的注意力发散，以增强所述感染片段的精确度和鲁棒性；多实例学习模块被配置为进行多实例套袋进行时域卷积的特征融合，以增强所述患者特定病例特征表达；门控注意力机制模块被配置为进行自适应实例特征加权融合，以避免多实例学习中梯度消失。
-
公开(公告)号：CN110570416B
公开(公告)日：2020-06-30
申请号：CN201910863927.0
申请日：2019-09-12
申请人： 杭州海睿博研科技有限公司
摘要： 本发明公开了一种多模态心脏图像的可视化方法，包括：基于多模态心脏图像进行心脏组织结构分割；基于多模态心脏图像进行心脏病变分割；以及将获得的心脏组织结构和心脏病变进行叠加，得到虚拟现实的三维可视化心脏图像；并且通过心脏组织结构及其病变的全自动解析控制3D打印机，使用弹性体材料打印3D心脏的腔室和瓣膜并结合混合现实进行直观展示。
-
公开(公告)号：CN110580509A
公开(公告)日：2019-12-17
申请号：CN201910864554.9
申请日：2019-09-12
申请人： 杭州海睿博研科技有限公司
摘要： 本发明公开了一种基于隐藏表征和深度生成对抗模型的多模态数据处理方法，包括：使用深度神经网络学习多模态数据的隐藏表征；如果多模态数据有部分数据遗失，通过深度生成对抗模型GAN生成缺失数据，协同隐藏表征共同生成图像数据。利用多模态数据获得隐藏表征，保证数据完整性的同时提高合成图像的准确率和稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.07 秒)
