本发明提供一种眼底罕见病图像生成与分类方法及系统，涉及图像处理技术领域，包括：图像生成步骤：利用正常健康的眼底图像和某种罕见病的眼底图像生成新的眼底罕见病图像；图像分类步骤：基于罕见病眼底图像以及生成的眼底罕见病图像，其它眼底病图像以及...

本发明提供了一种基于知识图谱的文本索引增强问答方法及系统，包括：构建知识图谱步骤：根据知识语料库，构建带有知识语料库文本索引的知识图谱；知识匹配步骤：在知识图谱中匹配知识三元组，并将提取知识三元组对应的文本片段作为输入，最终生成回答。本...

本发明提供了一种软件授权方法及系统，包括：步骤S1：结合授权方信息、软件版本功能和授权可用时间次数信息生成授权验证信息；步骤S2：令授权码生成模块采用非对称加密技术，使用签名密钥对生成的内容进行签名，生成授权码；步骤S3：利用授权记录模...

本发明提供了一种皮肤病问诊系统和方法，包括：图像预测模块：对上传的皮损照片进行数据库比对，预测各类皮肤疾病发生的初始概率；数据标注模块：根据问诊对话语料中的文本和对应的皮损照片进行标注，得到标注结果；知识矩阵模块：根据标注结果对知识矩阵...

本发明提供了一种视频流处理方法及系统，包括：步骤S1：将视频数据解析生成帧数据，基于标识机制将帧数据存入固定大小的连续缓存中；步骤S2：基于标识机制将缓存中的帧数据利用多线程分别批量获取对应的连续帧数据并进行推理处理；当当前缓存中的帧数...

本发明提供了一种基于深度学习的婴儿行为特征分类方法和系统，包括：步骤1：制作婴儿视频数据集，并对数据集中的视频进行分类和时间片段标注；步骤2：制作婴儿关键点数据集；步骤3：对婴儿视频数据集的人体关键点进行预处理；步骤4：使用深度学习模型...

本发明提供了一种基于深度学习的银屑病甲图像处理方法及系统，包括：通过检测网络从指甲图像中剪裁出甲盖ROI区域，通过粗分割模型从甲盖ROI区域中分割出甲盖区域和甲损伤区域，通过细分割模型将甲盖ROI区域和甲损伤区域进行图像通道合并，细分割...

本发明提供了一种基于深度学习的眼底图像视网膜动脉阻塞检测方法和系统，包括：步骤1：收集带有是否含有视网膜动脉阻塞的标注分类以及去除黑色边缘的彩色眼底图像；步骤2：根据迁移学习建立深度学习模型，并根据已标注分类和去除黑色边缘的彩色眼底图像...

本发明提供一种肋骨CT图像的处理方法及系统，包括：步骤S1：将已脱敏胸部CT扫描图像输入预处理模块，得到预处理三维图像；步骤S2：对预处理三维图像进行分块，通过已训练的第一神经网络，输出对应预处理图像的特征图；步骤S3：对步骤S2输出结...

本发明提供了一种肋骨实例分割、计数与定位的方法及系统，包括如下步骤：对胸部CT中的肋骨进行语义分割，得到肋骨语义分割二值掩码；收集所述肋骨语义分割二值掩码对应的人工标注，获得肋骨实例分割掩码；对所述肋骨语义分割二值掩码和所述肋骨实例分割...

本发明提供了一种疾病预测方法、疾病预测模型训练方法及装置、存储介质，其中，疾病预测模型训练方法，包括：建立初始疾病预测模型，初始疾病预测模型包括初始病灶分割网络与初始疾病等级预测网络，其中，初始病灶分割网络的输出端连接初始疾病等级预测网...

本发明提供了一种彩色眼底图像青光眼筛查方法及系统，包括：步骤M1：采集不同来源的彩色眼底图像数据，并对部分彩色眼底图像数据进行标注；步骤M2：对采集到的彩色眼底图像数据进行预处理；步骤M3：利用预处理后的标注的图像数据训练卷积神经网络，...

本发明提供了一种基于深度学习算法的小儿视力障碍筛查方法及系统，包括：获取一段儿童上半身的视频；对视频进行实时解析，提取出视频中符合预设要求的高质量片段，裁剪出高质量的面部片段和眼部片段；利用面部片段信息和眼部片段信息分别训练面部分类网络...

本申请给出了一种结合胸部CT影片和预先建模数据进行美观化三维重建的方法。本发明会结合预先准备的三维艺术模型，自动的从用户输入的胸部图片生成准确并美观的三维胸部器官重建输出。相比常见的CT深度学习分割重建技术，由于我们充分利用了三维艺术模...

本申请涉及一种检测人眼屈光不正的方法、客户端和服务器，属于人眼屈光不正检测领域。本申请包括构建屈光不正数据集，所述屈光不正数据集包括屈光不正者至少一面部角度的面部图像，以及与屈光不正者的面部图像关联的屈光度；构建深度卷积网络；使用所述屈...

本申请涉及一种肺结节检测模型训练方法和装置、肺结节检测方法和装置。该方案中，肺结节检测模型至少包括基于2D Faster R‑CNN网络的候选生成器和基于3D CNN网络的FPR模型，其中，利用候选生成器对由连续层面的CT灰度图像堆叠生...

本发明涉及一种图像分类输出结果的检测方法，通过逐层分析网络层的方法构建一个具有多层网络的第一分类网络；其包括卷积层和全连接层；卷积层和全连接层对原始图像经过线性和非线性处理得到特征图，并对特征图进行转换形成自省网络训练数据；第一分类网络...

本发明涉及一种基于深度学习的糖尿病视网膜病变分类分级方法，它针对每一类糖尿病视网膜病变准备大量眼底镜照片；建立包含多级神经网络架构的深度卷积神经网络；基于大量眼底镜照片对深度卷积神经网络进行训练，使深度卷积神经网络的最终输出值符合眼底镜...