-
公开(公告)号：CN114758032A
公开(公告)日：2022-07-15
申请号：CN202210672853.4
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时空注意力模型的多相期CT图像分类系统及构建方法，本发明系统包括数据获取单元、第一嵌入层网络单元、空间注意力单元、第二嵌入层网络单元、时间注意力单元和分类层单元。其中通过嵌入层单元将多相期CT图像向量化，随后使用空间注意力单元提取空间特征，并把多相期CT图像的空间特征合并后输入到时间注意力单元，得到具有空间特征和时间特征的向量，通过分类层单元完成分类。本发明采用了注意力机制，并分离了空间和时间特征，更关注CT图像中的重点部分，同时能将各个相期的CT图像全局联系起来，减少了计算冗余，提升了分类效率和精度，对于通过多相期CT图像进行分类的医学诊断更具有适应性，且具有更高的实用性。
-
公开(公告)号：CN113516210A
公开(公告)日：2021-10-19
申请号：CN202111075570.3
申请日：2021-09-14
Applicant: 之江实验室
Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。
-
公开(公告)号：CN116030078A
公开(公告)日：2023-04-28
申请号：CN202310315976.7
申请日：2023-03-29
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/00 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多任务学习框架下结合注意力的肺叶分割方法及系统。本发明将肺叶分割任务作为主要任务、肺实质分割任务作为辅助任务，并行计算肺叶分割任务和肺实质分割任务；并在网络中插入通道注意力模块和锐化空间注意力模块，通道注意力模块能够强化通道特征信息，锐化空间注意力能够提升边缘测试效果，该网络能够自适应地权衡不同的任务，优化多任务目标的网络，最后训练得到的分割模型能实现三维图像的快速准确分割。本发明能有效利用神经网络学习多任务之间的共有特征，有望提取到更加全面的特征，强化主任务肺叶分割网络性能，在不增加实际使用时深度网络复杂度的情况下，提高深度网络对肺叶的分割能力。
-
公开(公告)号：CN113889261A
公开(公告)日：2022-01-04
申请号：CN202111113534.1
申请日：2021-09-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于病理特征辅助的PET/CT自动肺癌诊断分类模型训练方法，属于医学影像领域。该方法通过对病理图像的分类网络进行训练，优先得到一组较好的病理分类网络模型参数；通过该组参数获取病理图像的特征信息，来对PET/CT影像分类网络的特征提取进行指导，以提高PET/CT影像分类网络的精度，有利于基于PET/CT影像的早期肺癌诊断分类的推广应用，为临床医生的诊断以及后续随访提供帮助。通过本发明，可在后续不进行有创的病理检查之前，仅通过无创的PET/CT影像就可达到与病理诊断结果相接近的更准确的肺癌诊断分类结果，可以有效的提高临床医生的诊断效率，减少病患的创伤。
-
Patent Agency Ranking
公开(公告)号：CN114399634B
公开(公告)日：2024-05-17
申请号：CN202210267031.8
申请日：2022-03-18
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种基于弱监督学习的三维图像分类方法、系统、设备及介质，本发明采用多示例学习，使用具体切片标签的数据集进行网络训练，采用迁移学习来进行三维图像的特征提取，随后构建一种基于双阶段注意力的多示例学习分类网络，实现了三维图像的快速准确分类。本发明采用一种弱监督策略，无需大量标注的数据集，减少了数据收集与前期处理的工作量，同时提出的基于双阶段注意力的分类网络，相比于其它深度学习分类方法，大幅的提升了分类速度与分类准确率，且具有更高的适应性和鲁棒性，具有更高的实用性。
-
公开(公告)号：CN114758032B
公开(公告)日：2022-09-16
申请号：CN202210672853.4
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时空注意力模型的多相期CT图像分类系统及构建方法，本发明系统包括数据获取单元、第一嵌入层网络单元、空间注意力单元、第二嵌入层网络单元、时间注意力单元和分类层单元。其中通过嵌入层单元将多相期CT图像向量化，随后使用空间注意力单元提取空间特征，并把多相期CT图像的空间特征合并后输入到时间注意力单元，得到具有空间特征和时间特征的向量，通过分类层单元完成分类。本发明采用了注意力机制，并分离了空间和时间特征，更关注CT图像中的重点部分，同时能将各个相期的CT图像全局联系起来，减少了计算冗余，提升了分类效率和精度，对于通过多相期CT图像进行分类的医学诊断更具有适应性，且具有更高的实用性。
-
公开(公告)号：CN113889261B
公开(公告)日：2022-06-10
申请号：CN202111113534.1
申请日：2021-09-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于病理特征辅助的PET/CT自动肺癌诊断分类模型训练方法，属于医学影像领域。该方法通过对病理图像的分类网络进行训练，优先得到一组较好的病理分类网络模型参数；通过该组参数获取病理图像的特征信息，来对PET/CT影像分类网络的特征提取进行指导，以提高PET/CT影像分类网络的精度，有利于基于PET/CT影像的早期肺癌诊断分类的推广应用，为临床医生的诊断以及后续随访提供帮助。通过本发明，可在后续不进行有创的病理检查之前，仅通过无创的PET/CT影像就可达到与病理诊断结果相接近的更准确的肺癌诊断分类结果，可以有效的提高临床医生的诊断效率，减少病患的创伤。
-
公开(公告)号：CN114399634A
公开(公告)日：2022-04-26
申请号：CN202210267031.8
申请日：2022-03-18
Applicant: 之江实验室
IPC: G06V10/25 , G06K9/62 , G06T7/00 , G06T7/11 , G16H30/20 , G06V10/764 , G06V10/762
Abstract: 本发明公开了一种基于弱监督学习的三维图像分类方法、系统、设备及介质，本发明采用多示例学习，使用具体切片标签的数据集进行网络训练，采用迁移学习来进行三维图像的特征提取，随后构建一种基于双阶段注意力的多示例学习分类网络，实现了三维图像的快速准确分类。本发明采用一种弱监督策略，无需大量标注的数据集，减少了数据收集与前期处理的工作量，同时提出的基于双阶段注意力的分类网络，相比于其它深度学习分类方法，大幅的提升了分类速度与分类准确率，且具有更高的适应性和鲁棒性，具有更高的实用性。
-
公开(公告)号：CN113516210B
公开(公告)日：2021-12-17
申请号：CN202111075570.3
申请日：2021-09-14
Applicant: 之江实验室
Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
