公开(公告)号：CN118941876A

公开(公告)日：2024-11-12

申请号：CN202411142137.0

申请日：2024-08-20

Applicant: 复旦大学附属中山医院

Inventor： 沈博伟 ,  黄晓铨 ,  姜思雨 ,  陈世耀

IPC: G06V10/764 ,  G06V10/82 ,  G06T7/00 ,  G06T5/90 ,  G06V10/44 ,  G06N3/045

Abstract: 本发明提出一种基于深度学习的多任务CT图像分类方法，用于门脉高压患者腹部对比增强CT多种病况进行端到端分类，减少影像科医生负担，智能辅助诊断。该方法基于深度学习的影像组学特征，无需经历传统影像组学冗长的流程，无需花费大量的人力进行手工标注。端到端的图像分类能提高效率，节省人力成本。该方法不管是二分类任务还是多分类任务，一个模型只能完成一项指标的判断。多标签分类任务可以使用一个模型同时完成多项指标的判断。该方法建立多标签分类任务，后续可以根据临床需求增加病况指标，临床应用前景巨大。该方法基于Transformer是大语言模型的基本架构，后续可以加入病理、报告文本等模态，构建医学大模型。