公开(公告)号：CN116523840B

公开(公告)日：2024-01-16

申请号：CN202310326740.3

申请日：2023-03-30

Applicant: 苏州大学

Inventor： 于文博 ,  丁维新 ,  黄鹤

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06V10/74

Abstract: 本发明提供一种基于深度学习的肺部CT图像检测系统及方法，该系统包括图像获取模块，用于获取ImageNet、无标签的肺部CT以及有标签的肺部CT数据集图像；第一自监督模块，用于利用预处理后的ImageNet数据集图像进行自监督训练；第二自监督模块，将第一自监督模块中训练后的网络模型参数迁移，利用预处理后的无标签的肺部CT数据集图像进行进一步自监督训练；分类模块，用于将第二自监督模块中训练后的模型参数迁移到分类模块中，利用预处理后的有标签的肺部CT数据集图像进行分类训练，得到训练好的分类网络模型；检测模块，用于将待检测的肺部CT图像输入到训练好的分类网络模型中，得(56)对比文件CN 111914600 A,2020.11.10CN 114549452 A,2022.05.27US 2023154006 A1,2023.05.18CN 116228785 A,2023.06.06蒋正锋等.基于CT影像的COVID-19智能辅助诊断方法《.分子影像学杂志》.2020,第43卷(第2期),第264-269页.Weixin Din等.Targeted self-supervisedattention network for coronavirus disease2019 detection《.JEI Journal of ElectronicImagine》.2023,第1-16页.Yunfeng Chen等.Classification of lungsinfected COVID-19 images based oninception-ResNe《.Computer Methods andPrograms in Biomedicine》.2022,第1-9页.Ali Riahi等.BEMD-3DCNN-based methodfor COVID-19 detection《.Computers inBiology and Medicine 》.2021,第1-10页.

公开(公告)号：CN119048844A

公开(公告)日：2024-11-29

申请号：CN202411508539.8

申请日：2024-10-28

Applicant: 苏州大学

Inventor： 朱伟芳 ,  丁维新 ,  陈新建

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00 ,  A61B3/12 ,  A61B3/14 ,  A61B3/00

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种用于视网膜色素变性分级的类别注意力网络构建方法。本发明构建视网膜色素变性类别注意力网络，所述视网膜色素变性类别注意力网络包括：两条并行分支、类别加权注意力模块与分类器；两条并行分支包括：高效自注意力Transformer支路与局部特征提取支路；将眼底彩照图像分别输入高效自注意力Transformer支路、局部特征提取支路，提取高效自注意力Transformer支路的输出特征与局部特征提取支路的输出特征并沿通道维度进行拼接，得到融合特征；融合特征通过类别加权注意力模块，对不同类别分配不同权重，得到加权后的输出特征；将加权后的输出特征通过分类器，输出视网膜色素变性分级结果。本发明使得网络更加轻量化且精度更高。

公开(公告)号：CN119048844B

公开(公告)日：2025-01-24

申请号：CN202411508539.8

申请日：2024-10-28

Applicant: 苏州大学

Inventor： 朱伟芳 ,  丁维新 ,  陈新建

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00 ,  A61B3/12 ,  A61B3/14 ,  A61B3/00

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种用于视网膜色素变性分级的类别注意力网络构建方法。本发明构建视网膜色素变性类别注意力网络，所述视网膜色素变性类别注意力网络包括：两条并行分支、类别加权注意力模块与分类器；两条并行分支包括：高效自注意力Transformer支路与局部特征提取支路；将眼底彩照图像分别输入高效自注意力Transformer支路、局部特征提取支路，提取高效自注意力Transformer支路的输出特征与局部特征提取支路的输出特征并沿通道维度进行拼接，得到融合特征；融合特征通过类别加权注意力模块，对不同类别分配不同权重，得到加权后的输出特征；将加权后的输出特征通过分类器，输出视网膜色素变性分级结果。本发明使得网络更加轻量化且精度更高。

公开(公告)号：CN116523840A

公开(公告)日：2023-08-01

申请号：CN202310326740.3

申请日：2023-03-30

Applicant: 苏州大学

Inventor： 于文博 ,  丁维新 ,  黄鹤

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06V10/74

Abstract: 本发明提供一种基于深度学习的肺部CT图像检测系统及方法，该系统包括图像获取模块，用于获取ImageNet、无标签的肺部CT以及有标签的肺部CT数据集图像；第一自监督模块，用于利用预处理后的ImageNet数据集图像进行自监督训练；第二自监督模块，将第一自监督模块中训练后的网络模型参数迁移，利用预处理后的无标签的肺部CT数据集图像进行进一步自监督训练；分类模块，用于将第二自监督模块中训练后的模型参数迁移到分类模块中，利用预处理后的有标签的肺部CT数据集图像进行分类训练，得到训练好的分类网络模型；检测模块，用于将待检测的肺部CT图像输入到训练好的分类网络模型中，得到肺部CT图像检测结果。本发明提高了肺部CT图像检测的精确度。