专利交易市场

本发明涉及医疗影像处理技术领域，公开了一种基于图像识别的神经肿瘤识别定位方法及系统，获取患者的神经医学图像，对图像进行预处理，利用Transformer‑ConvNet混合模型对预处理后的图像进行特征提取，将提取到的特征输入到分类器中，进行肿瘤的初步识别，若初步识别存在肿瘤，利用基于可变形卷积的RPN网络在图像中生成包含肿瘤的候选区域，采用全连接神经网络对候选区域进行语义分割，确定肿瘤的具体位置和轮廓，根据肿瘤的具体位置和轮廓，结合肿瘤的形态学特征，生成最终的识别结果；本发明能够更高效、准确地识别和定位神经肿瘤，为临床诊断和治疗提供了有力的支持。

本发明公开了一种应用于Web的七类皮肤肿瘤检测方法，本发明基于Tensorflow为中介的模型迁移技术将模型的权重与Web端结合，使得模型可以在用户熟悉的浏览器环境下正常快速运行，同时可视化模型结果。模型采用优化后的Inception-ResNetV2分类网络，针对皮肤肿瘤图像，提出了一种皮肤肿瘤分类方法，该方法能够检测七类皮肤肿瘤，并取得了理想效果，可有效辅助医生诊断。发明提出的用于七类皮肤肿瘤检测的Web端开发方法，简化了检测皮肤肿瘤的流程，将得到的概率结果响应给客户端浏览器，浏览器进行渲染可视化，使得医生患者仅需简单操作Web端即可实时得到检测结果。

本发明公开了一种乳腺癌的智能判别方法，通过获取患者经过磁共振设备扫描的扫描影像数据，对所述扫描影像数据进行归一化处理，得到高维影像数据，将所述高维影像数据输入至预设的智能分类模型，生成智能分类结果，根据金标准和医生的分析结果，对所述智能分类结果进行判别，生判别结果，采用本发明提供的实施例，能够利用相关领域的训练数据跨域迁移来改善和提高乳腺癌磁共振影像分类方法，使得乳腺肿瘤特征信息最大化，从而提高了判别乳腺癌的准确率。

本发明属于医学图像处理领域，提供了一种基于多特征融合和弱监督定位的胃肠化生图像分类系统，通过将RGB图像转换为HSV图像和局部二值模式图像来提取特征并基于多头自注意力机制和通道注意力机制设计了一种多特征融合模块，实现了GIM图像中颜色和纹理信息的有效利用，提高了模型的分类性能。同时，通过弱监督定位技术定位GIM图像中的病变区域，利用预训练网络的预测置信度对病变激活图进行加权，减轻了不准确的病变激活图带来的影响；RGB图像与加权后的病变激活图融合后再进行特征提取，解决了传统模型无法在只有图像级标注的情况下关注病变区域的问题，进一步提升了胃肠化生严重程度分级准确率。