-
公开(公告)号：CN117357132A
公开(公告)日：2024-01-09
申请号：CN202311665176.4
申请日：2023-12-06
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于多层脑网络节点参与系数的任务执行方法及装置。所述任务执行方法包括：先获取脑部信号数据，以针对每个预设的时间段，根据该时间段内各节点的脑部信号，得到该时间段中各节点所对应的脑部信号序列。针对每个节点，根据各时间段中该节点的脑部信号序列以及各时间段中其他节点的脑部信号序列，确定该节点在相同时间段与其他节点的节点连通度以及确定该节点在不同时间段与其他节点的节点连通度，进而确定出每个节点在脑部活动中的多参与系数，该节点对应的多参与系数用于表示该节点对应的脑区在脑部活动中与其他脑区的连通情况，再根据每个节点对应的多参与系数，执行目标任务。
-
公开(公告)号：CN117036832A
公开(公告)日：2023-11-10
申请号：CN202311294085.4
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于随机多尺度分块的图像分类方法、装置及介质，包括：根据随机数对图像进行可变大小的切割，得到不同大小的图像块并记录其在图像中的位置坐标以及图像块的大小信息，从而获取图像块在图像中的位置编码以及对每个图像块大小进行编码；从图像中提取不同大小的图像块并进行像素编码；将相同大小图像块的编码向量分别组合成序列；将不同大小的序列添加图像块大小编码后分别先后输入第一Transformer编码器模块和第二Transformer编码器模块获得全局特征，再进行层归一化之后进行线性变换，得到最终的图像预测类别。本发明具有多尺度特征提取能力和数据的多样性，提高图像分类的准确性和泛化能力，减轻过拟合问题，更好地学习到数据的统计特性。
-
公开(公告)号：CN116167431B
公开(公告)日：2023-08-04
申请号：CN202310454434.8
申请日：2023-04-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于混合精度模型加速的业务处理方法及装置。首先，获取样本数据以及预先训练的业务模型。其次，将样本数据输入到业务模型中，得到标准结果。而后，对所述业务模型进行模型框架转换，得到待调整模型。然后，依次针对待调整模型的每个网络层，以调整该网络层对应的参数精度后得到的模型针对样本数据所输出的结果与标准结果之间的偏差满足预设条件为约束，对该网络层对应的参数精度进行调整。接着，得到目标模型，并部署。最后，在接收到业务数据后，将业务数据输入到目标模型，得到针对业务数据的输出结果，执行业务处理。本方法可以在保证深度学习模型的输出结果的准确性的情况下，提高深度学习模型的推理效率。
-
公开(公告)号：CN116206164A
公开(公告)日：2023-06-02
申请号：CN202310500515.7
申请日：2023-05-06
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半监督对比学习的多相期CT分类系统及构建方法，本发明通过有监督的学习，对图像进行特征提取，得到各个相期CT图像的特征向量，并完成分类，用于后续对无标签数据生成伪标签，随后通过半监督对比学习，利用无标签数据扩大训练集，继续加强对各相期图像的特征表达，扩大不同相之间、不同类之间图像特征表达差异，提升分类精度。本发明采用了对比学习机制，分离了不同相期、不同类别图像间的特征表示差异，提升了对图像的特征表达，同时采用半监督学习机制，利用无标签的数据扩大训练数据集，进一步加强了对图像的特征表达，提升了模型的分类精度，对于通过多相期CT图像进行分类的医学诊断非常具有适应性与实用性。
-
公开(公告)号：CN116188469A
公开(公告)日：2023-05-30
申请号：CN202310478390.2
申请日：2023-04-28
Applicant: 之江实验室
IPC: G06T7/00 , G06V10/774 , G06V20/64 , G06V20/70
Abstract: 本说明书公开了一种病灶检测方法、装置、可读存储介质及电子设备，通过设置独立于检测模型的识别模型，在对医学影像序列进行检测时，将每个医学影像逐个输入训练完成的识别模型和检测模型，得到用于表征各医学影像是否包含病灶的识别结果，以及用于表征医学影像中的病灶区域的检测结果，再基于各医学影像分别对应的检测结果和识别结果，确定病灶在人体的三维模型中的三维区域。本方法在检测模型的精准度较低的情况下，也可基于识别模型，对检测模型的检测结果进一步提高，保证了病灶检测的准确率。
-
Patent Agency Ranking
-
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：CN114332287B
公开(公告)日：2022-07-15
申请号：CN202210235862.7
申请日：2022-03-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于transformer特征共享的PET图像重建方法、装置、设备及介质，本发明通过获取包含PET原始数据信息的反投影图像，再将包含PET原始数据信息的反投影图像输入至预先训练好的基于transformer特征共享的PET图像重建网络模型，得到PET图像。本发明的PET图像重建网络模型由两组编码‑解码器构成，其中一组建立PET反投影图像到PET重建图像之间的映射，另一组建立PET反投影图像到先验信息图像之间的映射，同时优化两组编码‑解码器实现利用先验信息图像中的先验知识减小目标PET图像中的噪声同时保留图像细节信息。在两组编码器之间，使用transformer单元代替基于卷积的注意力机制实现在重建网络训练过程中自主学习编码器参数共享，进一步减小重建误差，改善重建PET图像质量。
-
公开(公告)号：CN114360718B
公开(公告)日：2022-07-12
申请号：CN202210231670.9
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征拟合的PET/CT自动肺癌诊断分类系统及构建方法，该系统包括特征提取单元，用于依据PET/CT图像提取获得肿瘤的第一特征；特征拟合单元，用于依据PET/CT图像拟合所述PET/CT图像对应病理图像中的特征，获得肿瘤的第二特征；肺癌诊断分类单元，用于联合第一特征和第二特征进行肺癌诊断分类。本发明通过使用PET/CT的特征来拟合相匹配的病理特征的方式，提高单纯使用PET/CT影像信息特征得到的诊断精度，有利于现有的仅基于影像学的智能诊断的推广应用，提高临床医生的诊断效率。通过本发明，可以在患者进行手术前更好的了解到肿瘤的情况，从而可以更好的协助医生为患者提供精准的治疗方案，减少患者的创伤。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.025 seconds)
