公开(公告)号：CN114023448A

公开(公告)日：2022-02-08

申请号：CN202111507898.8

申请日：2021-12-10

Applicant: 华中科技大学同济医学院附属同济医院

Inventor： 王世宣 ,  袁素珍 ,  徐扬 ,  沈文枫 ,  汪雯雯

IPC: G16H50/20 ,  G16H50/30 ,  G06K9/62 ,  G06V10/764

Abstract: 本发明公开了一种子宫内膜癌预测诊断模型的构建方法、及该诊断模型与诊断器，该子宫内膜癌预测诊断模型的构建方法包括如下步骤：1)数据获取；2)数据处理；3)建立模型；4)模型的结果判读；5)诊断预测效能验证；6)特征权重值的确定。本发明子宫内膜癌预测诊断模型的构建方法仅需要临床常见的检测结果，无需增加患者负担，所需检查均为无创检测，可有效减少患者不必要的有创创伤及优化合理进行有创检查的必要性，适合临床快速应用。

公开(公告)号：CN120015308A

公开(公告)日：2025-05-16

申请号：CN202510026949.7

申请日：2025-01-08

Applicant: 华中科技大学同济医学院附属同济医院

Inventor： 汪雯雯 ,  袁素珍 ,  沈文枫 ,  朱欣 ,  蔡雨阳 ,  赵爱华

IPC: G16H50/30 ,  G16H50/70 ,  G16H50/20 ,  G16H30/40 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种子宫内膜良恶性疾病辅助预测模型构建方法及系统，包括获取非目标部位的第一历史图像信息和目标部位的第二历史图像信息；分别进行预处理并分别构建对应的预训练样本数据集和训练样本数据集；构建卷积神经网络模型，并将预训练样本数据集输入至卷积神经网络模型进行对比学习预训练；将训练样本数据集输入至预训练后的卷积神经网络模型进行训练，直至完成训练，得到子宫内膜良恶性疾病辅助预测模型。利用对比学习技术，增强卷积神经网络模型对细微病变特征的识别能力，提升模型泛化能力，显著提高诊断的敏感性和特异性，减少误诊率，大大提高模型的识别精度，减少误诊和不必要的活检可能性，帮助缓解内镜医师的感知偏差和视觉疲劳。