-
公开(公告)号：CN118094362A
公开(公告)日：2024-05-28
申请号：CN202410165589.4
申请日：2024-02-05
Applicant: 北京邮电大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06F18/2413 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/082
Abstract: 本申请提供甲状腺滤泡分类模型训练装置、分类装置和设备，涉及计算机系统技术领域，训练装置包括：数据获取模块，用于获取训练集；以及模型训练模块，用于采用训练集训练多模态深度学习模型，以使多模态深度学习模型分别提取灰阶超声影像和彩色多普勒超声影像各自对应的影像特征数据，提取临床数据对应的文本特征数据，再对影像特征数据和文本特征数据进行数据拼接，对拼接特征向量进行甲状腺滤泡分类，进而将迭代训练得到甲状腺滤泡分类模型。本申请引入多模态信息来进行特征层融合，能够将局部医学影像特征和临床数据相结合以保留更多的疾病信息，进而能够有效提高甲状腺滤泡分类的精确性，辅助医疗人员在术前对患者的甲状腺滤泡进行分类。
-
公开(公告)号：CN118397380B
公开(公告)日：2024-09-20
申请号：CN202410852304.4
申请日：2024-06-28
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G16H50/20
Abstract: 本申请提供甲状腺结节性病变分类模型训练方法、分类方法及装置，涉及医疗图像处理技术领域，方法包括：采用分别设有标签的各个超声影像训练样本训练预设的全分组卷积神经优化模型，全分组卷积神经优化模型是预先在原始全分组卷积神经模型增加密集连接模块并将最大池化层替换为空洞卷积层而形成的；标签用于表示样本属于结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌或甲状腺髓样癌；将训练后的全分组卷积神经优化模型确定为当前用于预测超声影像所属的甲状腺结节性病变类型的甲状腺结节性病变分类模型。本申请能够训练得到用于分类结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌和甲状腺髓样癌的甲状腺结节性病变分类模型。
-
公开(公告)号：CN118397380A
公开(公告)日：2024-07-26
申请号：CN202410852304.4
申请日：2024-06-28
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G16H50/20
Abstract: 本申请提供甲状腺结节性病变分类模型训练方法、分类方法及装置，涉及医疗图像处理技术领域，方法包括：采用分别设有标签的各个超声影像训练样本训练预设的全分组卷积神经优化模型，全分组卷积神经优化模型是预先在原始全分组卷积神经模型增加密集连接模块并将最大池化层替换为空洞卷积层而形成的；标签用于表示样本属于结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌或甲状腺髓样癌；将训练后的全分组卷积神经优化模型确定为当前用于预测超声影像所属的甲状腺结节性病变类型的甲状腺结节性病变分类模型。本申请能够训练得到用于分类结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌和甲状腺髓样癌的甲状腺结节性病变分类模型。
-
公开(公告)号：CN117094902A
公开(公告)日：2023-11-21
申请号：CN202310781188.7
申请日：2023-06-28
Applicant: 北京邮电大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T5/00 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本申请提供无监督低剂量CT去噪模型训练方法、去噪方法及装置，方法包括：在CycleGAN模型的循环一致性损失中增加多尺度结构相似性损失，并在其生成器网络中加入结构相似性损失以得到CycleGAN优化模型；采用多个低剂量CT图像以及多个普通剂量CT图像对CycleGAN优化模型进行训练以获得低剂量CT图像至普通剂量CT图像的分布映射，进而迭代训练得到无监督低剂量CT图像去噪模型。本申请能够使得用于训练低剂量CT图像自动去噪模型的数据集不再受到配对的约束，能够有效提高训练数据获取的便捷性；能够有效保留去噪后CT图像的结构纹理信息，能够有效提高训练得到的模型对低剂量CT图像进行去噪得到图像质量。
-
-
-
Search Results
4
records
(took 0.048 seconds)
