-
公开(公告)号：CN119515809A
公开(公告)日：2025-02-25
申请号：CN202411566273.2
申请日：2024-11-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于动态特征融合网络的多模态乳腺超声诊断系统，本发明属于医学图像处理领域，具体涉及基于动态特征融合网络的多模态乳腺超声诊断系统。本发明为解决现有方法对乳腺超声识别准确率低的问题。系统包括：多模态数据预处理主模块用于对采集的多模态乳腺超声图像进行预处理，获得预处理后的多模态乳腺超声图像；多模态卷积神经网络主模块用于搭建动态特征融合网络模型；模型训练主模块利用预处理后的多模态乳腺超声图像对搭建的动态特征融合网络模型进行训练，获得训练好的动态特征融合网络模型；模型测试主模块用于加载训练好的动态特征融合网络模型，对待诊断的多模态乳腺超声图像进行分类，识别多模态超声图像中乳腺肿瘤的良恶性。
-
公开(公告)号：CN119515812A
公开(公告)日：2025-02-25
申请号：CN202411566278.5
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0499
Abstract: 一种基于解剖感知增强网络的乳腺超声视频病变检测系统，本发明属于智能医疗检测技术领域，具体涉及乳腺超声视频病变检测系统。本发明为解决现有深度学习辅助诊断方法对乳腺超声视频病变检测准确率低的问题。系统包括：影像处理主模块用于采集乳腺超声视频影像，对采集的乳腺超声视频影像进行预处理，获得预处理后的影像；自注意力网络主模块用于搭建解剖感知增强的自注意力网络模型；训练主模块利用预处理后的影像对搭建好的解剖感知增强的自注意力网络模型进行训练，并获得训练好的解剖感知增强的自注意力网络模型；病变检测主模块用于加载训练好的解剖感知增强的自注意力网络模型，对待检测的乳腺超声影像进行检测，检测出乳腺病变区域。
-
公开(公告)号：CN119515811A
公开(公告)日：2025-02-25
申请号：CN202411566277.0
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于双分支注意力蒸馏网络的乳腺肿瘤良恶性识别系统，本发明属于医学图像处理领域，具体涉及基于双分支注意力蒸馏网络的乳腺肿瘤良恶性识别系统。本发明为解决现有基于深度学习方法特征提取能力不足，无法准确聚焦病变区域的问题。系统包括：超声图像预处理主模块用于对采集的乳腺超声图像进行预处理，获取超声成像区域，对获取的超声成像区域统一图像尺寸，获得预处理后的乳腺超声图像，作为训练集；双分支卷积神经网络主模块用于搭建双分支注意力蒸馏网络模型；模型训练主模块用于获得训练好的双分支注意力蒸馏网络模型；模型测试主模块用于加载训练好的双分支注意力蒸馏网络模型，对待诊断的乳腺超声图像进行分类。
-
公开(公告)号：CN119515810A
公开(公告)日：2025-02-25
申请号：CN202411566274.7
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于自蒸馏卷积神经网络的甲状腺结节识别系统，本发明属于智能医疗检测技术领域，具体涉及甲状腺结节识别系统。本发明的目的是为了解决现有基于深度学习的甲状腺结节识别准确率低的问题。系统包括：图像处理主模块用于采集甲状腺结节超声图像，对采集的甲状腺结节超声图像进行预处理，获得预处理后的甲状腺结节超声图像；神经网络主模块用于搭建自蒸馏卷积神经网络模型；训练主模块利用预处理后的甲状腺结节超声图像对搭建好的自蒸馏卷积神经网络模型进行训练，获得训练好的自蒸馏卷积神经网络模型；识别主模块用于加载训练好的自蒸馏卷积神经网络模型，对待识别的甲状腺结节超声图像进行检测，识别出甲状腺结节的类别。
-
-
-
Search Results
4
records
(took 0.022 seconds)
