公开(公告)号：CN118840749A

公开(公告)日：2024-10-25

申请号：CN202411015603.9

申请日：2024-07-26

Applicant: 山东工商学院 ,  烟台毓璜顶医院

Inventor： 毛宁 ,  王钦 ,  赵峰 ,  张海程 ,  王琪 ,  杨平 ,  初同朋 ,  林凡 ,  高婧 ,  郑甜甜 ,  李子胤

IPC: G06V20/69 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明属于图像数据处理技术领域，具体涉及一种基于深度学习的WSI图像分类系统，包括图像收集及预处理模块，用于获取WSI图像并进行预处理；初步特征提取模块，用于得到不同尺度WSI图像的初步提取特征；多尺度特征融合模块，对提取的初步提取特征进行多尺度特征融合；高斯上下文Transformer注意力门控，基于融合后的特征，获取每个通道对应特征的重要程度并赋予权重值，并对多尺度特征进行降维；二分支注意力分类模块，对处理后的特征进行学习、训练和预测，将patch级别的特征总结为WSI图像级别的表示，用于进行最终的诊断预测。本发明实现了多尺度WSI图像的快速分类，提升了WSI图像分类的效率和精度。

公开(公告)号：CN118840749B

公开(公告)日：2025-04-11

申请号：CN202411015603.9

申请日：2024-07-26

Applicant: 山东工商学院 ,  烟台毓璜顶医院

Inventor： 毛宁 ,  王钦 ,  赵峰 ,  张海程 ,  王琪 ,  杨平 ,  初同朋 ,  林凡 ,  高婧 ,  郑甜甜 ,  李子胤

IPC: G06V20/69 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明属于图像数据处理技术领域，具体涉及一种基于深度学习的WSI图像分类系统，包括图像收集及预处理模块，用于获取WSI图像并进行预处理；初步特征提取模块，用于得到不同尺度WSI图像的初步提取特征；多尺度特征融合模块，对提取的初步提取特征进行多尺度特征融合；高斯上下文Transformer注意力门控，基于融合后的特征，获取每个通道对应特征的重要程度并赋予权重值，并对多尺度特征进行降维；二分支注意力分类模块，对处理后的特征进行学习、训练和预测，将patch级别的特征总结为WSI图像级别的表示，用于进行最终的诊断预测。本发明实现了多尺度WSI图像的快速分类，提升了WSI图像分类的效率和精度。

公开(公告)号：CN116863141A

公开(公告)日：2023-10-10

申请号：CN202310902481.4

申请日：2023-07-21

Applicant: 烟台毓璜顶医院(青岛大学附属烟台毓璜顶医院)

Inventor： 毛宁 ,  周恒 ,  张海程 ,  华臻 ,  马恒 ,  陈玉倩 ,  林凡 ,  谢海柱 ,  高婧 ,  王琪

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种乳腺磁共振图像自动分割方法、系统、电子设备及介质，涉及图像处理技术领域，该方法包括：对历史3D磁共振图像中的病灶位置进行标注，并进行预处理得到历史2D磁共振图像；构建分割模型；所述分割模型包括UNet网络、注意力模块和边缘特征提取模块；所述UNet网络包括编码器和解码器；基于所述历史2D磁共振图像对所述分割模型进行训练；通过训练好的分割模型对实时获取的3D磁共振图像进行病灶分割。本发明能够在磁共振影像中准确定位病灶坐标并进行自动分割。

公开(公告)号：CN113902945B

公开(公告)日：2025-02-11

申请号：CN202111159748.2

申请日：2021-09-30

Applicant: 烟台毓璜顶医院

Inventor： 毛宁 ,  张海程 ,  谢海柱 ,  林凡 ,  高婧

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种多模态乳腺磁共振图像分类方法及系统，涉及医疗及图像处理技术领域，该方法将获取的待分类磁共振图像和待分类参数图输出到目标分类网络中以获取病灶类别的预测概率，根据病灶类别的预测概率确定病灶类别；目标分类网络是根据训练样本和标定卷积神经网络训练得到的；训练样本包括输入数据和标签；输入数据包括第一图像和与第一图像对应的第一参数图像；第一图像为带有原发病灶区域的三维动态增强磁共振图像；标定卷积神经网络的结构包括第一注意力网络、第二注意力网络和融合网络。本发明通过将注意力机制、多尺度特征和多模态信息三者结合，使得神经网络学习到更多有助于特征提取的有效信息，提高了病灶类别判定的准确性。

公开(公告)号：CN113902945A

公开(公告)日：2022-01-07

申请号：CN202111159748.2

申请日：2021-09-30

Applicant: 烟台毓璜顶医院

Inventor： 毛宁 ,  张海程 ,  谢海柱 ,  林凡 ,  高婧

IPC: G06V10/764 ,  G06V10/80 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种多模态乳腺磁共振图像分类方法及系统，涉及医疗及图像处理技术领域，该方法将获取的待分类磁共振图像和待分类参数图输出到目标分类网络中以获取病灶类别的预测概率，根据病灶类别的预测概率确定病灶类别；目标分类网络是根据训练样本和标定卷积神经网络训练得到的；训练样本包括输入数据和标签；输入数据包括第一图像和与第一图像对应的第一参数图像；第一图像为带有原发病灶区域的三维动态增强磁共振图像；标定卷积神经网络的结构包括第一注意力网络、第二注意力网络和融合网络。本发明通过将注意力机制、多尺度特征和多模态信息三者结合，使得神经网络学习到更多有助于特征提取的有效信息，提高了病灶类别判定的准确性。