公开(公告)号：CN118212156A

公开(公告)日：2024-06-18

申请号：CN202410337624.6

申请日：2024-03-23

Applicant: 杭州电子科技大学

Inventor： 孙逸飞 ,  陈章昊 ,  郑浩 ,  葛瑞泉 ,  陈一飞 ,  樊谨 ,  王昌淼

IPC: G06T5/73 ,  G16H50/20 ,  G16H50/30

Abstract: 本发明公开了一种基于BS‑LDM模型的高分辨率胸部X光图像骨抑制方法，包括S1、采集图像数据并预处理；S2、搭建基于BS‑LDM模型的高分辨率胸部X光图像骨抑制网络模型，包括一个向量量化生成对抗网络和一个条件扩散模型；S3、对向量量化生成对抗网络进行反复训练，优化网络参数，不断进行迭代优化以最小化真实值图像与模型输出图像间的差异；S4、对条件扩散模型进行反复训练，优化网络参数，不断进行迭代优化以最小化真实值图像与模型输出图像间的差异；S5、输入预处理后的胸部X光图像至完成训练的基于BS‑LDM模型的高分辨率胸部X光图像骨抑制网络模型中，最终生成软组织图像。该方法基于输入的胸部X光图像，自动生成高质量、高分辨率的软组织图像。

公开(公告)号：CN117497169A

公开(公告)日：2024-02-02

申请号：CN202311412203.7

申请日：2023-10-30

Applicant: 杭州电子科技大学

Inventor： 郭昭昕 ,  王昌淼 ,  秦飞巍 ,  葛瑞泉 ,  王志鹏 ,  陈一飞 ,  余建勋

IPC: G16H50/20 ,  G16H50/70 ,  G16H10/60 ,  G06T7/00 ,  G06T3/4038 ,  G06V10/44 ,  G06F18/213 ,  G06F18/25 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于多视图和跨模态的肺栓塞等级分类方法，包括如下步骤：S1、收集n个患者的肺栓塞CTPA影像，将收集到的所有.npy格式文件转换为HDF5并进行拼接；S2、将拼接后的HDF5文件放入具有多视图耦合自注意模块的3DResNet网络中进行特征提取，输出图像特征，S3、收集n个患者对应的电子病历，将收集的电子病历按指标划分划分为相应的table文件，划分后将所有table文件合成一个完整的table文件；S4、将完整的table文件放入MLP分类模型中，输出文本特征；S5、分别将步骤S2中输出的图像特征和步骤S4中输出的文本特征输入cross‑modal模块中进行特征融合计算，最后利用全连接层输出分类结果。该方法能够深入学习病灶与电子病历之间的关联，从而提高对肺栓塞急性满性分类的准确性。

公开(公告)号：CN120015296A

公开(公告)日：2025-05-16

申请号：CN202510503307.1

申请日：2025-04-22

Applicant: 杭州电子科技大学

Inventor： 陈黄未 ,  朱珠 ,  詹羽琪 ,  张栋皓 ,  吴悦怡 ,  颜振宇 ,  丁铭阳 ,  李晨磊 ,  陈一飞 ,  李雅雯 ,  秦飞巍

IPC: G16H50/20 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/092 ,  G06N5/04 ,  G06N3/0442

Abstract: 本发明公开了一种基于多模态时序数据建模的儿童MPP辅助诊断系统，以提升肺炎支原体肺炎的辅助诊断、临床分型和重症预测能力，减少医生的工作负担。本发明创新性地提出基于多模态时序建模的MPP动态表征方法，通过融合影像、电子病历及检验指标等多模态数据，并采用时序特征嵌入技术，能够有效捕捉病程演变趋势。更进一步地，利用渐进式跨模态语义对齐策略与模态注意力门控机制，实现不同模态数据的深度融合，解决了传统方法因数据模态不兼容导致的诊断准确性不足问题。

公开(公告)号：CN119049042A

公开(公告)日：2024-11-29

申请号：CN202410826656.2

申请日：2024-06-25

Applicant: 杭州电子科技大学

Inventor： 朱晟豪 ,  范振雄 ,  黄一语 ,  贾帆 ,  邹槟峰 ,  陈一飞 ,  朱云鹏 ,  秦飞巍 ,  王昌淼

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于SCKansformer神经网络的骨髓细胞分类识别方法，包括如下步骤：步骤1、构建SCKansformer神经网络模型，所述SCKansformer神经网络模型包括Kansformer编码器、SCConv编码器和全局‑局部注意力编码器；步骤2、建立骨髓血液细胞数据集并预处理，将数据集划分为训练集和测试集；步骤3、使用训练集对SCKansformer神经网络模型进行训练，结合骨髓血液细胞图像特点，对SCKansformer神经网络模型参数调优；步骤4、使用测试集测试完成训练的评估SCKansformer神经网络模型，进而得到的网络模型，最终实现骨髓血液细胞图像分类识别功能。该方法能够有效应对显微图像中细胞分类的复杂性，实现对四十类骨髓血细胞的准确分类。

公开(公告)号：CN118429359A

公开(公告)日：2024-08-02

申请号：CN202310355176.8

申请日：2023-04-06

Applicant: 杭州电子科技大学

Inventor： 陈一飞 ,  邹槟峰 ,  黄一凡 ,  戴学舟 ,  柯怡帆

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于RTUNet网络的骨肉瘤识别方法，属于计算机视觉深度学习和医学图像处理领域，具体包括:步骤a、构建用于识别骨肉瘤的RTUNet神经网络模型；步骤b、建立骨肉瘤数据集，分为训练集和测试集；步骤c、使用训练集对RTUNet神经网络模型进行训练，对网络模型参数调优；步骤d、使用测试集测试评估得到的网络模型，最终实现自动、智能的骨肉瘤肿瘤识别分割功能。本发明所使用的网络模型RTUNet网络结合了残差网络ResNet、Transformer、U‑Net跳跃连接结构，能够实现自动、智能的骨肉瘤肿瘤识别分割功能，使网络模型具有更高的识别分割准确度。

公开(公告)号：CN116580394A

公开(公告)日：2023-08-11

申请号：CN202310570328.6

申请日：2023-05-19

Applicant: 杭州电子科技大学

Inventor： 陈一飞 ,  陈奔 ,  黄凡丁 ,  黄一语 ,  秦飞巍

IPC: G06V20/69 ,  G06V20/70 ,  G06V10/82 ,  G06V10/80 ,  G06V10/74 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度融合和可变形自注意力的白细胞检测方法，包括如下步骤：S1、获取白细胞目标检测数据集并预处理；S2、构建MFDS‑DETR模型并训练，S3、通过骨干网络提取特征得到特征图；S4、通过高层筛选特征融合金字塔得到多尺度融合特征向量；S5、通过可形变自注意力模块中获得最终的输出向量；S6、将步骤S5输出的最终的输出向量作为输入，通过编码器提取全局特征；S7、将提取的全局特征作为输入，通过解码器得到最终目标检测结果。本发明将高层语义特征作为权重来筛选低层特征，并将筛选后的特征与高层语义特征逐点相加，提高模型的特征提取和表达能力。采用了可变形自注意力来提取白细胞全局特征，模型训练更加轻便。