-
公开(公告)号：CN115222007B
公开(公告)日：2023-06-20
申请号：CN202210611738.6
申请日：2022-05-31
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: G06N3/006 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/11
Abstract: 本发明提供了一种面向胶质瘤多任务一体化网络的改进粒子群参数优化方法，包括：步骤1：构建脑胶质瘤患者数据集：步骤2：进行数据预处理；步骤3：构建多任务学习框架；步骤4：构建多任务损失函数；步骤5：通过改进的粒子群优化算法对多任务学习框架进行优化训练，得到损失函数中两个任务的最佳权重；步骤6：在网络中载入训练集，确定网络模型的参数，得到训练好的网络模型并保存，载入训练好的网络模型，输入测试集进行预测，得到结果并根据标签计算各评价指标值。本发明使用改进的粒子群优化算法可以根据粒子适应度来调节惯性权重，实现惯性权重的自适应调整。
-
公开(公告)号：CN114937171B
公开(公告)日：2023-06-09
申请号：CN202210513470.2
申请日：2022-05-11
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明提供了一种基于深度学习的阿尔茨海默分类系统，包括：模块M1：获取AD多模态数据并进行预处理，得到预处理后的AD多模态数据；模块M2：将预处理后的AD多模态数据按照预设比例分为训练集及测试集；模块M3：构建联合网络模型，包括MAM U‑net分割网络和T‑DenseNet分类网络；模块M4：利用训练集训练联合模型直至损失函数收敛，得到训练后的联合模型；模块M5：利用测试集通过训练后的联合模型进行预测，并根据预测结果和预设标注信息计算准确率，如果准确率未达到预设要求，则重复触发模块M4至模块M5直至准确率达到预设要求。
-
公开(公告)号：CN115717909A
公开(公告)日：2023-02-28
申请号：CN202211461658.3
申请日：2022-11-17
Applicant: 复旦大学
Abstract: 本发明属于健康智能监测技术领域，具体公开一种面向热害职业危害的健康智能监测方法、设备及存储介质，该面向热害职业危害的健康智能监测方法包括环境信息采集、环境信息分析、人员基本信息采集、人员散热分析、人员温度采集、人员散热平衡分析、人员温度分析、人员作业安全分析和危险预警，通过对矿井下作业区域的环境信息进行采集和分析，进而对作业人员的着装情况和温度进行采集与分析，从而对作业人员的作业状态进行分析，解决了当前技术没有对作业人员的工作服装进行监测与分析的问题，实现了矿井下作业人员的安全状态监测与分析，有效的保障了作业人员的作业健康与安全，提高了作业人员的工作效率和效果同时也保障了矿井生产的安全。
-
公开(公告)号：CN115222007A
公开(公告)日：2022-10-21
申请号：CN202210611738.6
申请日：2022-05-31
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
Abstract: 本发明提供了一种面向胶质瘤多任务一体化网络的改进粒子群参数优化方法，包括：步骤1：构建脑胶质瘤患者数据集：步骤2：进行数据预处理；步骤3：构建多任务学习框架；步骤4：构建多任务损失函数；步骤5：通过改进的粒子群优化算法对多任务学习框架进行优化训练，得到损失函数中两个任务的最佳权重；步骤6：在网络中载入训练集，确定网络模型的参数，得到训练好的网络模型并保存，载入训练好的网络模型，输入测试集进行预测，得到结果并根据标签计算各评价指标值。本发明使用改进的粒子群优化算法可以根据粒子适应度来调节惯性权重，实现惯性权重的自适应调整。
-
公开(公告)号：CN112967219A
公开(公告)日：2021-06-15
申请号：CN202110287374.6
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于深度学习网络的二阶段牙体点云补全方法及系统，涉及医学图像处理技术领域，该方法包含：第一部分为基于CBCT数据与口扫数据构建初始点云数据，主要利用第三方软件Mimics对患者的CBCT数据进行三维重建，将生成的CBCT重建三维牙模型点云数据再与激光扫描点云数据配准，得到三维牙体模型点云数据作为金标准；第二部分为训练深度学习网络MSN，并将第一部分中构建的激光扫描点云数据输入到已经训练好的深度学习网络MSN中，MSN补全网络会对输入点云进行两阶段处理。在第一阶段，MSN网络先预测一个完整但粗粒度的点云；在第二阶段，通过采样算法与残差连接将粗粒度预测点云与输入点云融合，得到均匀分布的细粒度预测点云，实现牙体点云的补全。
-
Patent Agency Ranking
公开(公告)号：CN113223699B
公开(公告)日：2024-10-18
申请号：CN202110355578.9
申请日：2021-04-01
Applicant: 复旦大学附属华山医院
IPC: G16H50/70 , G16H50/20 , G16H30/40 , G06V10/764 , G06V10/77 , G06V10/82 , G06V10/26 , G06N3/045 , G06N3/0499 , G06T7/00 , G06T7/73 , A61B34/10
Abstract: 本发明提供了一种构建腰椎骨量减少和骨质疏松筛查模型的方法和系统，包括：步骤1：从双平面成像设备中采集影像数据，获取冠、矢状面影像数据及体检信息并进行预处理；步骤2：对冠、矢状面影像进行椎体分割，得到分割结果；步骤3：根据分割结果和体检信息，构成特征集合；步骤4：基于特征集合进行腰椎骨量减少和骨质疏松筛查模型构建。本发明利用常规体检指标及冠、矢状面影像信息，进行腰椎骨量减少和骨质疏松疾病的筛查，在降低辐射量的同时，为今后快速准确地筛查具有高OP疾病风险的人群提供了理论和实践依据，具有很大的实际应用价值。
-
公开(公告)号：CN113571203B
公开(公告)日：2024-01-26
申请号：CN202110813710.6
申请日：2021-07-19
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种多中心基于联邦学习的脑肿瘤预后生存期预测方法及系统，利用多中心的多模态脑肿瘤影像及其组学信息，患者临床病历信息等多尺度信息进行脑肿瘤预后生存期预测，提出了一种基于主动学习与强化学习的多中心联邦学习机制。本发明通过各中心分布式存储的患者电子病历信息联合影像组学特征与深度学习特征建立全面的脑肿瘤预后生存期分类模型，在保证患者图像数据隐私的基础上实现可靠
-
公开(公告)号：CN115717909B
公开(公告)日：2023-06-13
申请号：CN202211461658.3
申请日：2022-11-17
Applicant: 复旦大学
Abstract: 本发明属于健康智能监测技术领域，具体公开一种面向热害职业危害的健康智能监测方法、设备及存储介质，该面向热害职业危害的健康智能监测方法包括环境信息采集、环境信息分析、人员基本信息采集、人员散热分析、人员温度采集、人员散热平衡分析、人员温度分析、人员作业安全分析和危险预警，通过对矿井下作业区域的环境信息进行采集和分析，进而对作业人员的着装情况和温度进行采集与分析，从而对作业人员的作业状态进行分析，解决了当前技术没有对作业人员的工作服装进行监测与分析的问题，实现了矿井下作业人员的安全状态监测与分析，有效的保障了作业人员的作业健康与安全，提高了作业人员的工作效率和效果同时也保障了矿井生产的安全。
-
公开(公告)号：CN115389385B
公开(公告)日：2023-05-09
申请号：CN202211144836.X
申请日：2022-09-20
Applicant: 复旦大学
Abstract: 本发明公开基于作业环境和人体职业健康的粉尘智能监测预警系统，包括目标建筑工地区域划分模块、工地大气粉尘浓度监测分析模块、工地大气粉尘颗粒监测分析模块、工地大气环境监测分析模块、工地大气粉尘评估分析模块、工地地面粉尘监测分析模块和工地工人预警分析执行模块。通过对各工地子区域中各高度层对应的粉尘颗粒均匀度和粉尘颗粒分散度进行分析，进而综合分析各工地子区域中各高度层对应的粉尘颗粒影响指数，不仅在很大程度上保障了各工地子区域中监测数据的完整性、准确性和代表性，同时还能够精准、有效地为后续建筑工地粉尘分析结果提供可靠的数据基础，大幅度提升了分析结果的代表性，使得分析结果的准确度提升。
-
公开(公告)号：CN115272170A
公开(公告)日：2022-11-01
申请号：CN202210610244.6
申请日：2022-05-31
Applicant: 复旦大学
Abstract: 本发明提供了一种基于自适应多尺度Transformer优化的前列腺MRI影像分割方法及系统，包括：步骤S1：获取前列腺MRI影像数据集；步骤S2：对数据集中MRI图像进行预处理，得到预处理之后的训练集与测试集；步骤S3：初始化网络中的参数，使用带有Transformer模块的网络结合在前列腺图像标注的前列腺器官区域进行训练，更新参数得到前列腺自动分割模型；步骤S4：将测试数据集的图像输入训练完成的网络中，得到每幅MRI图像的前列腺分割图像。本发明引入了自适应卷积自适应地调制卷积核全局互补信息，采用自适应Transformer模块来增强全局语义提取能力，提升了对前列腺MRI图像的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.016 seconds)
