-
公开(公告)号：CN113205492A
公开(公告)日：2021-08-03
申请号：CN202110453717.1
申请日：2021-04-26
Applicant: 武汉大学
Abstract: 本发明公开一种胃粘膜染色放大成像的微血管扭曲程度量化方法，该方法包括图像分割法、血管中心线提取法、面密度法。图像分割法用于提取胃镜图像中的清晰区域和微血管整图；血管中心线提取法用于提取每根微血管的中心线并计算中心线上像素点处对应的微血管周长；面密度法通过将微血管周长向其最小外接立方体面进行投影从而计算出面密度。最终通过对微血管最小外接立方体不同面的面密度进行加权获得微血管扭曲程度系数，而后根据扭曲程度系数对微血管扭曲程度等级进行判定。
-
公开(公告)号：CN109616195A
公开(公告)日：2019-04-12
申请号：CN201811430906.1
申请日：2018-11-28
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明公开了一种基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法，系统包括图像获取模块、通信模块、病灶识别模块；图像获取模块，用于获取使用超声内镜设备进行纵隔检查得到的图片和视频，将视频解码为图片；病灶识别模块，用于接收图像获取模块的图片，及时判断图像对应的特征，得到疾病识别分类结果；图像获取模块和病灶识别模块通过通信模块连接通信。本发明首选使用图像获取模块获取纵隔超声内镜图片和视频；然后将纵隔超声内镜图片作为参数，调用卷积神经网络模型进行疾病的识别分类；最后接收卷积神经网络模型分类结果，辅助医生进行疾病诊断。本发明提高了检测的准确度和有效性，降低了误诊漏诊发生概率，节约了人力成本。
-
公开(公告)号：CN109615633A
公开(公告)日：2019-04-12
申请号：CN201811430903.8
申请日：2018-11-28
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明公开了一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法，系统包括肠镜图像自动采集子系统、数据库、客户端和服务端；肠镜图像自动采集子系统用于采集肠镜图像；数据库包括用于训练卷积神经网络的样本集；客户端用于将肠镜图像自动采集子系统采集的肠镜图像上传给服务端，并接收和显示服务端反馈的分析结果。本发明利用图像识别技术，实时监测内镜视频，自动采集包含重点器官部位和可疑克罗恩病灶区域的影像，并按照加权算法全局择优之后，给出是否为克罗恩病的诊断。本发明利用神经网络模型对图像进行自动图像筛选后，能够从全局视频中提取最有价值图像，并给出辅助诊断，为医生诊断提供更可靠、高效的支持。
-
公开(公告)号：CN109614995A
公开(公告)日：2019-04-12
申请号：CN201811430907.6
申请日：2018-11-28
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明公开了一种超声内镜下识别胰胆管和胰腺结构的系统及方法，系统包括客户端、服务端和数据库；客户端，用于将超声内镜设备采集的超声内镜图像上传给服务端，并接收和显示服务端反馈的分析结果；服务端，根据从客户端采集的超声内镜图像，即时判断图像对应的部位所属结构，将分析结果反馈给客户端；数据库，用于存储超声内镜设备采集的图像、服务端反馈的分析结果。本发明对于采集的超声内镜图像进行即时识别图片质量、识别部位所属结构，反馈正常模拟图，并在客户端实时显示，为操作者提供更为可靠的参考依据，提高检测的准确度和有效性，简单易用，避免因为自身对图像解读的不完全甚至错误而对病情做出错误诊断。
-
公开(公告)号：CN109598708A
公开(公告)日：2019-04-09
申请号：CN201811431016.2
申请日：2018-11-28
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明公开了一种超声内镜下识别和定位胰腺癌的系统及方法，系统包括客户端、服务端和数据库；客户端，用于将超声内镜设备采集的超声内镜图像上传给服务端，并接收和显示服务端反馈的分析结果；服务端，根据从客户端采集的超声内镜图像，即时判断图像中是否有可能的癌症病灶并得到其位置信息，将分析结果反馈给客户端；数据库，用于存储采集的图像和分析结果。本发明对于采集的超声内镜图像进行即时识别图片质量、识别可能的癌症病灶，反馈其三维空间位置信息，在图像显示系统上进行实时提示，为医师提供准确可靠的参考，提高检测的准确度和有效性，简单易用，自动定位相比人工定位省时省力，辅助识别提高了胰腺癌尤其是早期胰腺癌的检出率。
-
Patent Agency Ranking
公开(公告)号：CN108962356A
公开(公告)日：2018-12-07
申请号：CN201810548889.5
申请日：2018-05-31
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明公开了一种基于深度学习的肠镜操作实时辅助系统及其操作方法，该系统包括：客户端和服务端；其中：客户端，设置有至少一个，与肠镜设备相连，用于获取当前肠镜设备采集的肠镜图像，通过网络将肠镜图像上传到服务端；并接收和显示服务端反馈回来的分析结果；服务端，根据客户端发送来的肠镜图像，进行肠镜图像处理，即时判断肠镜图像对应的部位及部位特征，并将分析结果反馈给客户端；服务端包括样本数据库、卷积神经网络模型和web服务模块。本发明能对采集的图像进行图像质量识别、部位识别和部位特征的识别，并在客户端进行显示，为操作者提供更为可靠的参考依据，提高检测的准确度和有效性，简单易用。
-
公开(公告)号：CN116524420A
公开(公告)日：2023-08-01
申请号：CN202310803998.8
申请日：2023-07-03
Applicant: 武汉大学
IPC: G06V20/40 , G06V20/54 , G06V10/764
Abstract: 本发明公开了一种交通场景下的关键目标检测方法及系统，首先获取交通视频，并提取视频图像高维特征，提取高维度的多尺度特征；然后对多尺度特征进行处理，提取显著性多尺度特征；对提取的显著性多尺度特征进行处理，实现边框回归与多个子类别预测，得到关键目标的定位信息与类别信息；接着约束分类结果减少误检；最后将定位信息与约束后的分类结果进行结合，消除冗余检测框，得到最终的关键目标定位信息与类别信息。本发明能够在复杂多变的陆上或海上交通场景下快速并准确的检测出行驶或静止状态下的关键目标，实现交通场景下的关键目标的智能监控或用于无人驾驶系统中的环境感知任务。
-
公开(公告)号：CN111986211A
公开(公告)日：2020-11-24
申请号：CN202010817760.7
申请日：2020-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的眼科超声自动筛查方法及系统，该方法包括：模型训练阶段：收集历史眼科超声图片和视频，对其进行训练得到分割模型和分类模型；检测阶段：S1、获取待检测的眼科超声图像；S2、利用训练好分割模型对待检测眼科超声图像进行人工智能网络分割，并利用分类模型对分割后的眼科超声图像进行识别，识别得到病灶类别，同时提示病灶位置；S3、根据所识别病灶评估相应风险评级；S4、根据风险等级，进行下一步诊疗提示。本发明可以减少医生工作量，提高疾病的及时诊断率，同时因为可以显示出具体的病灶位置，可用于对新手医生进行辅助培训。
-
公开(公告)号：CN109102491A
公开(公告)日：2018-12-28
申请号：CN201810690051.X
申请日：2018-06-28
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明提供一种胃镜图像自动采集系统，包括采用反向传播算法训练好的卷积神经网络模型和长短时间记忆网络模型，卷积神经网络模型用于对预处理后的图像进行部位和病灶特征的分类，长短时间记忆网络模型对分类的结果进行序列拟合，得到识别结果；图像展示模块，用于将视频识别模块的识别结果进行图文表达；结果输出模块，用于记录每次识别结果，并按照视频识别模块的识别结果进行排序，输出每个部位排序最前的图像。本发明综合运用卷积神经网络模型和长短时间记忆网络模型对采集的胃镜视频进行实时采集过滤，能够避免图像中的目标特征的遗漏，优化特征的类别。
-
公开(公告)号：CN108968892A
公开(公告)日：2018-12-11
申请号：CN201810834804.X
申请日：2018-07-26
Applicant: 武汉大学人民医院(湖北省人民医院)
Abstract: 本发明提供一种肠镜下盲区监测的系统及方法，主动提示医师滑镜的发生，并监督医师回镜到位，使肠镜检查覆盖肠腔内全部部位。主要包括如下步骤：首先肠镜设备进行图像采集，并将所采集的肠镜图像发送至客户端和服务端，服务端接收肠镜图像作为参数，调用卷积神经网络模型识别滑镜图像，调用感知哈希算法判断是否回镜成功，并在客户端进行显示，为操作者提供更为可靠的参考依据，提高检测的全面性和有效性，简单易用，避免因为一次检查不到位而让患者二次痛苦。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.029 seconds)
