-
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：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：CN114937171A
公开(公告)日：2022-08-23
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 , G06K9/62 , G06N3/04 , 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：CN115619794A
公开(公告)日：2023-01-17
申请号：CN202210513459.6
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)
Abstract: 本发明提供了一种基于神经网络的原发性肝细胞癌病灶分割系统及方法，包括：模块M1：获取肝脏多期相CT数据并进行预处理，得到预处理后的肝脏多期相CT数据；模块M2：将预处理后的肝脏多期相CT数据通过第一个预训练的多通道卷积神经网络进行肝脏分割，得到肝脏区域的多期相CT数据；模块M3：将肝脏区域的多期相CT数据通过第二个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶筛查，获得含有原发性肝细胞癌病灶的多期相CT数据；模块M4：将含有原发性肝细胞癌病灶的多期相CT数据通过第三个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶分割，得到原发性肝细胞癌病灶多期相分割结果。
-
Patent Agency Ranking
公开(公告)号：CN114984457A
公开(公告)日：2022-09-02
申请号：CN202210539954.4
申请日：2022-05-17
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: A61N5/06 , A61B5/055 , A61B5/00 , A61B3/12 , A61B3/14 , G06T7/00 , G06T7/11 , G06N3/04 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/25 , G06V10/40
Abstract: 本发明提供了一种基于脑功能网络的患者光刺激参数选择方法及系统，获取并预处理脑小血管病患者脑部弥散张量模态数据和静息态功能模态数据；基于预处理后的静息态功能模态数据，进行统计分析获取多个不同的全局网络属性和多条连接权重有差异的连边；对预处理后的脑部弥散张量模态数据运用卷积神经网络进行海马体区域分割，将图像所包含的信息进行量化获取多个影像组学特征；将获取的全局网络属性、连接权重有差异的连边与影像组学特征融合构成特征矩阵，构建多个基础分类器并运用集成学习进行训练，最后输出向量。本发明实现CSVD光刺激参数的自动化选择，克服临床上采用的复杂评分带来的诸多局限。
-
公开(公告)号：CN115620892A
公开(公告)日：2023-01-17
申请号：CN202210513479.3
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: G16H50/20 , G06T7/00 , G06V10/40 , G06V10/25 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种脑肿瘤多模态MRI图像融合方法和系统，包括：获取脑肿瘤多靶点多模态MRI数据并进行预处理；构建多模态MRI融合图像生成和脑肿瘤分割的联合网络，对多模态MRI图像进行特征提取和特征融合；构建感兴趣区域和背景之间的关系，通过显著损失函数约束脑肿瘤各组之间以及脑肿瘤和正常脑组织间的对比度；在U型子网络间使用深度监督机制，对子网络输出特征进行卷积得到融合图像；对融合图像进行鉴别，直至损失函数趋于稳定，保存最终生成网络模型，生成脑肿瘤多模态MRI融合图像。本发明通过更少的切换操作和更直观的视觉冲击为医生的临床诊断和患者个性化治疗方案的制定提供更大的帮助，具有更好的临床实用性。
-
公开(公告)号：CN115170622A
公开(公告)日：2022-10-11
申请号：CN202210515128.6
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)
Abstract: 本发明提供一种基于transformer的医学图像配准方法及系统，包括：步骤S1：获取医学图像对，包括浮动图像和固定图像，并进行预处理；步骤S2：将预处理后的浮动图像通过三个阶段的下采样，生成特征图；步骤S3：构建transformer网络模型，将每阶段下采样生成的特征图展开为一维向量，加入位置嵌入向量送入transformer编码器模块；步骤S4：固定图像按照步骤S2和步骤S3，生成向量，送入transformer结构解码器模块；步骤S5：对transformer网络模型输出的向量进行上采样特征融合，生成形变场；步骤S6：根据生成的形变场对待配准医学图像进行配准。本发明能够提升图像局部信息和全局信息的联系，从而提升无监督学习下图像配准的效果。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.044 seconds)
