-
公开(公告)号：CN117912672A
公开(公告)日：2024-04-19
申请号：CN202311846783.0
申请日：2023-12-29
IPC: G16H50/20 , G16H30/20 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请涉及一种对象分析方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标图像序列、临床数据和图像处理模型；目标图像序列为对待检测图像进行图像序列转化得到；图像处理模型包含预训练的特征提取器以及训练完成的分类子模型；通过特征提取器对目标输入序列进行特征提取，并通过分类子模型对特征提取的结果进行分析处理，得到目标分析结果；基于大规模语言分析模型对目标分析结果和临床数据进行对象分析，得到对象分析结果。采用本方法能够提高对象分析结果的准确性。
-
公开(公告)号：CN118039124A
公开(公告)日：2024-05-14
申请号：CN202410129641.0
申请日：2024-01-30
IPC: G16H50/20 , G16H30/20 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请涉及一种对象分析方法、装置、计算机设备和存储介质。本方法包括：获取目标对象对应的待检测图像和训练完成的多模态对话语言模型；多模态对话语言模型包括预训练视觉结构、注意力结构和语言结构；根据预训练视觉结构对待检测图像进行特征提取，得到待检测图像对应的图像特征；基于注意力结构对图像特征进行数据处理，得到目标对象对应的初始诊断结果；初始诊断结果包括多种预设指标中的至少一种；基于语言结构对初始诊断结果进行数据处理，得到目标对象对应的对象分析结果。采用本方法能够提高提供冠心病诊疗结果的效率。
-
公开(公告)号：CN117637144A
公开(公告)日：2024-03-01
申请号：CN202311597484.8
申请日：2023-11-27
IPC: G16H50/20 , G06N3/0464 , G06N3/0985 , G06N3/084 , G06N3/0895 , G06T7/00
Abstract: 本申请涉及一种状态预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测数据；待检测数据包括眼底图像和协变量数据；协变量数据为辅助判别目标病变的变量数据；基于预设特征提取模型分别对眼底图像和协变量数据进行特征提取，得到图像特征向量、图像特征向量对应的第一权重、协变量特征向量和协变量特征向量对应第二权重；基于第一权重、第二权重和预设的混合模型，对图像特征向量和协变量特征向量进行处理，得到目标状态预测结果；混合模型基于在待检测数据存在删失数据和不存在删失数据的情况下，分别满足最大似然函数条件的图像特征向量和协变量特征向量构建得到的。采用本方法能够提高目标状态预测结果的预测准确率。
-
公开(公告)号：CN119516278A
公开(公告)日：2025-02-25
申请号：CN202411687224.4
申请日：2024-11-22
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00
Abstract: 本申请涉及一种分类模型的训练方法、装置、设备、存储介质和程序产品。所述方法包括：获取无标签的第一图像数据和有标签的第二图像数据，将第一图像数据和第二图像数据输入至预设分类模型进行训练，输出第一图像数据的第一分类结果、第二图像数据对应的第一分类子模型、以及第三图像数据，根据第一分类结果和第一分类子模型输出的第二分类结果，确定第一损失，根据第三图像数据和第一图像数据，确定第二损失，以及根据第二损失和第一损失，对预设分类模型进行训练，得到目标分类模型；第三图像数据为掩码处理和补全处理后的图像。上述方法提供的基于有标签图像和无标签图像训练分类模型的方法，解决了模型的训练难度较大的问题。
-
公开(公告)号：CN117637144B
公开(公告)日：2024-11-26
申请号：CN202311597484.8
申请日：2023-11-27
IPC: G16H50/20 , G06N3/0464 , G06N3/0985 , G06N3/084 , G06N3/0895 , G06T7/00
Abstract: 本申请涉及一种状态预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测数据；待检测数据包括眼底图像和协变量数据；协变量数据为辅助判别目标病变的变量数据；基于预设特征提取模型分别对眼底图像和协变量数据进行特征提取，得到图像特征向量、图像特征向量对应的第一权重、协变量特征向量和协变量特征向量对应第二权重；基于第一权重、第二权重和预设的混合模型，对图像特征向量和协变量特征向量进行处理，得到目标状态预测结果；混合模型基于在待检测数据存在删失数据和不存在删失数据的情况下，分别满足最大似然函数条件的图像特征向量和协变量特征向量构建得到的。采用本方法能够提高目标状态预测结果的预测准确率。
-
Patent Agency Ranking
公开(公告)号：CN117912672B
公开(公告)日：2024-09-24
申请号：CN202311846783.0
申请日：2023-12-29
IPC: G16H50/20 , G16H30/20 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请涉及一种对象分析方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标图像序列、临床数据和图像处理模型；目标图像序列为对待检测图像进行图像序列转化得到；图像处理模型包含预训练的特征提取器以及训练完成的分类子模型；通过特征提取器对目标输入序列进行特征提取，并通过分类子模型对特征提取的结果进行分析处理，得到目标分析结果；基于大规模语言分析模型对目标分析结果和临床数据进行对象分析，得到对象分析结果。采用本方法能够提高对象分析结果的准确性。
-
公开(公告)号：CN118039124B
公开(公告)日：2024-08-20
申请号：CN202410129641.0
申请日：2024-01-30
IPC: G16H50/20 , G16H30/20 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请涉及一种对象分析方法、装置、计算机设备和存储介质。本方法包括：获取目标对象对应的待检测图像和训练完成的多模态对话语言模型；多模态对话语言模型包括预训练视觉结构、注意力结构和语言结构；根据预训练视觉结构对待检测图像进行特征提取，得到待检测图像对应的图像特征；基于注意力结构对图像特征进行数据处理，得到目标对象对应的初始诊断结果；初始诊断结果包括多种预设指标中的至少一种；基于语言结构对初始诊断结果进行数据处理，得到目标对象对应的对象分析结果。采用本方法能够提高提供冠心病诊疗结果的效率。
-
公开(公告)号：CN119495121A
公开(公告)日：2025-02-21
申请号：CN202411514707.4
申请日：2024-10-28
IPC: G06V40/18 , G06V20/70 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/0895 , G06N3/098 , G06T7/00 , G16H50/30 , G16H30/20
Abstract: 本申请涉及一种眼底图像的图像识别方法、装置、计算机设备和存储介质。所述方法包括：通过将待检测患者的眼底图像输入至基于历史眼底图像对初始掩码自编码器模型进行联邦训练得到的特征提取模型，以得到眼底图像对应的特征图像，然后将特征图像与待检测患者的临床指标信息输入至评估识别模型，以得到高血压靶器官损害情况，和/或，高血压靶器官出现损伤的概率。由于本申请实施例中，只需要基于待检测患者的眼底图像和临床指标信息就可以确定待检测患者的高血压诊断和预测结果，简化了高血压靶器官损伤评估的操作流程，降低了评估成本，并且基于特征提取模型和评估识别模型进行评估，还提高了高血压靶器官损伤评估的准确性。
-
公开(公告)号：CN118570123A
公开(公告)日：2024-08-30
申请号：CN202410575366.5
申请日：2024-05-10
IPC: G06T7/00 , G16H50/20 , G16H10/60 , G06V10/764 , G06V10/44
Abstract: 本申请涉及一种分类方法、装置、设备和存储介质，该方法通过获取第一目标对象的第一视网膜图像，然后将第一视网膜图像输入至第一分类模型中进行分类，得到第一分类结果，其中，第一分类结果用于表示第一目标对象所患目标疾病的诱发因素。上述方法通过分析视网膜图像来分析目标对象所患目标疾病的诱发因素的方法，提供了一种更简便、非侵入性的工具，来代替现有的侵入性工具造成的不可逆的损伤，可协助缩小诊断范围，提高的分类效率。另外，由于目标疾病的类型与视网膜相关疾病类型不同，所以能够利用视网膜图像进行疾病类型分类也属于该方法独有的应用效果。
-
公开(公告)号：CN114862789A
公开(公告)日：2022-08-05
申请号：CN202210477323.4
申请日：2022-05-04
Applicant: 上海交通大学医学院附属仁济医院 , 上海交通大学
Abstract: 本发明提供了一种基于深度学习的小儿髋关节超声图像质量检测方法，包括一个构建小儿髋关节二维冠状位超声图像数据库的步骤；小儿髋关节二维冠状位超声图像数据库包含构建手工标记数据集和标准性判定数据集；一个基于深度学习方法的对小儿髋关节超声图像的七个关键结构进行分割训练的步骤；在分割训练的步骤中，输出带有七个解剖结构分割标记的超声图像；依据Graf超声诊断技术的图像质量标准建立图像质量检测方法；将标准性判定数据集中的所有图像作为输入，对该图像质量检测方法进行测试，最终输出基于分割结果的图像质量检测结果，即“图像标准”或“图像不标准”两种结果。
-
-
-
-
-
-
-
-
-
Search Results
165
records
(took 0.038 seconds)
