-
公开(公告)号：CN118710992A
公开(公告)日：2024-09-27
申请号：CN202411177658.X
申请日：2024-08-26
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06N3/084 , G06N3/0985 , G06N3/0464 , G06N3/0455
Abstract: 本申请涉及一种颈部淋巴结识别方法以及装置；获取待识别CT图像；分别对待识别CT图像进行细节特征提取和空间特征提取，得到待识别CT图像的细节特征和空间特征；对细节特征和空间特征进行融合，得到目标融合特征；基于目标融合特征对待识别CT图像进行颈部淋巴结识别，得到识别结果；基于此，能够充分考虑待识别CT图像的细节信息和整体空间依赖信息，进而通过对细节特征和空间特征进行融合，能够帮助网络捕获从粗糙到精致多种尺度的信息；基于目标融合特征对待识别CT图像进行颈部淋巴结识别，能够有效避免颈部淋巴结结构变化差异大的情况下出现错误识别的问题，提高了识别结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117911357A
公开(公告)日：2024-04-19
申请号：CN202410062418.9
申请日：2024-01-16
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/762 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045
Abstract: 本发明公开了一种基于深度聚类标签修正的肠镜清洁度评价方法及系统，方法如下：步骤1：获取肠道内窥镜图像并进行预处理；步骤2：应用BBPS准则，对肠道内窥镜图像的合适性进行筛选；步骤3：在BBPS标准下，对筛选后肠道内窥镜图像的清洁度进行深度聚类分级，获得优化模型参数；步骤4：加载所述的优化模型参数，对待处理的肠道内窥镜图像进行清洁度评价。本发明能够灵活地适应多样性的肠镜图像特征，为后续研究提供了更多样本的标注机会，辅助缩小标注范围。
-
公开(公告)号：CN118710992B
公开(公告)日：2024-12-17
申请号：CN202411177658.X
申请日：2024-08-26
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06N3/084 , G06N3/0985 , G06N3/0464 , G06N3/0455
Abstract: 本申请涉及一种颈部淋巴结识别方法以及装置；获取待识别CT图像；分别对待识别CT图像进行细节特征提取和空间特征提取，得到待识别CT图像的细节特征和空间特征；对细节特征和空间特征进行融合，得到目标融合特征；基于目标融合特征对待识别CT图像进行颈部淋巴结识别，得到识别结果；基于此，能够充分考虑待识别CT图像的细节信息和整体空间依赖信息，进而通过对细节特征和空间特征进行融合，能够帮助网络捕获从粗糙到精致多种尺度的信息；基于目标融合特征对待识别CT图像进行颈部淋巴结识别，能够有效避免颈部淋巴结结构变化差异大的情况下出现错误识别的问题，提高了识别结果的准确性。
-
公开(公告)号：CN117860298A
公开(公告)日：2024-04-12
申请号：CN202311819391.5
申请日：2023-12-27
Applicant: 杭州电子科技大学 , 杭州数智莱达科技有限公司
Abstract: 本发明公开了一种基于自监督的心超射血分数估计系统，包括如下模块：数据集收集模块：用于收集超声心动数据集，并进行预处理；心腔优质帧图像选取模块：选取超声心动视频优质帧图像；自监督心室分割模块：对周期自监督机制的心室进行分割；射血分数回归模块：对师生蒸馏射血分数进行回归处理；验证模块：对心腔优质帧图像选取模块、自监督心室分割模块、射血分数回归模块形成的射血分数评估模型进行验证。本发明减低了含有噪声、伪影心室结构不清晰的较差质量视频帧对分割和回归任务的影响。
-
公开(公告)号：CN117437575A
公开(公告)日：2024-01-23
申请号：CN202311429347.3
申请日：2023-10-31
Applicant: 杭州电子科技大学 , 杭州数智莱达科技有限公司
IPC: G06V20/40 , G06V10/776 , G06V10/82 , G06N3/092 , G06N3/0442
Abstract: 本发明公开了一种基于强化学习及奖励机制的胃肠镜视频关键帧提取方法及系统，方法如下：1：胃肠镜内窥镜视频数据的获取及预处理；2：基于MobileNet将视频帧分解为包含关键性特征的序列；3：基于Sequencer嵌入适应胃肠镜特殊情况的奖励反馈机制；4：加载得到的优化模型参数，将待处理的视频进行切分和去噪操作，统一视频帧大小，冻结所有寻优的奖励机制和决策行为获取关键帧集合，若准确率超过设定值，则验证合格。本发明利用MobileNet提取到的深层特征表示，在平衡模型精度和计算复杂度之间取得了良好的平衡，且结合Sequencer学习时空序列特征扩大感受野，更好的关联远距离特征信息，根据特定的奖励机制不断调整反馈动作，以捕获更全面、清晰且具有诊断价值的关键帧。
-
公开(公告)号：CN116630531A
公开(公告)日：2023-08-22
申请号：CN202310380352.3
申请日：2023-04-11
Applicant: 杭州电子科技大学 , 杭州数智莱达科技有限公司
IPC: G06T17/00 , G06T19/20 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于点云上采样的肋骨三维重建方法及系统，方法按如下步骤：步骤1：肋骨点云数据准备；步骤2：肋骨点云数据去噪；步骤3：肋骨点云数据语义分割；步骤4：肋骨点云数据上采样；步骤5：肋骨点云数据三维重建。本发明通过点云三维重建可以捕捉到物体的细节和形态，通过多视角的数据融合提高重建精度和鲁棒性，从而减少重建过程中的误差，并且在点云数据处理和重建过程中可以进行精细的调整，有利于生成高精度的肋骨三维模型。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
