-
Patent Agency Ranking
公开(公告)号：CN112508827B
公开(公告)日：2022-04-22
申请号：CN202011227685.5
申请日：2020-11-06
Applicant: 中南大学湘雅医院
IPC: G06T5/40 , G06T5/50 , G06T7/11 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
公开(公告)号：CN112070777B
公开(公告)日：2021-10-08
申请号：CN202011249376.8
申请日：2020-11-10
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
公开(公告)号：CN112508827A
公开(公告)日：2021-03-16
申请号：CN202011227685.5
申请日：2020-11-06
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
公开(公告)号：CN115331072A
公开(公告)日：2022-11-11
申请号：CN202210856762.6
申请日：2022-07-20
Applicant: 中南大学湘雅医院
IPC: G06V10/774 , G06V10/776 , G06V10/74 , G06V10/764 , G06T7/00
Abstract: 本发明公开了一种基于特征图相似度加权的预测方法、系统、设备及介质，其方法包括：构建集成预测模型，集成预测模型由多个最优预测模型集合而成，每一个最优预测模型通过对应的训练集和验证集训练而成；将对应的验证集输入对应的最优预测模型中，得到每一类别对应的第一特征图；将对应的测试集输入对应的最优预测模型中，得到预测概率和第二特征图；计算同一最优预测模型的第一特征图和第二特征图之间的余弦相似度，根据余弦相似度对最优预测模型的预测概率进行加权，得到加权后的预测概率；计算所有最优预测模型的加权后的预测概率的均值，将均值作为集成预测模型的预测概率；提高了模型的预测性能和模型的鲁棒性和泛化性。
-
公开(公告)号：CN112070777A
公开(公告)日：2020-12-11
申请号：CN202011249376.8
申请日：2020-11-10
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
