公开(公告)号：CN118506114B

公开(公告)日：2024-11-01

申请号：CN202410973680.9

申请日：2024-07-19

Applicant: 北京大学第三医院(北京大学第三临床医学院)

Inventor： 强光亮 ,  马善吴 ,  林楚童 ,  贺未 ,  金亮

IPC: G06V10/764 ,  G06V10/26 ,  G06V20/70 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G16H15/00 ,  G16H30/40 ,  G16H50/30 ,  G06N3/048

Abstract: 本发明提出了一种基于深度学习的肺结节检测分级与管理的方法与系统。该方法利用SAAN‑ConvNet模型提取多尺度特征，通过孪生网络结构提取结节的局部特征和全局特征，引入联合注意力模块、自适应特征融合和多尺度特征交互等创新机制，极大提升了检测分级的性能。在LIDC‑IDRI公开数据集和临床数据上的实验表明，该方法在准确性、效率等方面均优于现有方法，具有良好的应用前景。

公开(公告)号：CN119557840A

公开(公告)日：2025-03-04

申请号：CN202510121709.5

申请日：2025-01-26

Applicant: 北京大学第三医院(北京大学第三临床医学院)

Inventor： 强光亮 ,  续蕊 ,  陈芳军 ,  马善吴 ,  林楚童 ,  何华钰

IPC: G06F18/25 ,  G16H40/20

Abstract: 本发明提出了一种基于多模态医学数据的特征融合方法及系统，属于医学数据处理技术领域。本发明利用#imgabs0#建模医学数据中的结构关系，如患者网络、生物通路和解剖结构等，并将提取的结构化特征输入到#imgabs1#中，以捕获全局上下文信息，自适应机制能够根据数据模态动态调整#imgabs2#和#imgabs3#输出的特征权重，从而实现更精准的特征融合。实验结果证明，本发明的模型在多个多模态医学数据集上均优于其他基线模型。

公开(公告)号：CN118506114A

公开(公告)日：2024-08-16

申请号：CN202410973680.9

申请日：2024-07-19

Applicant: 北京大学第三医院(北京大学第三临床医学院)

Inventor： 强光亮 ,  马善吴 ,  林楚童 ,  贺未 ,  金亮

IPC: G06V10/764 ,  G06V10/26 ,  G06V20/70 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G16H15/00 ,  G16H30/40 ,  G16H50/30 ,  G06N3/048

Abstract: 本发明提出了一种基于深度学习的肺结节检测分级与管理的方法与系统。该方法利用SAAN‑ConvNet模型提取多尺度特征，通过孪生网络结构提取结节的局部特征和全局特征，引入联合注意力模块、自适应特征融合和多尺度特征交互等创新机制，极大提升了检测分级的性能。在LIDC‑IDRI公开数据集和临床数据上的实验表明，该方法在准确性、效率等方面均优于现有方法，具有良好的应用前景。