-
公开(公告)号：CN115222752B
公开(公告)日：2023-01-24
申请号：CN202211138097.3
申请日：2022-09-19
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/00 , A61B6/00 , G06T7/90 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于特征解耦的病理图像特征提取器训练方法及装置，该训练方法通过构建特征解耦网络，同时设置六个子损失函数对网络进行约束训练，其中特征解耦网络包含多个生成对抗网络，可以将病理图像解耦分解成颜色信息特征和组织结构信息特征，在保留纯净无杂质的组织结构信息的同时消除人为造成的染色差异对网络性能的负面影响。设置的损失函数最大程度的保证颜色编码器和组织结构编码器特征提取的针对性。训练获得的特征提取器可以覆盖不同病理图像的多个颜色域并引入不同域的颜色变化，适应来自不同中心的病理图像，具有更高的泛化性能。
-
公开(公告)号：CN115063592B
公开(公告)日：2022-12-06
申请号：CN202210980583.3
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G16H30/20 , G16H50/20 , G06T7/00
Abstract: 本发明公开了一种基于多尺度的全扫描病理特征融合提取方法及系统，本发明通过使用多尺度的全扫描病理特征融合提取的方式，借用多尺度的方案使得特征提取拥有更全面的信息，既有全局的整体信息，又有局部的详细信息。再结合注意力机制的加权融合方案，使得最终获取的特征，重点更加突出，更能代表全扫描病理图像。通过本发明，可以更好的获取全扫描病理图像的整体特征，从而可以协助病理科医生进行病理诊断、帮助临床医生更好的使用多模态信息进行疾病诊断时，提高多模态融合分析的准确性。
-
公开(公告)号：CN114758031B
公开(公告)日：2022-10-21
申请号：CN202210672852.X
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种电容耦合电阻抗层析成像图像重建方法及装置，本发明将无监督的深度卷积网络作为先验信息来对电容耦合电阻抗层析成像的图像迭代重建过程加以约束，通过训练拥有随机初始化网络参数的深度神经网络，使得该网络能够从噪声标签图像中学习其自身的内在隐藏信息，并在训练过程中通过交替性的加权平均求和等操作逐步找到噪声图像的局部最优解，生成近似于真实图像的结果，完成去噪。本发明提出的针对于电容耦合电阻抗层析成像应用的网络先验不仅能形成类似手动先验的模式来对图像重建进行噪声约束，并且能依据图像自身的结构特点做出智能化的参数调整，形成更高质量的重建图像。
-
公开(公告)号：CN115063592A
公开(公告)日：2022-09-16
申请号：CN202210980583.3
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G16H30/20 , G16H50/20 , G06T7/00
Abstract: 本发明公开了一种基于多尺度的全扫描病理特征融合提取方法及系统，本发明通过使用多尺度的全扫描病理特征融合提取的方式，借用多尺度的方案使得特征提取拥有更全面的信息，既有全局的整体信息，又有局部的详细信息。再结合注意力机制的加权融合方案，使得最终获取的特征，重点更加突出，更能代表全扫描病理图像。通过本发明，可以更好的获取全扫描病理图像的整体特征，从而可以协助病理科医生进行病理诊断、帮助临床医生更好的使用多模态信息进行疾病诊断时，提高多模态融合分析的准确性。
-
公开(公告)号：CN114758032A
公开(公告)日：2022-07-15
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。
-
Patent Agency Ranking
公开(公告)号：CN114092470A
公开(公告)日：2022-02-25
申请号：CN202111492860.8
申请日：2021-12-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度学习的肺裂自动检测方法及装置。本发明首先利用肺裂在二维CT图像中表现为细的曲线结构、在三维CT图像中表现为薄的曲面结构的特性，使用增强滤波对肺裂进行增强，计算每个体素的肺裂概率。但是，肺裂增强会在病理性肺导致的一些类似裂隙结构上产生虚假响应，使得肺裂提取的结果准确性过于依赖提取条件的参数设置。为此，本发明进一步利用深度学习的方法，输入严格肺裂提取条件下的不完整的肺裂，经过深度学习网络重建后得到准确且完整的最优肺裂，从而实现即便在病理性肺中仍能有效且鲁棒地完成肺裂检测。
-
公开(公告)号：CN113516210A
公开(公告)日：2021-10-19
申请号：CN202111075570.3
申请日：2021-09-14
Applicant: 之江实验室
Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。
-
公开(公告)号：CN112802073B
公开(公告)日：2021-07-06
申请号：CN202110376958.0
申请日：2021-04-08
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于图像数据和点云数据的融合配准方法，该方法首先通过图像分割获得组织器官的边界点云或通过特征提取得到图像内的特征点云，将图像数据和点云数据输入设计好的融合配准模型中，获得配准好的图像和点云数据以及变形场。所述融合配准模型包含图像配准网络和点云配准网络，训练时，损失函数由图像距离项、点云距离项、约束图像变形场和点云变形场的正则化项以及图像变形场和点云变形场的一致性约束项组成。本发明的方法能提高图像配准中边界保持的能力，在配准前获得细小结构点云信息时，该方法还能改善因细小结构隐藏在图像背景而发生误匹配的问题。
-
公开(公告)号：CN112802073A
公开(公告)日：2021-05-14
申请号：CN202110376958.0
申请日：2021-04-08
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于图像数据和点云数据的融合配准方法，该方法首先通过图像分割获得组织器官的边界点云或通过特征提取得到图像内的特征点云，将图像数据和点云数据输入设计好的融合配准模型中，获得配准好的图像和点云数据以及变形场。所述融合配准模型包含图像配准网络和点云配准网络，训练时，损失函数由图像距离项、点云距离项、约束图像变形场和点云变形场的正则化项以及图像变形场和点云变形场的一致性约束项组成。本发明的方法能提高图像配准中边界保持的能力，在配准前获得细小结构点云信息时，该方法还能改善因细小结构隐藏在图像背景而发生误匹配的问题。
-
公开(公告)号：CN112258642B
公开(公告)日：2021-04-09
申请号：CN202011522344.0
申请日：2020-12-21
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了基于深度学习的低剂量PET数据三维迭代更新重建方法，该方法是从低剂量PET原始数据出发的，基于深度学习的联合迭代更新重建方法，该方法利用三维深度神经网络拟合原始数据反投影laminogram与PET重建图像之间的正、逆映射，从训练样本中学习标准剂量先验知识并将其应用于迭代更新标准剂量laminogram和PET三维重建图像，以获取比传统重建方法以及图像域降噪处理噪声更低，分辨率更高,无伪影的PET重建图像。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.027 seconds)
