基于轻量化扩散模型的前列腺MRI超分辨率重建方法

    公开(公告)号:CN118172251A

    公开(公告)日:2024-06-11

    申请号:CN202410591481.1

    申请日:2024-05-14

    Abstract: 本发明公开基于轻量化扩散模型的前列腺MRI超分辨率重建方法,涉及医学图像处理技术领域,包括以下步骤:S1:对前列腺疾病患者MRI图像进行预处理,通过下采样操作获取低分辨率图像;S2:将所述S1中获得的低分辨率图像特征图输入到特征抽取编码器中来获取图像多尺度深层特征图;S3:将所述S2中得到的多尺度语义特征图,输入到特征重建解码器中,基于扩散模型对特征图进行上采样操作,重建高分辨率图像。本发明方便实现前列腺MRI超分辨率重建。

    一种基于音频和文本模态融合的阿尔兹海默症诊断系统

    公开(公告)号:CN117577306A

    公开(公告)日:2024-02-20

    申请号:CN202311572594.9

    申请日:2023-11-22

    Abstract: 本发明公开一种基于音频和文本模态融合的阿尔茨海默症诊断系统,涉及语音处理和自然语言处理的交叉技术领域。包括:多模态融合模块:基于数据预处理模块得到的向量化表示,利用transformer编码器和多层共同注意力层进行特征学习、模态交互和特征深度学习,得到多模态交互后的特征表示;多任务学习模块:基于多模态交互后的特征表示进行多任务学习;多任务包括主任务和两个辅助任务;第一个辅助任务为模态驱动的交互增强任务;第二个辅助任务为协同模态融合任务;分类模块:利用多任务学习后的分类器对待分类的阿尔兹海默症数据进行分类,得到阿尔兹海默症数据的分类结果。本发明能够增强模态之间的有效信息交流,提高系统的性能和准确性。

    一种多任务联合优化的前列腺偶发癌检测方法及装置

    公开(公告)号:CN117173460A

    公开(公告)日:2023-12-05

    申请号:CN202311098586.5

    申请日:2023-08-29

    Abstract: 本发明公开一种多任务联合优化的前列腺偶发癌检测方法及装置。方法包括:通过降采样操作将MRI图像数据转换为三种不同尺度;将三种不同尺度的图像数据输入到图像适应模块,所述图像适应模块包括残差卷积单元和串联注意力单元;将多尺度特征输入到多分辨率融合模块中,获取不同尺度前列腺MRI图像的交互特征;将所述交互特征输入到多任务联合优化模块,使用Focal损失函数LFocal作为前列腺偶发癌检测的优化目标,使用Tversky损失函数LTversky作为前列腺分割的优化目标,进行多任务的联合优化;基于所述优化后的前列腺偶发癌检测模型进行前列腺偶发癌检测。本发明针对临床真实应用场景,能够基于良性前列腺增生患者MRI图像特征来精准预测前列腺偶发癌的发生概率。

    一种基于表示学习和图神经网络的药物靶标亲和力预测方法

    公开(公告)号:CN114999565A

    公开(公告)日:2022-09-02

    申请号:CN202210418625.4

    申请日:2022-04-20

    Abstract: 本发明一种基于表示学习和图神经网络的药物靶标亲和力预测方法,涉及生物医学和自然语言技术交叉领域。本发明将输入的药物和蛋白质数据转换为两种不同的形式,即二维矩阵结构和三维图结构,从而可以利用不同结构信息,充分提取信息,更好地对结果进行预测;使用注意力层融合四种信息,通过分析每一部分的权重,了解不同部分的重要性,提升预测性能。本发明解决了当前药物靶标亲和力预测任务中大多数只关注输入数据的部分结构信息的问题,并且使用注意力机制进行融合,更好地解释每一部分数据信息的重要性,从而大大提升药物靶标亲和力预测的性能。

    基于人脸识别和分层融合策略的多模态恶意迷因图检测方法

    公开(公告)号:CN114419409A

    公开(公告)日:2022-04-29

    申请号:CN202210036924.1

    申请日:2022-01-12

    Abstract: 本发明公开了一种基于人脸识别和分层融合策略的多模态恶意迷因图检测方法,涉及自然语言处理技术领域。本发明引入了一种新的多模态融合模型,并对图像和文本进行多模态训练。这个多特征融合网络首先使用ResNet和YOLO‑v5提取图像特征和属性特征,然后使用属性特征和双向LSTM网络提取文本特征。在提取属性特征的同时,引入了人脸识别器来获取迷因图中人脸的种族和性别信息,这样可以更好地捕捉到仇恨情绪。然后将三种模态的特征重建并融合到一个特征向量中进行预测。评估结果表明,该模型在检测仇恨迷因图方面的性能达到了更高的水平。

    一种X射线冠脉造影图像血管增强方法

    公开(公告)号:CN102663709A

    公开(公告)日:2012-09-12

    申请号:CN201210132164.0

    申请日:2012-04-28

    Abstract: 本发明公开了一种X射线冠脉造影图像血管增强方法,包括以下步骤:对X射线冠脉造影图像I进行二维经验模态分解;分析各层经验模态分解的本征模态函数进行去噪,并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像;对重构的图像进行Hessian矩阵分解,利用血管测度函数或血管特征拟合函数达到增强血管结构的目的。本发明利用经验模态分解X射线冠脉造影图像为一系列本征模态函数,利用噪声的分布规律达到去除背景噪声的目的,进而选择一些特定层本征模态函数进行加权构造冠状动脉图像,利用基于Hessian矩阵特征值的血管测度函数进一步增强图像中的血管结构。本发明能明显改善冠脉造影图像的视觉效果。

Patent Agency Ranking