专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明公开

CN118037929A 基于深度学习的纹理映射三维重建方法、装置及电子设备审中-公开
公开(公告)号：CN118037929A
公开(公告)日：2024-05-14
申请号：CN202410333438.5
申请日：2024-03-22
申请人：北京长木谷医疗科技股份有限公司
发明人：张逸凌 , 刘星宇
IPC分类号： G06T15/04 , G06T15/00 , G06T17/00 , G06N3/0464 , G06N3/0475 , G06N3/08 , G06T1/20
摘要：本申请提供了一种基于深度学习的纹理映射三维重建方法、装置、设备及计算机可读存储介质。该方法，包括：将待渲染的骨骼和假体的面数据传输到GPU的内存中；根据面的渲染需求，设置骨骼和假体相应的顶点着色器和片段着色器；在绘制之前，设置相关的绘制状态；使用图形API，向GPU发送绘制指令；GPU会利用其大量的并行计算单元，并行处理多个面的渲染计算，得到渲染结果；将三维骨骼初始模型和三维假体初始模型分别输入预设的纹理映射网络模型中，输出相应三维骨骼最终模型和三维假体最终模型；调整三维假体最终模型的位姿，以实现三维骨骼最终模型和三维假体最终模型的模拟安装。根据本申请实施例，能够提高骨骼和假体三维重建的效率和真实性。

2. 发明授权

CN116824265B 一种基于GLM的脊柱智能诊断评估方法及装置有权
公开(公告)号：CN116824265B
公开(公告)日：2024-05-03
申请号：CN202310861061.6
申请日：2023-07-13
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06V10/764 , G06V10/40 , G06V10/774 , G16H50/20
摘要：本申请提供了一种基于GLM的脊柱智能诊断评估方法及装置，所述方法包括：将待标注图像输入特征提取单元，得到所述待标注图像的图像特征信息；将所述图像特征信息输入GLM单元，得到所述待标注图像的诊断评估信息；所述特征提取单元和所述GLM单元是基于第一样本图像和标注的诊断信息进行同步训练后得到的，所述GLM单元为预训练语言模型GLM。本申请中，通过相互结合的特征提取单元和GLM模型，实现脊柱图像中脊柱病变的端到端训练和推理；在降低模型复杂度的同时，也降低了模型的推理时间。

3. 发明授权

CN116188492B 髋关节分割方法、装置、电子设备及计算机可读存储介质有权
公开(公告)号：CN116188492B
公开(公告)日：2024-04-26
申请号：CN202310184479.8
申请日：2023-02-21
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06T7/11 , G06T7/00 , G06V10/774 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/08
摘要：本申请提供了一种髋关节分割方法、装置、电子设备及计算机可读存储介质。该髋关节分割方法，包括：获取待分割的髋关节图像；将髋关节图像输入预设的髋关节分割模型，输出髋关节分割结果；其中，髋关节分割模型是基于改进后的LadderNet网络经过模型训练得到的，改进后的LadderNet网络是在LadderNet网络的每层每对相邻的解码器分支和编码器分支之间的跳跃连接中添加注意力机制网络，用于增强对髋关节图像边界特征的分割；并且，在LadderNet网络的最后一层添加深度聚合金字塔网络，用于提取不同层级不同尺度的卷积特征，挖掘髋关节图像最后一层的特征信息，以定位分割位置。根据本申请实施例，能够更加准确地进行髋关节分割。

4. 发明公开

CN117798938A 一种多关节机器人非奇异评价控制方法及装置审中-实审
公开(公告)号：CN117798938A
公开(公告)日：2024-04-02
申请号：CN202410236420.3
申请日：2024-03-01
申请人：北京长木谷医疗科技股份有限公司
发明人：张逸凌 , 刘星宇
IPC分类号： B25J9/16 , B25J13/00
摘要：本申请提供了一种多关节机器人非奇异评价控制方法及装置，所述方法包括：获取机械臂运动学参数和当前关节角；计算平面约束下的当前关节角的非奇异评价指标；根据所述非奇异评价指标，对机械臂进行操作控制。本申请中，通过计算关节角的非奇异评价指标，从而可以控制机械臂在奇异评价指标较高的关节角之间进行姿态变换，避免机械臂运动过程中临近奇异位，解决机械臂的奇异现象会导致截骨时灵活度不足的问题。

5. 发明授权

CN117009826B 一种基于深度学习的髋臼杯角度自适应确定方法及装置有权
公开(公告)号：CN117009826B
公开(公告)日：2024-04-02
申请号：CN202311108236.2
申请日：2023-08-30
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06F18/22 , A61F2/34 , A61F2/46 , G06F18/24 , G06N20/00
摘要：本申请提供了一种基于深度学习的髋臼杯角度自适应确定方法及装置，所述方法包括：基于股骨柄内植入的传感器，获取单个对象的传感器数据；基于所述单个对象的传感器数据对位置预测模型进行训练，得到训练完成的位置预测模型；基于训练完成的位置预测模型，从所述单个对象的传感器数据中筛选出多组规律数据；确定筛选后的每组规律数据对应的髋臼杯轴线；基于筛选后的所述髋臼杯轴线，确定最佳髋臼杯轴线及对应的最佳髋臼杯角度。本申请中，通过设置在股骨柄假体内的传感器采集单个对象的假体运动数据，并基于该假体运动数据确定该对象的最佳髋臼杯角度，从而大大增加单个患者与髋臼杯角度的适应性。

6. 发明授权

CN116402780B 基于双自注意力和深度学习的胸椎图像分割方法及装置有权
公开(公告)号：CN116402780B
公开(公告)日：2024-04-02
申请号：CN202310340824.2
申请日：2023-03-31
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06T7/00 , G06T7/11 , G06T5/50
摘要：本发明提供了一种基于双自注意力和深度学习的胸椎图像分割方法及装置，方法包括：获取待处理的医学图像数据集，医学图像数据集中的每张医学图像均包括有胸椎图像区域；将待处理的医学图像数据集输入至深度学习网络模型中，基于深度学习网络模型编码层中的多个双自注意力模块，对不同尺寸的编码图像分别进行双自注意力机制特征提取，得到多张不同尺寸的编码特征图像；基于深度学习网络模型解码层中的多个双自注意力模块，对特征拼接融合图像进行双自注意力机制特征提取，输出得到胸椎图像分割结果。上述方法得到的特征拼接融合图像则可以保留医学图像数据集中的较多特征信息，输出得到的胸椎图像分割结果也更加准确，提高了胸椎图像的分割精度。

7. 发明授权

CN116188479B 基于深度学习的髋关节图像分割方法及系统有权
公开(公告)号：CN116188479B
公开(公告)日：2024-04-02
申请号：CN202310147922.4
申请日：2023-02-21
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06T7/10 , G06T7/00 , G06V10/774 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
摘要：本发明提供一种基于深度学习的髋关节图像分割方法及系统，方法包括：获取待分割图像；将待分割图像输入目标分割网络，获取目标图像；目标分割网络基于样本图像数据集训练得到，目标分割网络包括第一特征提取模块、第二特征提取模块及特征融合模块；获取目标图像包括：基于第一特征提取模块提取待分割图像的目标特征图；基于第二特征提取模块及深度聚合金字塔网络提取待分割图像的全局特征；基于特征融合模块，融合全局特征和目标特征图，得到目标图像。本发明能够实现对待分割图像的快速分割处理，将待分割图像的浅层细节特征与通过深度聚合金字塔网络提取到的待分割图像的全局特征进行融合，得到增强后的内容特征，提高对待分割图像的分割精度。

8. 发明授权

CN116543221B 关节病变智能检测方法、装置、设备及可读存储介质有权
公开(公告)号：CN116543221B
公开(公告)日：2024-03-19
申请号：CN202310537529.6
申请日：2023-05-12
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06V10/764 , G06V10/32 , G06V10/82 , G06V10/80 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/09 , G06N3/084
摘要：本申请提供了一种关节病变智能检测方法、装置、电子设备及计算机可读存储介质。该方法，获取膝关节原始图像；对膝关节原始图像进行尺寸变换，得到第一膝关节图像；利用预设的膝关节定位模型，对第一膝关节图像中的膝关节进行定位；针对所定位的膝关节进行图像裁剪，得到第二膝关节图像；对第二膝关节图像进行尺寸变换，得到第三膝关节图像；将第三膝关节图像输入预设的膝关节病变识别分类模型，识别膝关节病变类型；其中，膝关节病变识别分类模型包括分离注意力机制网络、语义注意模块和图卷积神经网络。

9. 发明公开

CN117679160A 创伤骨折复位方法、装置、设备及可读存储介质审中-实审
公开(公告)号：CN117679160A
公开(公告)日：2024-03-12
申请号：CN202311802211.2
申请日：2023-12-26
申请人：北京长木谷医疗科技股份有限公司
发明人：张逸凌 , 刘星宇
IPC分类号： A61B34/10 , A61B6/50 , A61B6/00
摘要：本申请提供了一种创伤骨折复位方法、装置、设备及计算机可读存储介质。该创伤骨折复位方法，包括：获取髋关节股骨骨折CT数据；对髋关节股骨骨折CT数据进行格式转换；将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。根据本申请实施例，能够又快又准地进行骨折复位。

10. 发明授权

CN115731243B 基于人工智能及注意力机制的脊柱图像分割方法及装置有权
公开(公告)号：CN115731243B
公开(公告)日：2024-02-09
申请号：CN202211515879.4
申请日：2022-11-29
申请人：北京长木谷医疗科技股份有限公司 , 张逸凌
发明人：张逸凌 , 刘星宇
IPC分类号： G06T7/10 , G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要：本发明提供了一种基于人工智能及注意力机制的脊柱图像分割方法及装置，其中，方法包括：将脊柱图像进行编码，得到编码后的图像矩阵D1至图像矩阵Dn；以图像矩阵Di的大小作为基准，基于上采样和/或下采样确定与D1至Dn对应的图像矩阵D1’至图像矩阵Dn’；将D1’至Dn’进行相加，得到图像矩阵Mi；将Mi和目标图像矩阵进行注意力机制融合，得到图像矩阵Ui1；对目标图像矩阵进行上采样，得到图像矩阵Ui2；将Ui1和Ui2进行连接操作，得到解码后的图像矩阵Ui。本发明提供的上述方法，通过将D1’至Dn’进行相加，进而确定出Mi，相比基于单个的图像矩阵确定Mi的方式，则可以尽可能多的保留脊柱图像中(56)对比文件CN 112330681 A,2021.02.05CN 114092519 A,2022.02.25CN 112634292 A,2021.04.09CN 114119638 A,2022.03.01US 2022335600 A1,2022.10.20JP 2021179971 A,2021.11.18US 2020364870 A1,2020.11.19杨栋杰等.基于多重多尺度融合注意力网络的建筑物提取《.浙江大学学报（工学版）》.2022,第56卷(第10期),1924-1934.纪玲玉等.MFA-Net：基于多视野上下文关注的视网膜血管分割《.微电子学与计算机》.2021,第38卷(第3期),14-20.刘艳.基于深度学习的医学脑图像分割算法研究《.中国优秀硕士学位论文全文数据库 (基础科学辑)》.2011,第2022年卷(第10期),A006-164.J. Cao et al.A Pixel-LevelSegmentation Convolutional Neural NetworkBased on Deep Feature Fusion for SurfaceDefect Detection《.IEEE Transactions onInstrumentation and Measurement》.2020,1-12.余帅等.基于多级通道注意力的遥感图像分割方法《.激光与光电子学进展》.2019,第57卷(第4期),142-151.

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式