更新时间：2026-08-18 00:04:20
已登记
详细信息
-
知识产权名称
基于人工智能的内窥镜图像中仪器分割数据
-
登记编号
DIP2024000015621
-
申请人
湖州创感科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-11-14 11:30:33
详细信息
-
所属行业
制造业
-
交易状态
待交易
-
数据规模
5493
-
更新频次
按需更新
-
应用场景
基于人工智能的内窥镜图像中仪器分割技术在微创手术和内窥镜辅助操作中具有重要意义。通过准确分割内窥镜图像中的医疗仪器，系统可以辅助医生在手术中更好地识别和定位器械位置，降低误操作的风险。这项技术在内窥镜引导手术、器械导航和实时操作监控中有广泛应用，有助于提高手术的精确度和安全性，同时减少医生的操作负担。
-
算法规则简要说明
数据收集：在该算法中，首先收集内窥镜图像及其对应的真实分割标签作为训练和验证数据集的基础。每个图像样本包含：内窥镜图像（.png格式文件）和图像参数信息（.json格式），用于记录图像拍摄的参数，帮助模型更好地理解图像特征。此外，真实分割标签标识出仪器的具体位置和轮廓，作为监督学习的目标数据。 数据预处理：对原始内窥镜图像进行预处理，包括缩放、归一化等步骤，以使图像适配神经网络的输入要求。生成的预处理图像数据（.npy格式）和图像特征（.pkl格式）包含了图像的结构化信息，便于模型在细节层面上进行分割。 模型构建：利用基于2D卷积神经网络的架构对内窥镜图像进行仪器分割。网络的输入为预处理后的2D图像数据和图像特征，输出为预测的分割标签。模型包括编码器和解码器两个部分，分别用于特征提取与分割标签生成。具体算法公式如下：F_features=Encoder_features(I,F),Output_segmentation=Decoder_segmentation(F_image)。其中，Encoder_features用于从预处理图像（I）和图像特征（f）中提取高维特征F_features，Decoder_segmentation生成预测分割标签Output_segmentation。通过这种方式，模型能够精确识别出图像中的医疗仪器。分割结果使用Dice相似系数（DSC）和表面距离指标（NSD）来评估，确保模型能够提供可靠的分割效果。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
