-
公开(公告)号：CN115004316A
公开(公告)日：2022-09-02
申请号：CN202280001595.5
申请日：2022-05-05
申请人： 香港应用科技研究院有限公司
IPC分类号： G16H40/60 , G16H50/20 , G16H30/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , A61B1/273 , A61B1/00
摘要： 公开了一种采用优化的集成AI解决方案的多功能计算机辅助胃镜检查系统。该系统利用多个深度学习神经模型来实现多个任务的低延迟和高性能要求。优化在三个层次上进行：架构层面、模块化层面和功能层面。在架构层面，模型的设计方式使其能够以进行一次推理来同时完成HP感染分类以及检测一些病变，由此可以降低计算成本。在模块化层面，作为HP感染分类的子模型，利用时间信息对部位识别模型进行了优化。它不仅提高了HP感染分类的性能，而且对于病变检测和程序状态确定也有重要作用。在功能层面，通过配置和资源感知优化将推理延迟降至最低。同样在功能层面，通过图像大小调整并行化和统一预处理来加速预处理。
-
公开(公告)号：CN110945564B
公开(公告)日：2023-04-07
申请号：CN201980001954.5
申请日：2019-08-26
申请人： 香港应用科技研究院有限公司
IPC分类号： G06T7/11
摘要： 通过2D卷积神经网络(CNN)分割由多个解剖学图像形成的体积图像，每个解剖学图像具有不同成像模态的多个图像切片。通过在没有任何估计的图像切片的情况下结合来自两个相邻解剖学图像的所选择的图像切片来预处理单个解剖学图像以形成混合上下文图像。2D CNN利用关于多模态上下文的边信息和3D空间上下文来提高分割准确性，同时避免由于估计的图像切片中的伪像导致的分割性能降低。2D CNN通过具有从最高层级到最低层级的多个层级的BASKET‑NET模型来实现。层级的大多数多通道特征图中的通道数量从最高层级到最低层级单调减少，从而允许最高层级富含低层级特征细节，以帮助更精细地分割单个解剖学图像。
-
公开(公告)号：CN109154989B
公开(公告)日：2021-07-06
申请号：CN201880000218.3
申请日：2018-03-08
申请人： 香港应用科技研究院有限公司
摘要： 在癌细胞筛查中，患者的细胞由卷积神经网络(CNN)分类来识别异常细胞。在一种方法中，具有比掩模周边更透明的中心的掩模用于掩蔽包含感兴趣的细胞的输入图像来产生经掩蔽的图像。因为细胞通常位于图像中心附近，并且因为图像通常包含在图像周边附近的无关对象，例如正常细胞和微生物，通过使用经掩蔽的图像而不是原始图像，在训练CNN时和分类时减少了由于无关对象引起的干扰。在另一种方法中，在分类之前向特征图应用掩蔽。在CNN中，该掩蔽通过使每个特征图与卷积核卷积来产生中间特征图，接着截断其周边区域来产生尺寸缩小的特征图而完成。
-
公开(公告)号：CN110945564A
公开(公告)日：2020-03-31
申请号：CN201980001954.5
申请日：2019-08-26
申请人： 香港应用科技研究院有限公司
IPC分类号： G06T7/11
摘要： 通过2D卷积神经网络(CNN)分割由多个解剖学图像形成的体积图像，每个解剖学图像具有不同成像模态的多个图像切片。通过在没有任何估计的图像切片的情况下结合来自两个相邻解剖学图像的所选择的图像切片来预处理单个解剖学图像以形成混合上下文图像。2D CNN利用关于多模态上下文的边信息和3D空间上下文来提高分割准确性，同时避免由于估计的图像切片中的伪像导致的分割性能降低。2D CNN通过具有从最高层级到最低层级的多个层级的BASKET-NET模型来实现。层级的大多数多通道特征图中的通道数量从最高层级到最低层级单调减少，从而允许最高层级富含低层级特征细节，以帮助更精细地分割单个解剖学图像。
-
公开(公告)号：CN109154989A
公开(公告)日：2019-01-04
申请号：CN201880000218.3
申请日：2018-03-08
申请人： 香港应用科技研究院有限公司
摘要： 在癌细胞筛查中，患者的细胞由卷积神经网络(CNN)分类来识别异常细胞。在一种方法中，具有比掩模周边更透明的中心的掩模用于掩蔽包含感兴趣的细胞的输入图像来产生经掩蔽的图像。因为细胞通常位于图像中心附近，并且因为图像通常包含在图像周边附近的无关对象，例如正常细胞和微生物，通过使用经掩蔽的图像而不是原始图像，在训练CNN时和分类时减少了由于无关对象引起的干扰。在另一种方法中，在分类之前向特征图应用掩蔽。在CNN中，该掩蔽通过使每个特征图与卷积核卷积来产生中间特征图，接着截断其周边区域来产生尺寸缩小的特征图而完成。
-
公开(公告)号：CN118843908A
公开(公告)日：2024-10-25
申请号：CN202480000939.X
申请日：2024-05-14
申请人： 香港应用科技研究院有限公司
IPC分类号： G16H50/20 , G16H30/40 , G06T7/00 , G06N3/0464
摘要： 在胃肠(GI)内窥镜的决策支持系统中，卷积神经网络(CNN)被设置为根据内窥镜图像执行决策支持任务。CNN中使用的每个可学习内核能被有利地建模成为一组固定内核的线性组合，以简化内核学习，并给出轻量级内核模型以有利地减少所需的计算资源。通过知识蒸馏的CNN模型压缩和使用多任务CNN，可以进一步减少计算资源。这使得决策支持系统能够实现为执行内窥镜检查的站点附近的边缘计算系统。此系统可以自动配置用于食管胃十二指肠镜检查(EGD)或结肠镜检查。在此系统中，病变检测结果和质量控制结果可以无缝集成，以提供附加值结果，这对内窥镜医师来说比单独考虑病变检测结果和质量控制结果来得更有价值。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.029 秒)
