-
公开(公告)号：CN107146176A
公开(公告)日：2017-09-08
申请号：CN201710254568.X
申请日：2017-04-18
Applicant: 清华大学深圳研究生院
IPC: G06Q50/20
Abstract: 本发明公开了一种作业评分方法及系统、作业管理系统。作业评分方法，用于在作业管理系统中进行作业评分，包括以下步骤：S0，确定待评分的作业题目的评分标准；S1，针对每份作业随机抽取一定数量的学生，生成学生名单；S2，接收所述学生名单中的学生依据所述评分标准对所述作业的评分数据；S3，根据步骤S2中的评分数据产生学生的评分结果；S4，接收老师对所述作业的评分结果；S5，根据所述学生的评分结果和老师的评分结果生成所述作业的最终评分。本发明的评分方法及系统可实现对大批量作业、尤其是大批量的主观题作业的评价，且评价结果更具有信服力。
-
公开(公告)号：CN109064455A
公开(公告)日：2018-12-21
申请号：CN201810790245.7
申请日：2018-07-18
Applicant: 清华大学深圳研究生院
CPC classification number: G06T7/0012 , G06K9/627 , G06K9/6276 , G06T2207/10132 , G06T2207/20081 , G06T2207/20084 , G06T2207/30068 , G06T2207/30096
Abstract: 本发明公开了一种基于BI‑RADS的乳腺超声图像多尺度融合的分类方法，其特征在于：包括步骤：前期数据准备，包括数据采集、数据预处理、数据增强和数据归一；特征提取，包括卷积、激活及池化非线性函数，综合浅层的特征图和深层特征图作为后续分类层的输入；分类；分类评价，采用各类的正确率与总的平均准确率作为分类性能评价标准。本发明公开的上述分类方法，能够对乳腺超声图像输出更精细的分类，契合临床诊断结果，有效减少误诊漏诊。
-
公开(公告)号：CN109064455B
公开(公告)日：2021-06-25
申请号：CN201810790245.7
申请日：2018-07-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种基于BI‑RADS的乳腺超声图像多尺度融合的分类方法，其特征在于：包括步骤：前期数据准备，包括数据采集、数据预处理、数据增强和数据归一；特征提取，包括卷积、激活及池化非线性函数，综合浅层的特征图和深层特征图作为后续分类层的输入；分类；分类评价，采用各类的正确率与总的平均准确率作为分类性能评价标准。本发明公开的上述分类方法，能够对乳腺超声图像输出更精细的分类，契合临床诊断结果，有效减少误诊漏诊。
-
公开(公告)号：CN109512464A
公开(公告)日：2019-03-26
申请号：CN201811404331.6
申请日：2018-11-23
Applicant: 清华大学深圳研究生院
IPC: A61B8/08
Abstract: 本申请属于人工智能技术领域，特别是涉及一种疾病筛查和诊断系统。由于早期的癌变区域较小，不易观察，医生需要长时间的紧盯超声屏幕，强度大易疲劳，容易造成漏诊或误诊。本申请提供一种疾病筛查和诊断系统，包括相互连接的人工智能超声单元和人工智能诊断云平台单元；所述人工智能超声单元，包括依次连接的图像采集模块、第一图像处理模块、疾病筛查模块和第一数据输出模块；所述人工智能诊断云平台单元，包括依次连接的图像读取模块、第二图像处理模块、疾病诊断模块和第二数据输出模块。可减轻医生工作量，减少对经验的依赖性，能提供精确度高的辅助诊断，有效防止漏诊误诊，提高诊断效率。
-
-
-
Search Results
4
records
(took 0.029 seconds)
