-
公开(公告)号：CN118692632A
公开(公告)日：2024-09-24
申请号：CN202410705138.5
申请日：2024-06-03
Applicant: 安徽大学 , 安徽中医药大学第一附属医院(安徽省中医院) , 安徽医科大学
IPC: G16H30/00 , G16H15/00 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06F17/16 , G06F17/18
Abstract: 本发明公开一种基于中文大语言模型的医学影像质量控制方法，先使用基于自监督学习的掩码自编码器对视觉编码器进行预训练，使用包含标签的医学影像对模型进行微调，将医学影像输入到预训练的视觉编码器中，得到视觉特征，将影像描述作为文本提示输入基于中文大语言模型的文本编码器中，得到文本特征，将两个特征投射为相同尺寸再进行拼接，得到最终特征，将最终特征输入到使用高效微调方法(LoRA)的中文大语言模型中，得到质量控制报告，进行实体提取，再对实体进行编码，计算其与真实标签编码之间的距离，采用对比学习进行微调。本发明能够用于对2D和3D医学影像进行质量控制。
-
公开(公告)号：CN117496280B
公开(公告)日：2024-04-02
申请号：CN202410004772.6
申请日：2024-01-03
Applicant: 安徽大学 , 安徽中医药大学第一附属医院
IPC: G06V10/764 , G06N3/045 , G06N3/0464 , G06V10/44 , G06V10/82
Abstract: 本发明涉及提供一种基于3D卷积和多标签解码的颅脑CT影像质量控制方法。方法包括：获取待评价的颅脑CT序列图像；将待评价的颅脑CT序列图像输入至训练好的图像质量评价模型的3D卷积网络，提取待评价的颅脑CT序列图像的时空特征；将时空特征输入至图像质量评价模型基于Transformer的多标签解码器，获取查询特征；将查询特征输入至图像质量评价模型的线性分类器，预测待评价的颅脑CT序列图像存在的质量问题。本发明解决了模型效率低、数据不平衡的多标签分类问题，为颅脑CT图像的质量控制提供了新方向。
-
公开(公告)号：CN117496280A
公开(公告)日：2024-02-02
申请号：CN202410004772.6
申请日：2024-01-03
Applicant: 安徽大学 , 安徽中医药大学第一附属医院
IPC: G06V10/764 , G06N3/045 , G06N3/0464 , G06V10/44 , G06V10/82
Abstract: 本发明涉及提供一种基于3D卷积和多标签解码的颅脑CT影像质量控制方法。方法包括：获取待评价的颅脑CT序列图像；将待评价的颅脑CT序列图像输入至训练好的图像质量评价模型的3D卷积网络，提取待评价的颅脑CT序列图像的时空特征；将时空特征输入至图像质量评价模型基于Transformer的多标签解码器，获取查询特征；将查询特征输入至图像质量评价模型的线性分类器，预测待评价的颅脑CT序列图像存在的质量问题。本发明解决了模型效率低、数据不平衡的多标签分类问题，为颅脑CT图像的质量控制提供了新方向。
-
Patent Agency Ranking
公开(公告)号：CN117011522A
公开(公告)日：2023-11-07
申请号：CN202310423874.7
申请日：2023-04-17
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T7/00
Abstract: 本发明公开了一种基于深度对比学习的胎儿脑MRI分割方法、装置、介质及终端，涉及医学图像领域，所述模型训练方法包括：构建脑组织分割模型；获取至少一个训练样本和至少一个语义分割真值图；将训练样本进行特征提取，得到特征图；根据语义分割真值图生成边界关键点图；通过对比学习分支引导特征提取网络的训练过程；将所述特征图作为分割输出分支的输入，得到分割结果；通过反向传播算法对脑组织分割模型进行参数调整，以获取所述基于深度对比学习的胎儿脑MRI分割模型。本发明弥补了MRI成像过程中对比度低的缺陷，提升模型在脑组织边界点上的分割准确率，进一步提升胎儿脑组织的分割效果，这对于产前检查胎儿脑部畸形，降低新生儿缺陷率有一定的意义。
-
公开(公告)号：CN106997553A
公开(公告)日：2017-08-01
申请号：CN201710237451.0
申请日：2017-04-12
Applicant: 安徽大学
CPC classification number: G06Q30/0201 , G06N3/126 , G06Q30/0631
Abstract: 本发明公开了一种基于多目标优化的商品组合模式的挖掘方法，该方法将所述商品事务数据库中商品组合模式挖掘问题转化为多目标优化问题，通过问题转换，种群初始化以及种群进化来解决商品事务数据库中商品组合模式的挖掘问题。本发明解决了商品事务数据库中商品组合模式的单一性问题，提供多种模块组合供用户选择，从而能提高商品事务数据库中商品组合模式挖掘的准确性和有效性。
-
公开(公告)号：CN106997553B
公开(公告)日：2020-11-17
申请号：CN201710237451.0
申请日：2017-04-12
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多目标优化的商品组合模式的挖掘方法，该方法将所述商品事务数据库中商品组合模式挖掘问题转化为多目标优化问题，通过问题转换，种群初始化以及种群进化来解决商品事务数据库中商品组合模式的挖掘问题。本发明解决了商品事务数据库中商品组合模式的单一性问题，提供多种模块组合供用户选择，从而能提高商品事务数据库中商品组合模式挖掘的准确性和有效性。
-
-
公开(公告)号：CN106991295A
公开(公告)日：2017-07-28
申请号：CN201710208877.3
申请日：2017-03-31
Applicant: 安徽大学
IPC: G06F19/18
CPC classification number: G16B20/00
Abstract: 本发明公开了一种基于多目标优化算法的蛋白质功能模块识别方法，是将所述网络蛋白质节点判定为非重叠蛋白质节点和候选重叠蛋白质节点，通过混合编码，粒子群初始化以及粒子群进化来解决蛋白质网络功能模块挖掘问题。本发明能解决蛋白质网络功能模块组合的单一性问题，提供多种模块组合供用户选择，从而能提高功能模块挖掘的准确性与有效性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.068 seconds)
