-
公开(公告)号：CN117540276A
公开(公告)日：2024-02-09
申请号：CN202311572140.1
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/21 , G06F18/15 , G06F18/22 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种器官特异性模态自适应的器官功能智能评估方法和系统，包括：获取生物器官在各个发育阶段的多模态数据，且每个模态数据均具有相应的器官功能分类标签，以多模态计算框架为基础，构建深度神经网络模型，采用该多模态数据训练该深度神经网络模型执行器官功能分类任务，得到多模态分类模型将待分类生物器官的多模态数据输入该多模态分类模型，得到其器官功能分类结果，并通过保存该待分类生物器官的多模态数据和其器官功能分类结果构建生物器官的指标库；以该指标库为后续多模态数据提供检索服务，得到其器官功能分类结果。
-
公开(公告)号：CN113127661A
公开(公告)日：2021-07-16
申请号：CN202110376391.7
申请日：2021-04-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于循环查询扩展的多监督医学图像检索方法，包括：以已知医学图像数据集对卷积神经网络进行训练，获得分类模型；以该分类模型对该已知医学图像数据集进行三元组挖掘，以挖掘出的三元组对该分类模型进行训练，以获得图像检索模型；对于目标医学图像，通过该图像检索模型从该已知医学图像数据集获得检索结果。本发明还涉及一种基于循环查询扩展的多监督医学图像检索系统，以及一种数据处理装置。本发明的多监督医学图像检索方法采用NM三元组挖掘，解决了仅适用标签信息或仅使用相似标签信息不足以满足CBMIR高精度要求的问题，并提出RQE查询扩展方法，进一步提高了医学图像检索的性能，充分利用了检索结果中的信息。
-
公开(公告)号：CN110866893B
公开(公告)日：2021-04-06
申请号：CN201910942092.8
申请日：2019-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于病理图像的TMB分类方法，包括：对已知病理图像进行TMB分类标记和预处理，以构建训练集；通过该训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以该分类模型对该目标图块进行分类，以获取该目标病例的图块TMB分类结果；以所有该图块TMB分类结果，通过分类投票获取该目标病例的图像TMB分类结果。本发明还涉及一种基于病理图像的TMB分析装置。本发明的TMB分类方法，不依赖于除病理图像之外样本，具有准确、低成本、快速的优点，对肿瘤的研究具有重大价值。
-
公开(公告)号：CN101770362B
公开(公告)日：2013-04-03
申请号：CN200910076508.9
申请日：2009-01-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种满足SystemC语法的多核处理器的处理单元，包括：动态进程生成单元，用于基于句柄使用地址重新映射来生成动态进程；所述动态进程生成单元包括：SC_SPAWN寄存器组用于存储进程句柄和进程生成命令和进程处理单元地址；动态进程生成引擎根据SC_SPAWN寄存器组中的进程句柄和进程生成命令来控制数据发送引擎发送数据包；数据发送引擎根据来自动态进程生成引擎的发送请求来发送数据包到交换单元适配器；数据接收引擎接收来自交换单元适配器的数据包，确定所述数据包中所包含的内容并提交给动态进程生成引擎。根据本发明的处理单元支持在多核处理器内的分布式的动态进程生成过程。
-
公开(公告)号：CN113127661B
公开(公告)日：2023-09-12
申请号：CN202110376391.7
申请日：2021-04-06
Applicant: 中国科学院计算技术研究所
IPC: G06F16/53 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于循环查询扩展的多监督医学图像检索方法，包括：以已知医学图像数据集对卷积神经网络进行训练，获得分类模型；以该分类模型对该已知医学图像数据集进行三元组挖掘，以挖掘出的三元组对该分类模型进行训练，以获得图像检索模型；对于目标医学图像，通过该图像检索模型从该已知医学图像数据集获得检索结果。本发明还涉及一种基于循环查询扩展的多监督医学图像检索系统，以及一种数据处理装置。本发明的多监督医学图像检索方法采用NM三元组挖掘，解决了仅适用标签信息或仅使用相似标签信息不足以满足CBMIR高精度要求的问题，并提出RQE查询扩展方法，进一步提高了医学图像检索的性能，充分利用了检索结果中的信息。
-
Patent Agency Ranking
公开(公告)号：CN111968127B
公开(公告)日：2021-08-27
申请号：CN202010640622.6
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于病理图像的癌灶区域识别方法及系统，包括：获取多幅已标注标签的病理图像，每一幅病理图像具有标记癌灶区域的内容标签和癌灶轮廓的轮廓标签；构建包括编码器、内容解码器和轮廓解码器的图片分类模型，编码器用于下采样图像得到下采样特征图，轮廓解码器根据下采样特征图，解码得到廓解特征图，轮廓解码器具有到内容解码器的跳跃连接，通过跳跃连接内容解码器根据下采样特征图和廓解特征图，解码得到内容特征图；将已标注标签病理图像输入至图片分类模型，用联合监督的方式同时训练图片分类模型执行内容识别和轮廓识别任务，并计算损失函数，通过损失更新图片分类模型作为癌灶区域识别模型；通过癌灶区域识别模型识别癌灶区域。
-
公开(公告)号：CN111968127A
公开(公告)日：2020-11-20
申请号：CN202010640622.6
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于病理图像的癌灶区域识别方法及系统，包括：获取多幅已标注标签的病理图像，每一幅病理图像具有标记癌灶区域的内容标签和癌灶轮廓的轮廓标签；构建包括编码器、内容解码器和轮廓解码器的图片分类模型，编码器用于下采样图像得到下采样特征图，轮廓解码器根据下采样特征图，解码得到廓解特征图，轮廓解码器具有到内容解码器的跳跃连接，通过跳跃连接内容解码器根据下采样特征图和廓解特征图，解码得到内容特征图；将已标注标签病理图像输入至图片分类模型，用联合监督的方式同时训练图片分类模型执行内容识别和轮廓识别任务，并计算损失函数，通过损失更新图片分类模型作为癌灶区域识别模型；通过癌灶区域识别模型识别癌灶区域。
-
公开(公告)号：CN110866893A
公开(公告)日：2020-03-06
申请号：CN201910942092.8
申请日：2019-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于病理图像的TMB分类方法，包括：对已知病理图像进行TMB分类标记和预处理，以构建训练集；通过该训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以该分类模型对该目标图块进行分类，以获取该目标病例的图块TMB分类结果；以所有该图块TMB分类结果，通过分类投票获取该目标病例的图像TMB分类结果。本发明还涉及一种基于病理图像的TMB分析装置。本发明的TMB分类方法，不依赖于除病理图像之外样本，具有准确、低成本、快速的优点，对肿瘤的研究具有重大价值。
-
公开(公告)号：CN101770362A
公开(公告)日：2010-07-07
申请号：CN200910076508.9
申请日：2009-01-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种满足SystemC语法的多核处理器的处理单元，包括：动态进程生成单元，用于基于句柄使用地址重新映射来生成动态进程；所述动态进程生成单元包括：SC_SPAWN寄存器组用于存储进程句柄和进程生成命令和进程处理单元地址；动态进程生成引擎根据SC_SPAWN寄存器组中的进程句柄和进程生成命令来控制数据发送引擎发送数据包；数据发送引擎根据来自动态进程生成引擎的发送请求来发送数据包到交换单元适配器；数据接收引擎接收来自交换单元适配器的数据包，确定所述数据包中所包含的内容并提交给动态进程生成引擎。根据本发明的处理单元支持在多核处理器内的分布式的动态进程生成过程。
-
公开(公告)号：CN112101409A
公开(公告)日：2020-12-18
申请号：CN202010772358.1
申请日：2020-08-04
Applicant: 中国科学院计算技术研究所
Abstract: 一种基于病理图像的肿瘤突变负荷(TMB)分类方法，其包括以下步骤：根据至少一分类阈值将已知病理图像按照TMB分为多个类型；将所述已知病理图像切割为多张已知图块，再将所述多张已知图块重新拼接为所述已知病理图像，按照所述多个类型对所述多张已知图块进行标注，以构建初步训练集；采用多分类投票法对所述初步训练集进行清洗，以构建最终训练集；通过所述最终训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以及以所述分类模型对所述目标图块进行分类，以获取所述目标图块的TMB分类结果，并且根据所有所述目标图块的TMB分类结果，通过多数投票法获取所述目标病理图像的TMB分类结果。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.032 seconds)
