公开(公告)号：CN116310604B

公开(公告)日：2024-02-13

申请号：CN202310579742.3

申请日：2023-05-23

Applicant: 北京大学第三医院(北京大学第三临床医学院) ,  北京大学

Inventor： 陈练 ,  裴新龙 ,  赵扬玉 ,  王平 ,  宗鸣 ,  张晨滨 ,  罗登 ,  颜鲲

IPC: G06V10/766 ,  G06V10/82 ,  G06V10/25 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明涉及一种胎盘植入分型评估工具和方法，该工具包括感兴趣区域预处理输入模块、多流深度模型模块和多流模型预测融合输出模块,感兴趣区域预处理输入模块用于提取感兴趣区域，得到整体ROI区域标注信息；多流深度模型模块用于采用相同的深度为18层3D残差网络对FIESTA序列、SSFSE序列、FIESTA ROI序列和SSFSE ROI序列进行各自独立训练；多流模型预测融合输出模块用于对多流深度模型的四个流FIESTA流、SSFSE流、FIESTA ROI流和SSFSE ROI流对不同胎盘植入类型的预测概率相加取平均，得到最终的融合预测概率值，取最高的概率值对应的胎盘植入类别作为多流模型最终的预测输

公开(公告)号：CN116310604A

公开(公告)日：2023-06-23

申请号：CN202310579742.3

申请日：2023-05-23

Applicant: 北京大学第三医院(北京大学第三临床医学院) ,  北京大学

Inventor： 陈练 ,  裴新龙 ,  赵扬玉 ,  王平 ,  宗鸣 ,  张晨滨 ,  罗登 ,  颜鲲

IPC: G06V10/766 ,  G06V10/82 ,  G06V10/25 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明涉及一种胎盘植入分型评估工具和方法，该工具包括感兴趣区域预处理输入模块、多流深度模型模块和多流模型预测融合输出模块,感兴趣区域预处理输入模块用于提取感兴趣区域，得到整体ROI区域标注信息；多流深度模型模块用于采用相同的深度为18层3D残差网络对FIESTA序列、SSFSE序列、FIESTA ROI序列和SSFSE ROI序列进行各自独立训练；多流模型预测融合输出模块用于对多流深度模型的四个流FIESTA流、SSFSE流、FIESTA ROI流和SSFSE ROI流对不同胎盘植入类型的预测概率相加取平均，得到最终的融合预测概率值，取最高的概率值对应的胎盘植入类别作为多流模型最终的预测输出。

公开(公告)号：CN114511540A

公开(公告)日：2022-05-17

申请号：CN202210123897.1

申请日：2022-02-10

Applicant: 北京大学

Inventor： 王平 ,  张晨滨 ,  颜鲲 ,  马萌 ,  刘德风 ,  和清源

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公布了一种基于多模态MRI图像的肌肉分割模型方法，属于医学图像分割技术领域。本发明集中所有MRI数据的物理信息，每例MRI数据通过编码器生成FAT模态和WATER模态图像特征，再通过注意力机制子模块整合两个模态的信息，最后通过解码模块生成肌肉分割的结果，再将该结果和真实标注进行比对，通过反向传播的方式训练模型，得到训练好的基于多模态MRI图像的肌肉分割模型。本发明在多模态的情况下，充分利用各个模态之间的互补性，深入挖掘图像的结构信息和语义信息，提高肌肉分割的准确率和稳定性。

公开(公告)号：CN116721111A

公开(公告)日：2023-09-08

申请号：CN202310684723.7

申请日：2023-06-09

Applicant: 北京大学

Inventor： 王平 ,  颜鲲 ,  张晨滨 ,  戴舒羽 ,  马萌

IPC: G06T7/10

Abstract: 本发明提供了一种基于两帧标注的高泛化性视频物体分割方法，属于视频目标分割技术领域。本发明对于每个训练视频，只需要随机标注两帧，就可以训练得到性能良好的VOS模型。可以适用于当前主流的基于特征匹配的VOS模型训练，达到与全标注数据下相媲美的精度。

公开(公告)号：CN114511540B

公开(公告)日：2024-11-26

申请号：CN202210123897.1

申请日：2022-02-10

Applicant: 北京大学

Inventor： 王平 ,  张晨滨 ,  颜鲲 ,  马萌 ,  刘德风 ,  和清源

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公布了一种基于多模态MRI图像的肌肉分割模型方法，属于医学图像分割技术领域。本发明集中所有MRI数据的物理信息，每例MRI数据通过编码器生成FAT模态和WATER模态图像特征，再通过注意力机制子模块整合两个模态的信息，最后通过解码模块生成肌肉分割的结果，再将该结果和真实标注进行比对，通过反向传播的方式训练模型，得到训练好的基于多模态MRI图像的肌肉分割模型。本发明在多模态的情况下，充分利用各个模态之间的互补性，深入挖掘图像的结构信息和语义信息，提高肌肉分割的准确率和稳定性。

公开(公告)号：CN110033095A

公开(公告)日：2019-07-19

申请号：CN201910159918.3

申请日：2019-03-04

Applicant: 北京大学

Inventor： 郑培凯 ,  李真 ,  张晨滨 ,  宋煦 ,  肖臻

IPC: G06N20/00

Abstract: 本发明涉及一种高可用分布式机器学习计算框架的容错方法和系统。该方法建立分布式机器学习框架，包括多个Master节点、多个Server节点、多个Agent节点，其中Agent节点和Server节点、Master节点通信，每个Server节点存储一部分参数，每个Agent节点存储一部分训练数据，计算本地的参数更新量；Master节点记录其它节点的信息及机器学习任务相关的信息；Master节点组成高可用的Master集群，通过分布式一致性哈希算法和参数备份实现Server节点的高可用，通过重新启动进行Agent节点的故障恢复。本发明能够提高分布式机器学习系统的高可用性，能够灵活高效地进行故障恢复。