-
公开(公告)号：CN117036830B
公开(公告)日：2024-01-09
申请号：CN202311285978.2
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本说明书公开了一种肿瘤分类模型训练方法、装置、存储介质及电子设备，包括：确定历史上患者的医学图像作为训练样本。针对每一个期相图像，将该期相图像输入待训练的肿瘤分类模型的特征提取层，确定该期相图像的图像特征。再将各期相图像分别对应的图像特征输入待训练的肿瘤分类模型的期相注意力层，以通过期相注意力层对各期相图像分别对应的图像特征进行注意力加权，得到各期相图像分别对应的加权特征。将各加权特征输入待训练的肿瘤分类模型的分类层，确定分类结果。将医学图像对应的肿瘤类型作为标注，以分类结果以及标注之间的差异最小为训练目标，对待训练的肿瘤分类模型进
-
公开(公告)号：CN117036830A
公开(公告)日：2023-11-10
申请号：CN202311285978.2
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本说明书公开了一种肿瘤分类模型训练方法、装置、存储介质及电子设备，包括：确定历史上患者的医学图像作为训练样本。针对每一个期相图像，将该期相图像输入待训练的肿瘤分类模型的特征提取层，确定该期相图像的图像特征。再将各期相图像分别对应的图像特征输入待训练的肿瘤分类模型的期相注意力层，以通过期相注意力层对各期相图像分别对应的图像特征进行注意力加权，得到各期相图像分别对应的加权特征。将各加权特征输入待训练的肿瘤分类模型的分类层，确定分类结果。将医学图像对应的肿瘤类型作为标注，以分类结果以及标注之间的差异最小为训练目标，对待训练的肿瘤分类模型进行训练，使肿瘤分类模型的分类结果更加准确，提高模型准确率。
-
公开(公告)号：CN118656683A
公开(公告)日：2024-09-17
申请号：CN202411132392.7
申请日：2024-08-19
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06F16/33 , G06V10/44 , G06V10/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G16H50/20 , G16H10/20 , G16H10/60
Abstract: 本发明公开了一种基于多模态可信渐进融合的分类系统，该系统包括：多模态数据预处理模块，用于对多模态数据进行预处理；特征提取与筛选模块，用于从不同模态中提取特征；神经网络模块，用于进一步处理以获取深层特征表示；特征融合模块，用于从特征层面对不同模态的特征进行渐进融合；不确定性建模模块，用于对各个单模态的深层特征表示和多模态融合特征的不确定性进行建模；证据融合模块，用于融合不确定性建模模块输出的多个模态的分类预测概率和不确定性，获得综合证据度量。本发明有效地提升了多模态数据处理的效率和准确性，提升了特征利用率、分类系统泛化能力和鲁棒性，增强了分类系统的分类性能，有效地识别和降低异常模态的负面影响。
-
公开(公告)号：CN116385330A
公开(公告)日：2023-07-04
申请号：CN202310661539.0
申请日：2023-06-06
Applicant: 之江实验室
IPC: G06T5/50 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种利用图知识引导的多模态医学影像生成方法和装置，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后利用图知识引导构建基于对抗生成网络的对抗生成模型，使用训练集训练对抗生成模型；再获取训练好的对抗生成模型中训练好的生成器，使用验证集通过评估指标对训练好的生成器的性能进行评估，并根据评估结果对生成器的参数进行调整，以获取最优生成器；最后将源域图像或测试集中的源域图像输入最优生成器中以获取生成的目标域图像。本发明能够捕获到跨区域和跨图像关系作为上下文和补偿信息，约束对抗的方向，进一步提升多模态生成的结果，有利于提高生成图像的质量。
-
公开(公告)号：CN118656683B
公开(公告)日：2024-12-03
申请号：CN202411132392.7
申请日：2024-08-19
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06F16/33 , G06V10/44 , G06V10/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G16H50/20 , G16H10/20 , G16H10/60
Abstract: 本发明公开了一种基于多模态可信渐进融合的分类系统，该系统包括：多模态数据预处理模块，用于对多模态数据进行预处理；特征提取与筛选模块，用于从不同模态中提取特征；神经网络模块，用于进一步处理以获取深层特征表示；特征融合模块，用于从特征层面对不同模态的特征进行渐进融合；不确定性建模模块，用于对各个单模态的深层特征表示和多模态融合特征的不确定性进行建模；证据融合模块，用于融合不确定性建模模块输出的多个模态的分类预测概率和不确定性，获得综合证据度量。本发明有效地提升了多模态数据处理的效率和准确性，提升了特征利用率、分类系统泛化能力和鲁棒性，增强了分类系统的分类性能，有效地识别和降低异常模态的负面影响。
-
Patent Agency Ranking
公开(公告)号：CN118644477B
公开(公告)日：2024-11-12
申请号：CN202411104179.5
申请日：2024-08-13
Applicant: 之江实验室
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及一种组织状态分析系统。所述组织状态分析系统包括图像分割模块，用于对预设区域内第一切片图像与第二切片图像进行图像分割，分别得到多个第一小块图像和多个第二小块图像；特征提取模块，用于分别对多个所述第一小块图像进行图像特征提取，得到图像特征；分别对多个所述第二小块图像进行结构特征提取，得到结构特征；超图构建模块，用于分别基于所述图像特征和所述结构特征，得到第一超图和第二超图；特征融合模块，用于对所述第一超图和所述第二超图进行多尺度融合，得到多尺度融合特征；结果预测模块，用于基于所述多尺度融合特征，得到组织状态分析结果。采用本方法能够提高辅助预测准确率。
-
公开(公告)号：CN118916842A
公开(公告)日：2024-11-08
申请号：CN202411412220.5
申请日：2024-10-11
Applicant: 之江实验室
Abstract: 本发明公开了基于知识蒸馏的缺失多模态数据动态融合方法、系统及装置，基于分类网络构建多个单模态教师模型，通过每种单个模态数据对分类网络分别训练，得到对应的单模态教师模型；基于门限网络和一系列专家网络构建多模态动态融合网络，门限网络用于决定哪些专家网络被激活，输出一个one‑hot的向量，向量的长度为专家网络的个数，每个专家网络使用的数据是多个模态的子集进行特征融合，通过包含完整模态的数据训练完成后的多模态动态融合网络作为学生模型；利用教师模型对学生模型进行蒸馏训练，将实际获取的多模态数据输入到多模态动态融合网络，得到类别预测结果。本发明能够提高数据的有效利用率并提高多模态模型的预测准确性。
-
公开(公告)号：CN116385329A
公开(公告)日：2023-07-04
申请号：CN202310661464.6
申请日：2023-06-06
Applicant: 之江实验室
IPC: G06T5/50 , G06T7/00 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/0455
Abstract: 本发明公开了一种基于特征融合的多层知识蒸馏医学影像生成方法和装置，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后基于特征感知融合构建对抗生成模型，基于多层知识蒸馏使用数据集训练对抗生成模型；再获取训练好的对抗生成模型中训练好的生成器，使用数据集通过评估指标对训练好的生成器的性能进行评估，并根据评估结果进一步调整生成器的参数，以获取最优生成器；最后将源域图像输入最优生成器中以获取生成的目标域图像。本发明能在有限数据的情况下，通过新的数据提取方式可以最大程度上扩充数据库，同时提升图像的生成效果；本发明可以在保留CNN对于局部纹理等信息抓取的优势下，提升对于全局相关性的信息捕获。
-
公开(公告)号：CN118471481B
公开(公告)日：2024-09-27
申请号：CN202410910661.1
申请日：2024-07-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大模型和人工智能代理的医学多模态辅助诊疗系统，该系统包括：用于接收和预处理医学相关临床问题和医学影像数据的数据输入与预处理模块；用于采用深度学习方法和大模型AI‑Agent对预处理后的医学数据进行综合智能分析的综合智能分析模块；用于使用AI‑Agent对综合智能分析结果进行整合以生成诊断报告的诊断报告生成模块；用于将诊断报告和分析数据打包后导出的报告导出与数据打包模块。本发明能够生成易于理解的诊断报告，为医生提供即时的诊断参考；不仅提高了医疗影像分析的效率，还通过生成详细的诊断报告，改善医患沟通的质量；本发明实现方法灵活，易于集成于现有医疗系统中，显著提高诊疗质量和效率。
-
公开(公告)号：CN118471481A
公开(公告)日：2024-08-09
申请号：CN202410910661.1
申请日：2024-07-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大模型和人工智能代理的医学多模态辅助诊疗系统，该系统包括：用于接收和预处理医学相关临床问题和医学影像数据的数据输入与预处理模块；用于采用深度学习方法和大模型AI‑Agent对预处理后的医学数据进行综合智能分析的综合智能分析模块；用于使用AI‑Agent对综合智能分析结果进行整合以生成诊断报告的诊断报告生成模块；用于将诊断报告和分析数据打包后导出的报告导出与数据打包模块。本发明能够生成易于理解的诊断报告，为医生提供即时的诊断参考；不仅提高了医疗影像分析的效率，还通过生成详细的诊断报告，改善医患沟通的质量；本发明实现方法灵活，易于集成于现有医疗系统中，显著提高诊疗质量和效率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.032 seconds)
