公开(公告)号：CN117611596A

公开(公告)日：2024-02-27

申请号：CN202311651600.X

申请日：2023-12-05

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  陈明威 ,  蓝如师 ,  刘再毅 ,  卞新军 ,  俸思洋 ,  陈家乐

IPC: G06T7/10 ,  G06T5/50 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于LesionMix和熵最小化的半监督肺癌医学影像分割方法及装置，方法包括：对CT图像进行预处理，形成数据集；利用所述数据集对预先设立的影像分割模型进行二阶段的训练；第一阶段训练：利用LesionMix特征增强算法生成病灶混合增强数据，然后将病灶混合增强数据作为影像分割模型的训练数据，第一阶段训练完成后保存模型参数；第二阶段训练：将第一阶段训练保存的模型参数作为第二阶段的初始模型参数，然后计算总损失来训练影像分割模型；利用训练好的影像分割模型对待预测的CT图像进行预测，得到预测分割结果。本发明实现肺癌CT影像的病灶分割的同时降低对标签的质量要求，不但提高了数据增强的质量，而且大大节约了图像标注成本。

公开(公告)号：CN117036811A

公开(公告)日：2023-11-10

申请号：CN202311020950.6

申请日：2023-08-14

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  宋世龙 ,  冯拯云 ,  卞新军 ,  李灵巧 ,  刘振丙 ,  陆铖 ,  刘再毅

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/25 ,  G06V10/26 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于双分支融合网络的病理图像智能分类系统及方法，包括：将病理图像进行图像预处理，获得病理图像的图数据结构和固定大小的病理图像；将所述病理图像的图数据结构和固定大小的病理图像进行特征提取，获得包含病理图像类别信息的图特征和包含病理图像类别信息的深度卷积特征；将所述包含病理图像类别信息的图特征和包含病理图像类别信息的深度卷积特征进行特征融合，获得病理图像的最终分类结果。模型主要针对乳腺癌病理图像分类进行设计，在BRACS上取得了目前最佳的分类性能67.03％。同时模型也在直肠癌CRA数据集上进行验证，同样取得了目前最佳的性能97.33％。

公开(公告)号：CN117746201A

公开(公告)日：2024-03-22

申请号：CN202311850353.6

申请日：2023-12-29

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  安娅君 ,  林欢 ,  杨辉华 ,  周南 ,  卞新军 ,  刘再毅

IPC: G06V10/80 ,  G06V10/766 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于交叉Transformer和MLIF的多模态融合生存预后方法，所述方法包括以下步骤：获取影像和病理切片数据集；对数据集进行预处理并标注感兴趣区域；对其进行手工特征提取；划分训练集和测试集；将所述影像组学特征和病理特征输入至预设的多模态融合模块进行二阶段的训练；其中，第一阶段的训练是采用交叉Transformer增强不同特征间的交互，利用多模态低秩交互融合模块(MLIF)将不同特征进行全面高效整合，生成多模态融合特征；第二阶段的训练是根据多模态融合特征，训练一个用于生存预后的回归网络，该网络的预测结果为最终结果。本发明通过端到端整合多模态数据揭示了不同模态数据之间的关联和互补性，提高了患者的治疗效果和生存率。

公开(公告)号：CN117522892A

公开(公告)日：2024-02-06

申请号：CN202311524395.0

申请日：2023-11-15

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  俸思洋 ,  王子民 ,  刘振丙 ,  刘再毅 ,  陈明威 ,  邓华虎

IPC: G06T7/11 ,  G06T7/13 ,  G06V10/25 ,  G06V10/28 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及基于空间通道注意力增强的肺腺癌CT影像病灶分割方法，包括：获取待检测肺部CT影像；将所述待检测肺部CT影像输入预设的分割模型中，获取病灶分割掩膜图；基于所述病灶分割掩膜图提取影响特征并进行量化，获取所述待检测肺部CT影像中的肿瘤影像特征信息，其中，所述分割模型基于训练集训练获得，所述训练集包括若干患者肺部CT影像，所述分割模型采用scSE空间通道注意力增强的分割网络EfficientUNet++构建。本发明能够减少早期肺腺癌CT影像病灶分割任务中存在的时间成本、人力成本，提高分割精度。