-
公开(公告)号：CN109754877B
公开(公告)日：2023-12-22
申请号：CN201810065498.8
申请日：2018-01-23
Applicant: 上海移视网络科技有限公司
Abstract: 本发明提供一种基于人工智能的十二导联标准心电图急性心肌梗死智能判别系统，包括：数据采集系统、云平台数据存储系统，所述数据采集系统通信连接于云平台数据存储系统，云平台数据存储系统连接于数据建模分析系统，所述数据建模分析系统上连接有数据显示系统；所述数据采集系统包括心电图采集系统、血管造影装置、临床试验观察表、胸痛发生至心电图获取的时间；本发明依托大数据云平台，建立基于体表十二导联标准心电图的特征识别急性心肌梗死(定性、定位、定时期)的人工智能算法，建立整体的心肌梗死自动判别智能系统平台，可以快速实现急性心肌梗死自动判别，提高诊断效率。
-
公开(公告)号：CN108926344B
公开(公告)日：2021-02-19
申请号：CN201810837033.X
申请日：2018-07-26
Applicant: 上海移视网络科技有限公司
IPC: A61B5/318 , A61B5/346 , A61B5/347 , A61B5/349 , A61B5/353 , A61B5/366 , A61B5/355 , A61B5/358 , A61B5/00
Abstract: 一种基于CNN神经网络的急性心肌梗死定位自动判别系统，涉及心肌梗死定位判别技术领域，包括数据采集系统、云平台数据存储系统、定位判别分析系统和数据显示系统；可穿戴心电监护仪与待判别人员连接，记录并生成12导联原始心电图；心电图采集系统获取12导联原始心电图数据，包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；定位判别分析系统利用基于CNN神经网络训练获得的定位判别模型进行卷积计算获得判别中间数据，判别中间数据经过sigmoid函数映射获得判别结果数据，从而做出待判别人员急性心肌梗死发生部位的定位判别；本申请提供一种基于CNN神经网络的急性心肌梗死定位自动判别系统，对待判别人员是急性心机梗死发生部位做出准确的判别。
-
公开(公告)号：CN110276748A
公开(公告)日：2019-09-24
申请号：CN201910507140.0
申请日：2019-06-12
Applicant: 上海移视网络科技有限公司
IPC: G06T7/00
Abstract: 本发明公开了一种心肌缺血区域的血流速和血流储备分数的分析方法，该算法模型首先使用数据增强和图像预处理，将预处理后的SPECT三维(3D)图像使用多重卷积神经网络(CNN)分别提取图像空间特征和进行下采样，然后再使用另一类算法模型：LSTM-RNN(长短期记忆递归神经网络)对上一步已经提取的3D图像特征进行动态时序特征提取，再通过上采样的CNN形成可以被解析的3D定量参数图：心肌血流速(MBF)；然后按照SPECT在心肌功能rest(静息态)和stress(负荷态)两个状态下的图像，通过以上方法得出的MBF进一步计算冠脉血流储备分数(CFR)，进而帮助医生进行心肌和冠脉循环功能缺损与否的评估。
-
公开(公告)号：CN109754877A
公开(公告)日：2019-05-14
申请号：CN201810065498.8
申请日：2018-01-23
Applicant: 上海移视网络科技有限公司
IPC: G16H50/20 , A61B5/0402
Abstract: 本发明提供一种基于人工智能的十二导联标准心电图急性心肌梗死智能判别系统，包括：数据采集系统、云平台数据存储系统，所述数据采集系统通信连接于云平台数据存储系统，云平台数据存储系统连接于数据建模分析系统，所述数据建模分析系统上连接有数据显示系统；所述数据采集系统包括心电图采集系统、血管造影装置、临床试验观察表、胸痛发生至心电图获取的时间；本发明依托大数据云平台，建立基于体表十二导联标准心电图的特征识别急性心肌梗死(定性、定位、定时期)的人工智能算法，建立整体的心肌梗死自动判别智能系统平台，可以快速实现急性心肌梗死自动判别，提高诊断效率。
-
公开(公告)号：CN117761671A
公开(公告)日：2024-03-26
申请号：CN202311790910.X
申请日：2023-12-22
Applicant: 上海移视网络科技有限公司
Inventor： 李昕
IPC: G01S7/539 , A61N7/00 , G01S7/52 , G06T7/11 , G06T7/12 , G06T7/13 , G06T7/62 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种超声作用区域监测方法及装置，确定针对预设位置的聚焦超声波的脉冲发射序列；在任一周期的停止时间内控制超声探头发射第一声信号，并对超声探头接收到的第一声信号的回波信号进行变温区域轮廓提取，得到变温区域的实时轮廓；在该周期的输出时间内控制超声探头发射第二声信号，对第二声信号的回波信号进行分析处理，提取微泡信号得到微泡图像，并基于微泡区域分割模型，结合变温区域的实时轮廓对微泡图像进行微泡区域分割，得到微泡区域的实时分割结果；对变温区域的实时轮廓的变化过程和微泡区域的实时分割结果的变化过程进行可视化，实现组织在高强度聚焦超声换能器在治疗过程中的性质变化过程的实时观测。
-
Patent Agency Ranking
公开(公告)号：CN117648612A
公开(公告)日：2024-03-05
申请号：CN202410123474.9
申请日：2024-01-30
Applicant: 上海移视网络科技有限公司
Inventor： 李昕
IPC: G06F18/24 , G01R31/367 , G01R31/378 , G01R31/385 , G01R31/389 , G06F18/2113 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种并联电池组故障检测方法、装置、电子设备和存储介质，通过获取多个样本并联电池组对应各类电气特征的特征数据，随后基于多个样本并联电池组的故障标签，对多个样本并联电池组对应各类电气特征的特征数据进行重要性排序和相关性分析，通过机器学习技术和相关性分析技术多角度地从各类电气特征中挑选出能够准确反映电池组故障与否的所有筛选特征，并确定各类筛选特征对应的合适的正常值区间，进而可以依据待检测并联电池组对应各类筛选特征的特征数据、各类筛选特征对应的正常值区间及各类筛选特征的重要性排序结果，确定待检测并联电池组的故障检测结果，提升了并联电池组故障检测的准确性，同时降低了故障检测的漏检率和误检率。
-
公开(公告)号：CN112927212B
公开(公告)日：2023-10-27
申请号：CN202110263890.5
申请日：2021-03-11
Applicant: 上海移视网络科技有限公司
Abstract: 本发明提供一种基于深度学习的OCT心血管斑块自动识别与分析方法，包括如下步骤：纵深截面处理：对OCT图像的纵深截面进行分割处理，得到分割结果A1；横截面处理：对OCT图像的横截面进行分割处理，得到分割结果A2；截面综合处理：综合纵深截面处理结果A1以及横截面处理结果A2并进行分割处理，得到分割结果A；结果分析：根据分割结果A，计算斑块衰减指数IPA，得出斑块类别。本发明设计合理，综合不同图像分类特点以及OCT的临床特点，通过对3D的OCT图像进行三维重建、分割，并得到量化指标IPA，最终基于IPA对斑块进行分类，能够有效地解决了现有技术中识别斑块能力弱的问题。
-
公开(公告)号：CN112927212A
公开(公告)日：2021-06-08
申请号：CN202110263890.5
申请日：2021-03-11
Applicant: 上海移视网络科技有限公司
Abstract: 本发明提供一种基于深度学习的OCT心血管斑块自动识别与分析方法，包括如下步骤：纵深截面处理：对OCT图像的纵深截面进行分割处理，得到分割结果A1；横截面处理：对OCT图像的横截面进行分割处理，得到分割结果A2；截面综合处理：综合纵深截面处理结果A1以及横截面处理结果A2并进行分割处理，得到分割结果A；结果分析：根据分割结果A，计算斑块衰减指数IPA，得出斑块类别。本发明设计合理，综合不同图像分类特点以及OCT的临床特点，通过对3D的OCT图像进行三维重建、分割，并得到量化指标IPA，最终基于IPA对斑块进行分类，能够有效地解决了现有技术中识别斑块能力弱的问题。
-
公开(公告)号：CN108926345B
公开(公告)日：2021-02-19
申请号：CN201810839194.2
申请日：2018-07-27
Applicant: 上海移视网络科技有限公司
IPC: A61B5/318 , A61B5/346 , A61B5/347 , A61B5/349 , A61B5/353 , A61B5/366 , A61B5/355 , A61B5/358 , A61B5/00
Abstract: 一种基于CNN神经网络的急性心肌梗死定时期自动判别系统，涉及心肌梗死定时期判别技术领域，包括数据采集系统、云平台数据存储系统、定时期判别分析系统和数据显示系统；可穿戴心电监护仪与待判别人员连接，记录并生成12导联原始心电图；心电图采集系统获取12导联原始心电图数据，包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；定时期判别分析系统利用基于CNN神经网络训练获得的定时期判别模型进行卷积计算获得判别中间数据，再经过sigmoid函数映射获得判别结果数据，从而做出待判别人员急性心肌梗死发生时期的定时期判别；本申请提供一种基于CNN神经网络的急性心肌梗死定时期自动判别系统，对待判别人员是急性心机梗死发生时期做出准确的判别。
-
公开(公告)号：CN110136810A
公开(公告)日：2019-08-16
申请号：CN201910507174.X
申请日：2019-06-12
Applicant: 上海移视网络科技有限公司
Abstract: 本发明公开了心肌缺血冠脉血流储备的分析方法，该算法模型首先使用数据增强和图像预处理，将预处理后的心肌动态PET三维(3D)图像使用多重卷积神经网络(convolutional neural network，CNN)的DenseNet网络架构分别提取图像空间特征和进行下采样，然后再使用另一类算法模型：GRU(Gate Recurrent Unit，)对上一步已经提取的3D图像特征进行动态时序特征提取，再通过上采样的DenseNet形成可以被解析的3D定量参数图：心肌血流速(MBF)。然后按照PET在心肌功能rest(静息态)和stress(负荷态)两个状态下的图像，通过以上方法得出的MBF进一步计算冠脉血流储备分数(coronary flow reserve，CFR)，进而帮助医生进行心肌和冠脉循环功能缺损与否的评估。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.039 seconds)
