-
公开(公告)号:CN117611514A
公开(公告)日:2024-02-27
申请号:CN202310911360.6
申请日:2023-07-24
Applicant: 复旦大学附属妇产科医院
Abstract: 本发明涉及一种基于术语系统的外阴癌及癌前病变多维度预测模型,该模型通过对某个患者外阴的所有病灶的特征进行多维度评估,在诊断流程图中查找出特定征象所对应的前三位疾病,并获得对应的ODV值;进一步,以疾病为单元将该病所包含的所有特定征象的ODV值求和,得出ODV总分;最终,获得最高ODV总分的疾病为该患者的首选诊断。本发明提供了一种有效的、无创的、客观的、低成本的多维度预测模型,以提高外阴癌及癌前病变诊断效率和准确度。
-
公开(公告)号:CN120048446A
公开(公告)日:2025-05-27
申请号:CN202510114309.1
申请日:2025-01-24
Applicant: 复旦大学附属妇产科医院 , 常熟理工学院
IPC: G16H30/00 , G06T7/00 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明属于计算机辅助诊断和医学图像处理领域,具体涉及一种用于区分外阴硬化性苔藓(vulvar lichen sclerosus,VLS)和外阴慢性单纯性苔藓(vulvar lichen simplex chronicus,VLSC)的多模态模型。该模型通过将患者的病史信息和待查病变区域的图像特征进行融合,强化了输入信息的特异性,解决了单纯利用图像特征区别VLS和VLSC精度不高的问题。具体而言,本发明首先对与外阴白色病变相关的病史信息进行量化,形成病史信息向量;其次,采用ResNet50模型对病变区域图像进行特征提取,每个特征通道进行flatten操作,形成一个特征图向量;第三,对病史信息向量和每个特征图向量都进行Layer Normalization操作,并将更新后的病史信息向量拼接在每个更新后的特征图向量之后,形成融合信息向量;最后,采用Transformer模型,以融合信息向量为token进行训练,得到具有较高精度水平的,能够对VLS和VLSC进行风险评估的多模态模型。
-