-
公开(公告)号：CN114004811A
公开(公告)日：2022-02-01
申请号：CN202111284039.7
申请日：2021-11-01
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开一种基于多尺度残差编解码网络的图像分割方法及系统，对皮肤病变图像进行预处理；对所述预处理后的图像进行数据增强，得到更多的图像数据，即输入特征图像；基于多尺度残差编解码网络对所述输入特征图进行特征提取、编码特征融合以及解码特征融合；对拼接后的特征F进行最大值池化、平均池化及soft池化，得到其空间注意力特征，然后再对其进行通道注意力操作，得到通道注意力后的特征，再对该特征进行sigmoid激活操作，得到最终的分割结果；皮肤病变分割网络Ms RED分割效果更好，尤其是于形状不规则，尺度变化大，对比度不明显，边界模糊的病变有良好的分割结果；本发明所设计的Ms RED网络，在临床皮肤病诊断中有巨大的应用潜力。
-
公开(公告)号：CN118552565A
公开(公告)日：2024-08-27
申请号：CN202410701539.3
申请日：2024-05-31
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明涉及深度学习图像分割领域，具体为一种基于空间‑频谱跨域编码与熵感知双解码的医学图像分割方法、系统及设备，该方法中设计具有空间‑频谱编码和熵感知双解码的多尺度跨域深度融合的医学图像分割网络，以适应性地融合多个尺度上的特征图与每个尺度相关的局部熵，显式建模网络对最终分割结果的推导。同时引入三阶段注意力介导的傅里叶结构在频谱域内动态调节血管的全局特征，还引入三角星跨域特征融合模块，采用成对交互路径设计通过跨域深度分析学习分割医学图像。本发明所提出的方法结合了空间‑频谱编码进行跨域特征融合和熵感知双解码进行多尺度特征融合，可以实现高质量的医学图像分割。
-
公开(公告)号：CN116870388A
公开(公告)日：2023-10-13
申请号：CN202311070991.6
申请日：2023-08-24
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开了一种模块化聚焦超声系统，超声剂量控制模块被配置为产生刺激脾脏所需的超声剂量；彩超成像监控模块被配置为同步捕获超声剂量控制模块的焦域与脾脏图像；超声辐照定位模块能够调节所述超声剂量控制模块的辐照位置；超声剂量控制模块的超声功率被配置为60W～120W，占空比被配置为1％～20％，辐照时间被配置为10s～40s。应用本发明的一种模块化聚焦超声系统发射脉冲波刺激脾脏，根据彩超成像监控模块的图像引导对超声剂量控制模块的刺激区域进行调整，能够无损地对脾脏免疫功能产生刺激，并产生显著的抑癌效果。
-
公开(公告)号：CN114936267A
公开(公告)日：2022-08-23
申请号：CN202210509676.8
申请日：2022-05-11
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开一种基于双线性池化的多模态融合在线谣言检测方法及系统，该方法应用预训练的句BERT模型提取了谣言的语义特征，设计一个主题语义融合网络共同编码语义和主题特征，并生成相比传统语义特征更高效的主题指导的高阶文本特征，设计基于PageRank影响力加权的双向GCN网络，通过获取传播结构中节点的相对位置信息生成相比传统GCN网络更有效的传播结构特征，对于完整数据集的谣言检测任务，本发明设计块对角分解双线性池化模型，该模型刻画了多模态间的丰富交互，利用富含交互关系的多模态联合表示特征提升谣言检测的准确率，在其中应用链式映射和改进的块对角分解控制训练参数规模以降低刻画交互的张量中的冗余信息。
-
公开(公告)号：CN114936266A
公开(公告)日：2022-08-23
申请号：CN202210509666.4
申请日：2022-05-11
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开一种基于门控机制的多模态融合谣言早期检测方法及系统，该方法应用预训练的句BERT模型提取了谣言的语义特征，设计一个主题语义融合网络共同编码语义和主题特征，并生成相比传统语义特征更高效的主题指导的高阶文本特征，设计基于PageRank影响力加权的双向GCN网络，通过获取传播结构中节点的相对位置信息生成相比传统GCN网络更有效的传播结构特征；基于门控机制的模型通过门控单元筛选传播结构特征中对谣言检测有意义的部分，自适应地对主题指导的文本特征和筛选后的传播结构特征进行加权融合，生成多模态联合表示特征；经过训练的多模态门控融合模型可以筛选出传播结构特征中有用的信息，在传播信息不足的情况下达到良好的谣言检测性能。
-
Patent Agency Ranking
公开(公告)号：CN112151175A
公开(公告)日：2020-12-29
申请号：CN202011012722.0
申请日：2020-09-23
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开了一种基于影像学数据的计算机辅助多人决策方法、系统及设备，方法包括以下步骤：提取和构建病变组织影像预测所需的特征数据集，基于所述增广后的反映组织形态的影像学特征数据集，使用点估计网络分别进行最大值、最小值、中位值和平均值的点预测，得到病变良恶性点分布，基于反映病变良恶性点分布，使用综合预测网络进行良恶性统计分布指标预测，得到反映病变的影像学统计分布指标，良恶性范围、平均值和中位值；将所得良恶性范围、平均值和中位值映射至反映病变良恶性范围内；预测具有医学临床价值的统计分布指标，包括良恶性指标范围、平均值和中位值，本方法可深度学习多个专家标注/决策特征，提高病变良恶性预测准确率。
-
公开(公告)号：CN119693644A
公开(公告)日：2025-03-25
申请号：CN202411771807.5
申请日：2024-12-04
Applicant: 西安交通大学医学院第二附属医院
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/043
Abstract: 本发明涉及医学图像处理领域，具体为一种基于模糊逻辑建模和动态图卷积网络的医学图像分割方法、系统、设备及介质，包括以下步骤：S1，构建集成有边界完整性增强模块和轨迹连续性增强模块的BT‑Net 3D U型深度网络；S2，提取输入特征；S3，边界完整性增强模块基于不确定估计和模糊神经网络获取增强的边界特征；轨迹连续性增强模块基于动态图卷积网络获取增强的连续性成像特征；S4，特征重建，获得最终的分割结果。本发明基于模糊逻辑建模减少不确定性，能够迭代增强血管边界的完整性，从而提高网络在复杂情况下确定血管边界的能力，基于动态图卷积网络迭代增强血管轨迹的连续性，从而提高网络处理跨尺度复杂微小血管结构的能力。
-
公开(公告)号：CN118748076A
公开(公告)日：2024-10-08
申请号：CN202410730971.5
申请日：2024-06-06
Applicant: 西安交通大学医学院第二附属医院
IPC: G16H50/20
Abstract: 本申请公开了一种基于多模型间交互反馈的诊疗方法及装置，该方法包括：将检查图像输入视觉大模型得到视觉特征向量，并将视觉特征向量转换为自然提示语言；将文字检查报告输入大语言模型得到语言特征向量；分别抽取自然提示语言与语言特征向量的语言信息得到自然语言信息与特征语言信息；对自然语言信息与特征语言信息对进行翻译对齐；获取视觉大模型与大语言模型的不确定性，并基于不确定性确定视觉大模型与大语言模型的交互程度；视觉大模型与大语言模型根据交互程度进行交互诊断得到诊断结果。解决了现有技术中医学图像分析方法对人工的依赖程度较高的问题，能够大幅度减少人工干预，实现高效地疾病诊断，提升患者就诊体验。
-
公开(公告)号：CN112151175B
公开(公告)日：2024-08-20
申请号：CN202011012722.0
申请日：2020-09-23
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开了一种基于影像学数据的计算机辅助多人决策方法、系统及设备，方法包括以下步骤：提取和构建病变组织影像预测所需的特征数据集，基于所述增广后的反映组织形态的影像学特征数据集，使用点估计网络分别进行最大值、最小值、中位值和平均值的点预测，得到病变良恶性点分布，基于反映病变良恶性点分布，使用综合预测网络进行良恶性统计分布指标预测，得到反映病变的影像学统计分布指标，良恶性范围、平均值和中位值；将所得良恶性范围、平均值和中位值映射至反映病变良恶性范围内；预测具有医学临床价值的统计分布指标，包括良恶性指标范围、平均值和中位值，本方法可深度学习多个专家标注/决策特征，提高病变良恶性预测准确率。
-
公开(公告)号：CN116580240A
公开(公告)日：2023-08-11
申请号：CN202310568224.1
申请日：2023-05-19
Applicant: 西安交通大学医学院第二附属医院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G16H50/30
Abstract: 一种多尺度特征提取及其内在关系建模的深度学习方法，包括以下步骤：基于现有技术的多尺度特征提取模块Res2Net，使用轻量级Transformer对多尺度上下文特征进行整合，形成多尺度感知特征提取模块；根据现有技术的多尺度特征提取模块Res2Net和多尺度感知特征提取模块SAFE，设计尺度感知残差模块；根据尺度感知残差模块，构建三维尺度感知残差神经网络；本发明不仅能够有效的提取多尺度特征，还使用了轻量化的Transformer对多尺度特征之间的内在关系进行了建模和整合，相比于现有技术的多尺度特征提取模块，本发明具有更强的特征学习能力，获取到的多尺度特征整合为一个更具分辨力的特征。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.029 seconds)
