公开(公告)号：CN111128373A

公开(公告)日：2020-05-08

申请号：CN201911266873.6

申请日：2019-12-11

Applicant: 上海交通大学

Inventor： 顾力栩 ,  杨智凯 ,  赵愉 ,  马愈祥 ,  张宏

IPC: G16H50/20 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种通过协同主动学习模型的乳腺癌数据标注方法，涉及医学影像数据标注领域，采用了深度学习网络、主动学习系统和协同学习系统相结合，对所述乳腺癌数据进行标注。本发明提出的方法同时将深度学习，主动学习与协同学习这三种原本完全不相干的机器学习分支结合到一起，并将其用于医学图像分类任务：乳腺图像计算机辅助诊断。具有不需要增加额外标注成本的前提下，能够充分利用全部样本，因此特别适合被用于“获取成本高”的医学图像分类任务，并且能获得比主动学习方法更好的模型预测效果。

公开(公告)号：CN111128373B

公开(公告)日：2023-06-27

申请号：CN201911266873.6

申请日：2019-12-11

Applicant: 上海交通大学

Inventor： 顾力栩 ,  杨智凯 ,  赵愉 ,  马愈祥 ,  张宏

IPC: G16H50/20 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种通过协同主动学习模型的乳腺癌数据标注方法，涉及医学影像数据标注领域，采用了深度学习网络、主动学习系统和协同学习系统相结合，对所述乳腺癌数据进行标注。本发明提出的方法同时将深度学习，主动学习与协同学习这三种原本完全不相干的机器学习分支结合到一起，并将其用于医学图像分类任务：乳腺图像计算机辅助诊断。具有不需要增加额外标注成本的前提下，能够充分利用全部样本，因此特别适合被用于“获取成本高”的医学图像分类任务，并且能获得比主动学习方法更好的模型预测效果。

公开(公告)号：CN112700877A

公开(公告)日：2021-04-23

申请号：CN202110031720.4

申请日：2021-01-11

Applicant: 上海交通大学

Inventor： 顾力栩 ,  杨智凯 ,  王皓宇 ,  吴蔚

IPC: G16H50/50 ,  G06T7/00 ,  G06T7/73 ,  G06N3/04

Abstract: 本发明公开了一种血管介入训练安全防护方法，涉及血管介入训练技术领域，包括以下步骤：记录血管介入手术训练操作过程中，导丝的多个位置值，建立用于训练神经网络的第一数据集；进行数据预处理，得到第二数据集；建立基于长短时记忆神经网络的预测模型，进行模型训练并保存模型权重；在使用者使用导航系统时，读取导丝的当前位置值，加载模型权重并使用预测模型进行预测；使用Kdtree数据结构计算出所述预测值与血管中心线的偏移距离；当偏移距离大于阈值时，进行安全风险提示。该方法能够在血管介入手术训练过程中进行行为预测，预先进行安全防护风险提示。