公开(公告)号：CN117171683A

公开(公告)日：2023-12-05

申请号：CN202311051253.7

申请日：2023-08-21

Applicant: 南京邮电大学

Inventor： 陈建新 ,  张顺 ,  戎剑 ,  刘赟 ,  许景艳

IPC: G06F18/2433 ,  G06F18/2413 ,  G06F18/214 ,  G06F18/211 ,  G06N3/0895 ,  G06F18/243 ,  G06N20/20 ,  G06N5/01

Abstract: 本发明提出了一种医学影像病灶特征值异常消除方法，采用综合密度和统计的异常值检测模型和基于集成学习的弱监督模型。包括以下步骤：为保证模型的泛化能力，针对病人特征数据集按比例划分为训练集和测试集，利用综合密度和统计的异常值检测模型进行拟合检测，利用训练集拟合模型对测试集数据进行异常值检测，以病人为单位，统计异常特征数量；分别针对训练集数据和测试集数据，利用弱监督模型纠正异常值；利用筛选模型加分类器，判断异常检测模型是否有效。本方法基于减少异常特征，削弱因医学图像勾画不精确引起的病灶特征值异常的影响，从而提高预测准确率。

公开(公告)号：CN117237775A

公开(公告)日：2023-12-15

申请号：CN202311216050.9

申请日：2023-09-20

Applicant: 南京邮电大学

Inventor： 陈建新 ,  刘赟 ,  戎剑 ,  张顺 ,  樊亚文 ,  许景艳

IPC: G06V10/80 ,  G06V10/772 ,  G06V10/96

Abstract: 本发明提出了一种适用于多病灶病人的疗效评估方法，包括以下步骤：针对多病灶病人，先提取所有病灶的特征，再使用字典学习方法对这些特征进行降维；把所有病人数据划分为训练集和测试集，针对数据标签存在的非平衡问题对训练集数据进行下采样预处理；利用筛选模型筛选重要特征，并基于平均法融合多种分类模型构建疗效评估模型。本发明针对当前疗效评估方法中未充分利用所有病灶特征之弊端，挖掘所有病灶影像组学特征进行疗效评估，并利用下采样来保持数据平衡，提高模型稳定性，然后利用平均法融合多个机器学习模型来提高模型预测能力。

公开(公告)号：CN117153415A

公开(公告)日：2023-12-01

申请号：CN202311176921.9

申请日：2023-09-13

Applicant: 南京邮电大学

Inventor： 陈建新 ,  戎剑 ,  张顺 ,  刘赟 ,  樊亚文 ,  许景艳

IPC: G16H50/70 ,  G06V10/77 ,  G06V10/771 ,  G06N20/00

Abstract: 本发明提供了一种基于自动机器学习模型的弥漫大B淋巴瘤疗效预测方法，包括：准备患者数据；提取影像组学特征；利用预处理模块对提取的影像组学特征进行数据预处理；利用特征选择模块在预处理后的特征中挑选影响疗效评估结果的影像组学特征；利用重采样模块解决数据分布不平衡的问题；利用模型训练模块训练最优模型，并进行评估和比较；利用模型验证模块，验证模型的性能和泛化性；疗效评估预测，通过投票机制将病灶层面的疗效评估映射至病人层面。本发明使用的特征提取系统降低人工成本、缩短特征提取周期，使用的AutoML系统可自动化分析数据从而获得最优模型，本发明对以上所述步骤进行了封装，极大地简化了模型开发流程。