-
公开(公告)号：CN101904745A
公开(公告)日：2010-12-08
申请号：CN200910052633.6
申请日：2009-06-05
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用邻域，涉及一种确定目标边界的方法，具体涉及一种基于磁共振弥散张量成像技术基础上的胶质瘤边界确定方法。本发明通过影像扫描，得到弥散张量图像；然后进行数据处理，用0.15作为阈值进行纤维束重建；最后通过重建纤维束与肿瘤的界线确定肿瘤边界。本方法克服了常规核磁低估肿瘤边界的缺点同时可以直观显示胶质瘤与纤维束的位置关系。
-
公开(公告)号：CN101828920A
公开(公告)日：2010-09-15
申请号：CN200910047537.2
申请日：2009-03-13
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种神经导航术中功能影像移位的校正方法，该方法结合低场强术中MRI影像技术，基于非刚体配准算法和薄板样条计算方法，提出了一种用于解决低场强术中磁共振神经导航术中BOLD功能影像移位的数学模型。以低场强的术前和术中磁共振分别为变形前后数据场，利用非刚体配准算法和薄板样条方法计算脑变形趋势，再将其应用于BOLD功能影像，可以个体化地预测功能影像移位情况。这种方法可以解决重力、压力甚至是一些目前未知因素所引起的脑移位。既保证了模型预测精度，又节约了运算时间，可以在临床推广应用，提高神经导航手术的精确性和手术疗效。
-
公开(公告)号：CN119993286A
公开(公告)日：2025-05-13
申请号：CN202510067568.3
申请日：2025-01-16
Applicant: 复旦大学
IPC: G16B40/20 , G06N3/0895 , G16B20/30
Abstract: 本发明公开一种基于蛋白质尺寸提示的自监督学习预训练方法和系统，首先从蛋白质数据库中收集未经标注的蛋白质数据；利用尺寸提示适配器，将蛋白质尺寸信息编码为提示向量，并嵌入到蛋白质编码器中；然后基于蛋白质的图或点云表示，执行掩码预测任务完成预训练；最后，在下游任务中对预训练模型进行微调，优化其特定任务表现。本发明通过蛋白质尺寸提示显著减少了预训练和下游任务之间数据分布不一致的问题，从而提升了预训练模型的通用性和下游任务的性能。本方法具有数据高效性、模型通用性及易扩展性，适用于蛋白质功能预测、结合位点检测等多种任务。
-
公开(公告)号：CN117766060A
公开(公告)日：2024-03-26
申请号：CN202410038945.6
申请日：2024-01-10
Applicant: 复旦大学
IPC: G16C20/30 , G16C20/70 , G16C20/90 , G06F18/214 , G06N3/09
Abstract: 本发明公开了一种针对分子表示学习的多模态自监督预训练方法及系统，其中方法步骤包括：从公开的小分子化合物库ZINC15中，收集无标注的分子数据集；基于分子数据集，构建预训练网络架构，构建预训练网络架构的方法包括：基于分子数据集，获取序列模态数据集和图模态数据集；基于序列模态数据集和图模态数据集，进行非重叠掩码操作，获取掩码后的特征；基于掩码后的特征，训练深度网络完成掩码特征的重建；基于预训练后的深度网络，在下游任务上微调。本发明能够利用大量无标注数据训练深度网络，并使得深度网络在下游任务上具有更好的表现。本发明能够使用无标注数据提升深度网络在下游任务上的表现，有效缓解对数据标注的依赖。
-
公开(公告)号：CN115879021A
公开(公告)日：2023-03-31
申请号：CN202211191757.4
申请日：2022-09-28
Applicant: 复旦大学
IPC: G06F18/24 , G06F18/214 , G06N3/0895 , G06N3/084 , G06N3/045
Abstract: 本发明公开了基于弱监督自训练的实例级别分类器构造方法,包括以下步骤：步骤1、构建实例级别分类器，获取不同类型的实例数据集，将所述实例数据集划分为阳性包实例数据集和阴性包实例数据集，对所述阳性包实例数据集进行标记获得伪标签，对所述阴性包实例数据集进行标记获得真阴性标签；步骤2、将所述实例数据集输入所述实例级别分类器获取预测结果，基于所述预测结果、所述伪标签以及所述真阴性标签训练所述实例级别分类器；步骤3、对步骤1和步骤2进行迭代，直到所述伪标签和所述实例级别分类器的参数的收敛，获得训练好的实例级别分类器。本发明能够对包进行分类，还能够对包内的实例进行分类。
-
Patent Agency Ranking
公开(公告)号：CN115861196A
公开(公告)日：2023-03-28
申请号：CN202211470787.9
申请日：2022-11-23
Applicant: 复旦大学
IPC: G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明公开了针对多模态医学影像的主动学习方法，包括：获取初始无标注数据集，初始无标注数据集包括若干个模态集合，其中模态集合为若干个样本的集合；构建编码器，通过多模态对比学习方法对编码器进行预训练，得到预训练的特征编码器；通过预训练的特征编码器计算初始无标注数据集中每个样本模态间的逐点互信息，基于逐点互信息，得到价值样本子集；对价值样本子集进行标注，得到标注数据；根据标注数据及价值样本子集对预训练的特征编码器进行调整训练，得到任务模型，通过任务模型对多模态医学影像进行识别，得到多模态医学影像识别结果。
-
公开(公告)号：CN115760869A
公开(公告)日：2023-03-07
申请号：CN202211270772.8
申请日：2022-10-17
Applicant: 复旦大学
IPC: G06T7/11 , G06T9/00 , G06V10/25 , G06V10/774
Abstract: 本发明属于医学图像处理技术领域，具体为一种注意力引导的非线性扰动一致性的半监督医学图像分割方法。本发明使用少量标注数据和无标注数据训练模型进行医学图像分割，采用非线性变换进行数据增强，并通过输出级别和特征级别的一致性进行约束；非线性变换通过随机生成贝塞尔曲线进行灰度映射实现对比度的变化；输出级的一致性约束通过交叉伪标签监督鼓励不同增强下生成相似的预测标签；特征级别的一致性约束通过多尺度的注意力感知特征对齐鼓励网络学习非线性变化不变的鲁棒表征。本发明有效利用无标注数据，通过数据增强提升泛化性，通过无标注数据的信息挖掘提升医学图像分割的准确性。本发明适用于所有基于灰度的医学图像分割任务。
-
公开(公告)号：CN115063435A
公开(公告)日：2022-09-16
申请号：CN202210579200.1
申请日：2022-05-26
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于多尺度类间的肿瘤及周围器官的分割方法，MRI图像送入预处理，对图像进行强度归一化以及直方图均衡化，把整个图像分成数量的小块像素进行非线性拉伸，使局部的灰度直方图均匀分布；将预处理过后的图像作为输入图像缩放输入至定位网络，定位出目标区域，然后在输入图像中裁剪出以目标为中心的图像，增大前景像素的占比，之后将所裁剪出的目标区域输入分割网络模型中进一步分割获得完整分割结果。本发明方法可以更好地定位感兴趣区域；有效地融合局部上下文和全局上下文信息；损失函数中融入了类间关系，更好地利用推理时标签的概率向量；提升了体素占比较少的肿瘤类别的精度。
-
公开(公告)号：CN112419247B
公开(公告)日：2022-03-18
申请号：CN202011263480.2
申请日：2020-11-12
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/33 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于机器学习的MR图像脑肿瘤检测方法和系统。本发明中，首先对于每种模态数据，分别从横断面、冠状面和矢状面构建多个方向的灰度共生矩阵，以选取和计算更多空间关系特征；然后使用特征秩融合方式将三个方向特征有效结合，以去除冗余特征；最后将所选特征输入支持矢量机分类器进行训练；本发明考虑到不同模态图像所存在的冗余信息，使用秩融合筛选出最有区别性的特征，从而训练出鲁棒性和精确性极高的单发性转移瘤和胶质瘤分类器，有效弥补了临床现有不足，增强了医生的诊断能力。本发明方法鉴别诊断单发性转移瘤和胶质瘤的AUC值达到93.23%，能有效协助医生做出诊断。
-
公开(公告)号：CN112419247A
公开(公告)日：2021-02-26
申请号：CN202011263480.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于机器学习的MR图像脑肿瘤检测方法和系统。本发明中，首先对于每种模态数据，分别从横断面、冠状面和矢状面构建多个方向的灰度共生矩阵，以选取和计算更多空间关系特征；然后使用特征秩融合方式将三个方向特征有效结合，以去除冗余特征；最后将所选特征输入支持矢量机分类器进行训练；本发明考虑到不同模态图像所存在的冗余信息，使用秩融合筛选出最有区别性的特征，从而训练出鲁棒性和精确性极高的单发性转移瘤和胶质瘤分类器，有效弥补了临床现有不足，增强了医生的诊断能力。本发明方法鉴别诊断单发性转移瘤和胶质瘤的AUC值达到93.23%，能有效协助医生做出诊断。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.021 seconds)
