-
公开(公告)号：CN105184103A
公开(公告)日：2015-12-23
申请号：CN201510665261.X
申请日：2015-10-15
Applicant: 清华大学深圳研究生院
IPC: G06F19/00
Abstract: 一种基于病历数据库的虚拟名医，其包括：病历数据录入装置；自诉相似度计算模块、诊断经验相似度计算模块及医学影像相似度计算模块，分别用于计算待诊疗患者与病历数据库记载的已诊疗患者针对患者自诉、检查结果及医学影像的相似度指标；综合相似度计算模块，用于将针对患者自诉、检查结果和医学影像的三个相似度指标，以及基于专家打分的患者自诉、检查结果和医学影像三者的临床判断重要性指标相融合，计算待诊疗患者与病历数据库记载的已诊疗患者的综合相似度；以及诊疗方案生成模块，用于从病历数据库选出综合相似度最高的已诊疗患者的病历并输出其诊疗方案。其能够充分发挥电子病历信息资源的临床价值，为医生或者用户提供诊疗建议。
-
公开(公告)号：CN102436675B
公开(公告)日：2014-04-30
申请号：CN201110284872.1
申请日：2011-09-23
Applicant: 清华大学深圳研究生院
IPC: G06T17/00
Abstract: 一种腔体内壁三维形态的重建方法，包括以下步骤：（1）获取三维腔体体数据；（2）计算腔体内壁上每个体素处的有效曲率值；（3）将腔体内壁体上每个体素的灰度值变成二值，通过寻找等值面，重建出腔体内壁的三维虚拟模型；（4）将步骤（2）得出的每个体素处的有效曲率值投影到色彩空间，然后用投影后的色彩空间对步骤（3）重建的三维虚拟模型进行渲染，从而得到腔体内壁的三维形态。本发明方法通过CT或MR图像重建出腔体内壁的三维形态，使得能够快速、直观地了解腔体内壁的形态。
-
公开(公告)号：CN102509286A
公开(公告)日：2012-06-20
申请号：CN201110302081.7
申请日：2011-09-28
Applicant: 清华大学深圳研究生院
Abstract: 一种医学图像目标区域勾画方法，包括以下步骤：（1）预处理；（2）在参考时相上勾画出目标轮廓，并根据该目标轮廓选取若干轮廓控制区域；（3）分别提取所述若干轮廓控制区域的图像纹理特征；（4）根据图像纹理特征，跟踪参考时相上的每个轮廓控制区域在待处理时相上的对应位置；（5）在待处理时相上跟踪得到的每相邻两个轮廓控制区域的中心之间进行插值处理，从而完成待处理时相上目标区域的自动勾画。本发明勾画方法能够根据参考时相上的目标轮廓和轮廓控制区域，快速、准确地自动勾画出其它时相上的目标区域，能够大大减轻工作人员在图像分割中的工作量。
-
公开(公告)号：CN101383006A
公开(公告)日：2009-03-11
申请号：CN200710076911.2
申请日：2007-09-05
Applicant: 清华大学深圳研究生院
Abstract: 一种椭圆矫正和圆形归一化的图像预处理方法，包括：从原始图像中识别目标图像的步骤；对目标图像的边界点进行椭圆拟合的步骤；矫正验证和矫正处理的步骤，以及圆形归一化的步骤。本发明采用椭圆方法矫正倾斜度，根据椭圆拟合情况判断图像是否倾斜，并且给出了矫正图像倾斜的方法，并采用圆形归一化的方法对矫正后的图像进行几何归一化，从而使得图像间具有好的一致性，能增加图像分析的一致性。它对图像分析，如CT图像分析、人脸图像识别等具有重要意义。
-
公开(公告)号：CN109498019B
公开(公告)日：2022-07-19
申请号：CN201910006926.4
申请日：2019-01-04
Applicant: 清华大学深圳研究生院
IPC: A61B5/055
Abstract: 本申请属于医学影像处理技术领域，特别是涉及一种用于磁共振脑组织精确分割的数据感知方法。现有的基于深度学习的MR图像分割方法，在不同的数据集上表现差异性很大，并且同样的数据集，不同的方法表现不一样。本申请提供一种用于磁共振脑组织精确分割的数据感知方法，所述方法包括如下步骤：对脑部磁共振影像进行预处理，去除头骨并进行偏移场校正，得到脑实质，并将图像灰度值归一化到[0,1]；计算图像的直方图分布，将直方图分成不同深度学习模型各自擅长分割的数据类别；将分好类的图像送入对该类图像敏感的深度学习模型分割。在不需要增加训练数据、不需要改进网络，只利用现有的模型的基础上，提高了分割精度。
-
Patent Agency Ranking
公开(公告)号：CN109498019A
公开(公告)日：2019-03-22
申请号：CN201910006926.4
申请日：2019-01-04
Applicant: 清华大学深圳研究生院
IPC: A61B5/055
Abstract: 本申请属于医学影像处理技术领域，特别是涉及一种用于磁共振脑组织精确分割的数据感知方法。现有的基于深度学习的MR图像分割方法，在不同的数据集上表现差异性很大，并且同样的数据集，不同的方法表现不一样。本申请提供一种用于磁共振脑组织精确分割的数据感知方法，所述方法包括如下步骤：对脑部磁共振影像进行预处理，去除头骨并进行偏移场校正，得到脑实质，并将图像灰度值归一化到[0,1]；计算图像的直方图分布，将直方图分成不同深度学习模型各自擅长分割的数据类别；将分好类的图像送入对该类图像敏感的深度学习模型分割。在不需要增加训练数据、不需要改进网络，只利用现有的模型的基础上，提高了分割精度。
-
公开(公告)号：CN107220604A
公开(公告)日：2017-09-29
申请号：CN201710353563.2
申请日：2017-05-18
Applicant: 清华大学深圳研究生院
Abstract: 一种基于视频的跌倒检测方法，包括以下步骤：S1、对视频图像进行处理，识别和定位图像中的人体区域；S2、针对所述人体区域进行基于级联回归网络的关节点提取，得到一组人体关节点，其中第一级网络后级联了多个相同结构的回归网络，用来精调人体关节点的坐标位置；S3、将每个人体关节点的运动向量作为人体运动的特征，通过分析关节点的变化，来动态分析人体是否发生跌倒。使用本发明的基于视频的跌倒检测方法,能够通过对视频图像的分析，准确、便捷地判断出独居老人的跌倒情况。
-
公开(公告)号：CN107220600A
公开(公告)日：2017-09-29
申请号：CN201710346320.6
申请日：2017-05-17
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开一种基于深度学习的图片生成方法及生成对抗网络，所述方法包括如下步骤：(1)建立图片数据库：收集若干真实图片并对其进行分类和标注，每张图片具有唯一与之对应的类别标签k；(2)构建生成网络G：在生成网络G中输入随机的噪声信号z和类别标签k组合而成的向量，并将生成的数据作为判别网络D的输入；(3)构建判别网络D：判别网络D的损失函数由用于判断图片真假的第一损失函数和用于判断图片类别的第二损失函数组成；(4)训练网络；(5)生成需要的图片：将随机的噪声信号z和类别标签k输入经过步骤(4)训练好的生成网络G中，得到指定类别的图片。通过本发明，不仅可以生成图片，而且可以指定要生成的图片类别。
-
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：CN104881463A
公开(公告)日：2015-09-02
申请号：CN201510268875.4
申请日：2015-05-22
Applicant: 清华大学深圳研究生院
IPC: G06F17/30
CPC classification number: G06F17/30536
Abstract: 本发明公开了一种基于结构化病历数据库的参考病历检索方法及装置，该方法包括：以新病历的已检查项目为准则、病历数据库中新病历以前的历史病历为待选方案建立目标层-准则层-方案层三层结构的层次模型；计算准则层相对于目标层的权重；计算新病历与历史病历的单项相似度；将相对同一历史病历的各个单项相似度与权重对应相乘获取新病历与历史病历的综合相似度；利用诊治医师和医院的等级指数计算历史病历的参考价值指数；利用综合相似度与参考价值指数确定新病历与历史病历的综合匹配度；以及选取综合匹配度高的历史病历作为该新病历的参考病历。该装置包括用于实现上述步骤的多个模块。本发明能够有效地利用病历大数据辅助医师进行诊疗。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.026 seconds)
