-
公开(公告)号：CN113706533A
公开(公告)日：2021-11-26
申请号：CN202111262617.7
申请日：2021-10-28
Applicant: 武汉大学
Abstract: 本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，该方法先获取食管癌染色图像，采用预设的图像分割模型对食管癌染色图像进行分割，提取多个血管区域及乏血管区域，然后，对血管区域进行第一预设属性的特征提取，对乏血管区域进行第二预设属性的特征提取，对食管癌染色图像进行第三预设属性的特征提取，最后，将第一特征值集合、第二特征值集合以及第三特征值集合进行分类处理，生成分类结果，不仅提高了特征信息的精细度，而且充分考量了多个不同属性的特征值对图像处理的准确性及直观性影响，通过提取信息量更加丰富的特征并对多个不同属性的特征进行量化及综合处理，提高了特征值量化的合理性和图像的处理效率。
-
公开(公告)号：CN113643291A
公开(公告)日：2021-11-12
申请号：CN202111195227.2
申请日：2021-10-14
Applicant: 武汉大学
Abstract: 本申请提供一种食管标志物浸润深度等级确定方法、装置及可读存储介质，该方法包括：获取待分析的第一食管粘膜图像；对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；确定目标食管粘膜图像的代表性颜色特征；基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级。本申请实施例实现了食管标志物浸润深度等级的自动化识别，并提高了识别效率和识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN114445406B
公开(公告)日：2022-08-09
申请号：CN202210361377.4
申请日：2022-04-07
Applicant: 武汉大学
Abstract: 本申请提供一种肠镜图像分析方法、装置和医学图像处理设备，方法包括：获取肠镜医学图像；将肠镜医学图像输入至已训练的肠镜分析模型中，输出肠镜医学图像的肠异严重度数和目标异常肠段；根据肠异严重度数和目标异常肠段，生成肠段病变图标；合成肠段病变图标和肠镜医学图像，得到合成后的肠镜医学图像用于展示。采用本方法，能够提升肠镜图像的分析精度，进而提高UC检测结果的可靠性，最终改善UC检测结果的展示稳定性。
-
公开(公告)号：CN114565611B
公开(公告)日：2022-07-19
申请号：CN202210455932.X
申请日：2022-04-28
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06K9/62
Abstract: 本申请的实施例提供了一种医学信息获取方法及相关设备。该医学信息获取方法包括：对目标对象的消化道内镜视频进行预处理，得到预处理标准图像和异常局部图像；根据所述异常局部图像，确定所述异常局部图对应的异常类型等级信息；根据所述预处理标准图像，确定所述异常局部图像所处区域对应的背景特征；根据所述异常局部图像所处区域对应的背景特征以及所述异常局部图对应的异常类型等级信息，得到目标对象的医学信息，所述医学信息用于协助内镜检查内容规范化记录。本申请实施例的技术方案解决了现有技术的医学信息仅包含区域局部进行概括性判断的问题，实现对整体环境作更精准和更全面的判断。
-
公开(公告)号：CN114445406A
公开(公告)日：2022-05-06
申请号：CN202210361377.4
申请日：2022-04-07
Applicant: 武汉大学
Abstract: 本申请提供一种肠镜图像分析方法、装置和医学图像处理设备，方法包括：获取肠镜医学图像；将肠镜医学图像输入至已训练的肠镜分析模型中，输出肠镜医学图像的肠异严重度数和目标异常肠段；根据肠异严重度数和目标异常肠段，生成肠段病变图标；合成肠段病变图标和肠镜医学图像，得到合成后的肠镜医学图像用于展示。采用本方法，能够提升肠镜图像的分析精度，进而提高UC检测结果的可靠性，最终改善UC检测结果的展示稳定性。
-
公开(公告)号：CN113642537B
公开(公告)日：2022-01-04
申请号：CN202111194907.2
申请日：2021-10-14
Applicant: 武汉大学
Abstract: 本申请实施例提供了一种医学图像识别方法、装置、计算机设备及存储介质，该方法先获取原始内镜图像及内镜报告信息，并从内镜报告信息中提取病理信息，然后，对原始内镜图像进行分类识别，得到白光图像及NBI图像，接着，将白光图像输入训练好的第一神经网络模型进行特征提取，得到第一特征集，并将NBI图像输入训练好的第二神经网络模型进行特征提取，得到第二特征，最后根据病理信息、第一特征集、第二特征，采用训练好的机器学习分类器中进行识别，得到内镜图像的识别结果，实现了对病理信息、原始内镜图像的多个特征融合，提高了识别准确性，同时通过机器学习分类器进行识别，使得识别结果更加客观，大大提高了医学图像的识别效率。
-
公开(公告)号：CN113642537A
公开(公告)日：2021-11-12
申请号：CN202111194907.2
申请日：2021-10-14
Applicant: 武汉大学
Abstract: 本申请实施例提供了一种医学图像识别方法、装置、计算机设备及存储介质，该方法先获取原始内镜图像及内镜报告信息，并从内镜报告信息中提取病理信息，然后，对原始内镜图像进行分类识别，得到白光图像及NBI图像，接着，将白光图像输入训练好的第一神经网络模型进行特征提取，得到第一特征集，并将NBI图像输入训练好的第二神经网络模型进行特征提取，得到第二特征，最后根据病理信息、第一特征集、第二特征，采用训练好的机器学习分类器中进行识别，得到内镜图像的识别结果，实现了对病理信息、原始内镜图像的多个特征融合，提高了识别准确性，同时通过机器学习分类器进行识别，使得识别结果更加客观，大大提高了医学图像的识别效率。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
