-
公开(公告)号：CN105808729B
公开(公告)日：2019-08-23
申请号：CN201610131343.0
申请日：2016-03-08
Applicant: 上海交通大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提供了一种基于论文间引用关系的学术大数据分析方法，包括步骤1：对本地的论文数据集进行相应的分析和处理后在数据库中构建论文引用网络；步骤2：根据论文引用网络中的引用关系构建分析算法，通过该分析算法获得所述论文引用网络中节点的重要性及相互间的关系，并获得论文相对于中心论文的重要度；步骤3：将论文一对一的引用关系转化为引用方向的映射集和被引用方向的映射集，在所述论文引用网络中通过提取算法获得指定论文间的发展路径，并按照步骤2中获得的论文重要度来计算路径的重要度。本发明中的方法能够便捷地分析出数据库中论文的引用关系，并得到论文间的发展路径，提高了论文检索的精度。
-
公开(公告)号：CN108520518A
公开(公告)日：2018-09-11
申请号：CN201810318306.X
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤超声图像识别方法及其装置，所述方法包括：选取甲状腺肿瘤超声图像中的肿瘤区域并扩增一定边缘范围后切割，进行良恶性标注，将切割下来的图像组成训练集；用训练集训练选定的卷积神经网络形成甲状腺肿瘤超声图像识别模型；获取待识别的甲状腺肿瘤超声图像，选取肿瘤区域并扩增一定边缘范围后，用所述甲状腺肿瘤超声图像识别模型进行良恶性识别。本发明所述方法及其装置用于辅助医生对甲状腺肿瘤的良恶性进行诊断，在甲状腺超声图像肿瘤良恶性检测试验中取得了超过90％的准确率，这对临床实际诊断具有重大的参考意义。
-
公开(公告)号：CN108564026B
公开(公告)日：2021-11-02
申请号：CN201810318298.9
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种用于甲状腺肿瘤细胞学涂片图像分类的网络构建方法及系统，该系统利用强化学习方法寻找最适合甲状腺肿瘤细胞学涂片图像分类的现有卷积神经网络，所述强化学习方法的具体流程为：首先，用循环神经网络生成一个卷积神经网络；接着，用甲状腺肿瘤细胞学涂片图像训练集训练该卷积神经网络；然后，用甲状腺肿瘤细胞学涂片图像验证集验证经训练后的该卷积神经网络的准确率，设定一个准确率阈值，判断其准确率是否高于阈值；最后将准确率最高的卷积神经网络作为初步卷积神经网络进行再训练，从而达到构建高准确率卷积神经网络用于辅助医生对甲状腺肿瘤进行诊断，提高了诊断准确率的目的。
-
Patent Agency Ranking
公开(公告)号：CN108364293A
公开(公告)日：2018-08-03
申请号：CN201810318236.8
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种在线训练甲状腺肿瘤超声图像识别方法及其装置，所述方法包括：获取一组甲状腺肿瘤超声图像，从中选取肿瘤区域并扩增一定边缘范围后切割，进行良恶性标注，将切割下来的图像存入图像库，并与所述图像库中部分原有的图像组成训练集；用训练集训初级甲状腺肿瘤超声图像识别模型形成进阶甲状腺肿瘤超声图像识别模型；获取待识别的甲状腺肿瘤超声图像，选取肿瘤区域并扩增一定边缘范围后切割，用所述进阶甲状腺肿瘤超声图像识别模型进行良恶性识别。该方法能够实现对病例图像的再利用，对甲状腺肿瘤图像特征的学习、记忆与积累；随着病例增加，能够逐渐提升模型的泛化能力与预测准确率，对临床诊断经验积累具有十分重要的意义。
-
公开(公告)号：CN105808729A
公开(公告)日：2016-07-27
申请号：CN201610131343.0
申请日：2016-03-08
Applicant: 上海交通大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于论文间引用关系的学术大数据分析方法，包括步骤1：对本地的论文数据集进行相应的分析和处理后在数据库中构建论文引用网络；步骤2：根据论文引用网络中的引用关系构建分析算法，通过该分析算法获得所述论文引用网络中节点的重要性及相互间的关系，并获得论文相对于中心论文的重要度；步骤3：将论文一对一的引用关系转化为引用方向的映射集和被引用方向的映射集，在所述论文引用网络中通过提取算法获得指定论文间的发展路径，并按照步骤2中获得的论文重要度来计算路径的重要度。本发明中的方法能够便捷地分析出数据库中论文的引用关系，并得到论文间的发展路径，提高了论文检索的精度。
-
公开(公告)号：CN108564123A
公开(公告)日：2018-09-21
申请号：CN201810318242.3
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤细胞学涂片图像分类方法及其装置，所述方法包括：获取若干一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像；用获取的图像组成训练集，并对训练集进行数据扩增；生成初步卷积神经网络；用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络；获取待分类的甲状腺肿瘤细胞学涂片图像，用成熟卷积神经网络对该图像中的细胞进行良恶性判断：图像中所有细胞均判断为良性则输出良性结果，图像中有至少一个细胞为恶性则输出恶性结果。所述方法及装置用于辅助医生对甲状腺肿瘤进行诊断，提高诊断的准确率。
-
公开(公告)号：CN108564026A
公开(公告)日：2018-09-21
申请号：CN201810318298.9
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种用于甲状腺肿瘤细胞学涂片图像分类的网络构建方法及系统，该系统利用强化学习方法寻找最适合甲状腺肿瘤细胞学涂片图像分类的现有卷积神经网络，所述强化学习方法的具体流程为：首先，用循环神经网络生成一个卷积神经网络；接着，用甲状腺肿瘤细胞学涂片图像训练集训练该卷积神经网络；然后，用甲状腺肿瘤细胞学涂片图像验证集验证经训练后的该卷积神经网络的准确率，设定一个准确率阈值，判断其准确率是否高于阈值；最后将准确率最高的卷积神经网络作为初步卷积神经网络进行再训练，从而达到构建高准确率卷积神经网络用于辅助医生对甲状腺肿瘤进行诊断，提高了诊断准确率的目的。
-
公开(公告)号：CN108564123B
公开(公告)日：2021-11-02
申请号：CN201810318242.3
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤细胞学涂片图像分类方法及其装置，所述方法包括：获取若干一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像；用获取的图像组成训练集，并对训练集进行数据扩增；生成初步卷积神经网络；用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络；获取待分类的甲状腺肿瘤细胞学涂片图像，用成熟卷积神经网络对该图像中的细胞进行良恶性判断：图像中所有细胞均判断为良性则输出良性结果，图像中有至少一个细胞为恶性则输出恶性结果。所述方法及装置用于辅助医生对甲状腺肿瘤进行诊断，提高诊断的准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
