-
公开(公告)号：CN119475243A
公开(公告)日：2025-02-18
申请号：CN202411636139.5
申请日：2024-11-15
Applicant: 哈尔滨工业大学
IPC: G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 一种基于VQ‑GCN的医学多模态隐空间对齐融合方法及系统，它属于医学多模态融合技术领域。本发明解决了传统融合方法难以在同一特征空间内保持语义一致性的问题。本发明方法具体为：步骤S1、分别为每个模态数据分别构建特征提取器；步骤S2、并将各个模态数据分别输入对应的特征提取器，获得各个模态数据的模态特征；步骤S3、对各个模态数据的模态特征进行隐空间对齐，分别获得各个模态的最终语义编码特征以及全部模态的最终共有语义特征；步骤S4、对各个模态的最终语义编码特征和全部模态的最终共有语义特征进行分层跨模态注意力特征融合，获得医学多模态特征融合结果。本发明方法可以应用于医学多模态隐空间对齐融合。
-
公开(公告)号：CN117422912B
公开(公告)日：2024-08-23
申请号：CN202311366790.0
申请日：2023-10-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06N3/048 , G06N3/042 , G06N3/096
Abstract: 一种基于提示学习的组织病理图像多任务分类系统，它属于医学图像分析技术领域。本发明解决了现有多任务学习模型忽视了各任务间潜在的关联性，导致现有方法对组织病理图像多任务分类的性能差的问题。本发明通过为每个任务设计任务特定的提示，并引入任务相关性学习模块，能够显式地识别和利用各种任务之间的潜在关联性。此外，本发明在训练时对整个神经网络模型进行了全面微调，使各个任务之间相互促进，这一策略不仅显著提高了其相对于训练多个单任务模型的计算效率和性能，还增强了模型对多种不同任务的适应能力，提升了本发明方法在组织病理图像多任务分类上的性能。本发明可以应用于医学图像分析。
-
公开(公告)号：CN116993770A
公开(公告)日：2023-11-03
申请号：CN202311031721.4
申请日：2023-08-16
Applicant: 哈尔滨工业大学
IPC: G06T7/194 , G06T5/00 , G06N3/0464 , G06N3/09
Abstract: 一种基于残差扩散模型的图像分割方法，它属于图像处理技术领域。本发明解决了现有模糊图像分割算法的分割效果差的问题。本发明的主要方案为：步骤S1、对已知目标区域的三维图像进行预处理，将预处理后的图像作为训练数据；步骤S2、将步骤S1中预处理后图像的目标区域标签转换成体素级的独热编码分割标签向量y0；步骤S3、构建残差扩散模型，所述残差扩散模型包括扩散先验网络和噪声估计网络两个部分；利用训练数据和分割标签向量y0对扩散先验网络和噪声估计网络进行联合训练；步骤S4、对待分割图像进行预处理操作后，利用训练好的残差扩散模型的参数对预处理后的待分割图像进行分割。本发明方法可以应用于图像分割。
-
公开(公告)号：CN118247374B
公开(公告)日：2025-05-16
申请号：CN202410414616.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学
IPC: G06T11/00 , G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/047 , G06N3/094 , G06N3/084 , G16H30/20
Abstract: 一种基于对抗概率扩散模型的医学图像生成方法，它属于图像生成技术领域。本发明解决了现有医学图像生成方法存在的生成图像效率低、清晰度低以及无法确保真实性的问题。本发明具体为：步骤S1、分别统计每张患病医学图像中病灶区域所占的像素数量；步骤S2、分别为每张患病医学图像生成病灶区域所占像素数量的变化序列；步骤S3、构建医学图像生成模型，利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练；步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入，生成患病医学图像。本发明可以应用于图像生成技术领域。
-
公开(公告)号：CN118447994A
公开(公告)日：2024-08-06
申请号：CN202410654310.9
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G16H15/00 , G06T9/00 , G06F40/126 , G06F40/30 , G06V10/74
Abstract: 一种基于医学图像和疾病属性描述对的诊断报告生成系统，它属于医学图像处理领域。本发明解决了通过医务人员对图像进行分析来获得诊断报告的方式存在准确率和效率低的问题。本发明采用先进的大语言模型对诊断报告进行深度疾病信息提取，并通过注入医学领域的知识，进一步增强模型对不同疾病类别视觉属性的理解能力，将这些知识成功应用于未知类别的学习中。通过构建描述图像与疾病之间相关性的语义相似度矩阵，以实现更精准的对比学习，作为一种高效且精确的医学视觉‑语言预训练方法，本发明通过利用自然配对的医学图像和诊断报告数据，显著地提升了医学图像分析任务的效率和准确性。本发明方法可以应用于医学图像诊断报告生成。
-
Patent Agency Ranking
公开(公告)号：CN117422911B
公开(公告)日：2024-04-30
申请号：CN202311366788.3
申请日：2023-10-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06V10/774 , G06T7/00 , G06T7/194 , G06N20/00
Abstract: 一种协同学习驱动的多类别全切片数字病理图像分类系统，它属于医学图像分析技术领域。本发明解决了现有方法仅关注二分类且无法捕捉类相关语义信息的问题。本发明首先获取待分类的全切片数字病理图像，再对图像进行预处理，获取前景组织区域图像并将前景组织区域图像分割为子图像补丁；对子图像补丁进行编码，根据编码结果得到补丁特征令牌；设置分类令牌，根据补丁特征令牌和分类令牌进行计算，再根据计算结果生成类激活图，并根据类激活图得到类别的热力图。本发明可以应用于数字病理图像分类。
-
公开(公告)号：CN116369939A
公开(公告)日：2023-07-04
申请号：CN202310543703.8
申请日：2023-05-15
Applicant: 哈尔滨工业大学
Abstract: 本公开涉及一种心电QRS波群检测方法及装置、电子设备和存储介质，涉及心电信号检测技术领域。所述的方法，包括：获取待检测的心电信号；基于所述待检测的心电信号中心电RR间期概率分布构建高斯混合模型对应的概率转移模型；基于所述概率转移模型及动态贝叶斯网络，对所述待检测的心电信号进行心电QRS波群检测。本公开实施例可实现心电信号的QRS波群检测。
-
公开(公告)号：CN106777934B
公开(公告)日：2019-04-30
申请号：CN201611099890.1
申请日：2016-12-02
Applicant: 哈尔滨工业大学
IPC: G16H50/50
Abstract: 一种用于分析CaMKII致室性心律失常的仿真系统，涉及一种进行心律失常研究的辅助分析工具。本发明包括：用于电刺激的区域设置和刺激参数设置的电刺激设置模块；用于设置仿真对象的参数并结合电刺激设置模块的电刺激信息输出仿真对象的信息的仿真对象设置与输出模块，包括：用于CaMKII调控蛋白信息的查看、修改和编辑录入的亚细胞仿真单元，用于记录细胞膜动作电位的信息的细胞仿真单元，用于记录动作电位在纤维中传导的信息的纤维仿真单元，用于记录动作电位在组织中传导的信息的组织仿真单元，用于记录动作电位在心室中传导的信息的全心室仿真单元。本发明用于心律失常研究的辅助分析。
-
公开(公告)号：CN106777934A
公开(公告)日：2017-05-31
申请号：CN201611099890.1
申请日：2016-12-02
Applicant: 哈尔滨工业大学
IPC: G06F19/00
CPC classification number: G16H50/50
Abstract: 一种用于分析CaMKII致室性心律失常的仿真系统，涉及一种进行心律失常研究的辅助分析工具。本发明包括：用于电刺激的区域设置和刺激参数设置的电刺激设置模块；用于设置仿真对象的参数并结合电刺激设置模块的电刺激信息输出仿真对象的信息的仿真对象设置与输出模块，包括：用于CaMKII调控蛋白信息的查看、修改和编辑录入的亚细胞仿真单元，用于记录细胞膜动作电位的信息的细胞仿真单元，用于记录动作电位在纤维中传导的信息的纤维仿真单元，用于记录动作电位在组织中传导的信息的组织仿真单元，用于记录动作电位在心室中传导的信息的全心室仿真单元。本发明用于心律失常研究的辅助分析。
-
公开(公告)号：CN118447994B
公开(公告)日：2025-05-16
申请号：CN202410654310.9
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G16H15/00 , G06T9/00 , G06F40/126 , G06F40/30 , G06V10/74
Abstract: 一种基于医学图像和疾病属性描述对的诊断报告生成系统，它属于医学图像处理领域。本发明解决了通过医务人员对图像进行分析来获得诊断报告的方式存在准确率和效率低的问题。本发明采用先进的大语言模型对诊断报告进行深度疾病信息提取，并通过注入医学领域的知识，进一步增强模型对不同疾病类别视觉属性的理解能力，将这些知识成功应用于未知类别的学习中。通过构建描述图像与疾病之间相关性的语义相似度矩阵，以实现更精准的对比学习，作为一种高效且精确的医学视觉‑语言预训练方法，本发明通过利用自然配对的医学图像和诊断报告数据，显著地提升了医学图像分析任务的效率和准确性。本发明方法可以应用于医学图像诊断报告生成。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
