[01912970]基于人工智能的医学影像及遥感图像分类技术
交易价格:
面议
所属行业:
类型:
非专利
技术成熟度:
可规模生产
交易方式:
技术转让
联系人:李聪
所在地:湖南长沙市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
医学影像通常包含许多有助于诊断的病灶特征,如果以人工阅片的方式分析这些特征,不仅占用医务
人员的大量时间,而且容易因视觉疲劳等干扰导致出错。以卷积神经网络为代表的深度学习方法能够
极大地减轻医护人员和资源供给的压力,提高诊断效率。
u 遥感图像中包含的数据量和信息量日益增多,传统分类模型不能轻量高效地完成遥感图像中多尺度的
关键特征提取,深度学习方法普遍存在计算量大、收敛速度慢等缺点。提高遥感数据的分析效率,有利
于缓解数据分析者的工作压力,促进遥感技术应用领域的发展。
u 研究团队在新冠肺炎 X光影像识别、新冠肺炎 CT影像识别以及结肠息肉图像识别等方面取得突破,融
合了多尺度特征提取、注意力机制以及模型轻量化等网络设计思路。相关智能识别方法已得到实际应
用。
u 研究团队在遥感图像场景分类任务中,通过提升模型的全局-局部特征信息提取能力,引入辅助分类器
以及模型轻量化等网络设计思路,取得了优于其它先进模型的识别效果。
u 本项目共产出科研论文30篇,获授权发明专利12项,项目成果获2018年湖南省科技进步三等奖。
医学影像通常包含许多有助于诊断的病灶特征,如果以人工阅片的方式分析这些特征,不仅占用医务
人员的大量时间,而且容易因视觉疲劳等干扰导致出错。以卷积神经网络为代表的深度学习方法能够
极大地减轻医护人员和资源供给的压力,提高诊断效率。
u 遥感图像中包含的数据量和信息量日益增多,传统分类模型不能轻量高效地完成遥感图像中多尺度的
关键特征提取,深度学习方法普遍存在计算量大、收敛速度慢等缺点。提高遥感数据的分析效率,有利
于缓解数据分析者的工作压力,促进遥感技术应用领域的发展。
u 研究团队在新冠肺炎 X光影像识别、新冠肺炎 CT影像识别以及结肠息肉图像识别等方面取得突破,融
合了多尺度特征提取、注意力机制以及模型轻量化等网络设计思路。相关智能识别方法已得到实际应
用。
u 研究团队在遥感图像场景分类任务中,通过提升模型的全局-局部特征信息提取能力,引入辅助分类器
以及模型轻量化等网络设计思路,取得了优于其它先进模型的识别效果。
u 本项目共产出科研论文30篇,获授权发明专利12项,项目成果获2018年湖南省科技进步三等奖。