公开(公告)号：CN119741542A

公开(公告)日：2025-04-01

申请号：CN202411808898.5

申请日：2024-12-10

Applicant: 中国人民解放军陆军军医大学 ,  重庆邮电大学

Inventor： 史春梦 ,  王澍 ,  刘运胜 ,  雷大江

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/44

Abstract: 本发明属于图像处理技术领域，具体涉及一种基于知识驱动的非小细胞肺癌亚型分类方法及系统；包括：获取待预测图像并对其进行预处理，将预处理后的图像输入到训练好的非小细胞肺癌亚型分类模型中进行处理，得到图像亚型分类结果；模型包括非小细胞肺癌亚型分类分支和非小细胞肺癌肿瘤掩膜重构分支；亚型分类分支为在编码路径添加了CBAM模块的3D ResNet34模型；肿瘤掩膜重构分支与亚型分类分支共享编码路径，且掩膜重构分支编码路径后添加有四个解码模块和sigmoid函数；本发明分类准确性高，利用本发明的亚型分类方法获得的疑似亚型分类结果可以作为有效的判断依据，辅助医生更好地进行肺癌亚型诊断，具有良好的应用前景。

公开(公告)号：CN115474939B

公开(公告)日：2025-02-18

申请号：CN202211292211.8

申请日：2022-10-21

Applicant: 重庆邮电大学

Inventor： 雷大江 ,  张涛 ,  刘晨 ,  史春梦 ,  王国胤

IPC: A61B5/16 ,  A61B5/00 ,  A61B5/055 ,  A61B5/145 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明属于认知障碍领域，具体涉及一种基于深度展开神经网络的孤独症谱系障碍识别系统，该系统的构建过程包括：使用近端梯度下降法求解带有空间信息的脑功能网络优化问题的可微部分，对不可微部分定义一个近端算子将优化问题转换为迭代公式；用深度展开算法将迭代公式中的近端算子替换为双层卷积层，则迭代公式重建为迭代网络，得到迭代网路模块；将卷积神经网络分类器融入原型学习，得到基于原型学习的卷积神经网络分类器；将迭代网路模块和基于原型学习的卷积神经网络分类器组合，得到障碍识别系统；训练系统并测试系统性能，得到最优的障碍识别系统；本发明提高了网络系统的拟合能力和泛化能力，进一步提高了识别疾病的准确率。

公开(公告)号：CN115474939A

公开(公告)日：2022-12-16

申请号：CN202211292211.8

申请日：2022-10-21

Applicant: 重庆邮电大学

Inventor： 雷大江 ,  张涛 ,  刘晨 ,  史春梦 ,  王国胤

IPC: A61B5/16 ,  A61B5/00 ,  A61B5/055 ,  A61B5/145 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于认知障碍领域，具体涉及一种基于深度展开神经网络的孤独症谱系障碍识别模型，该模型的构建过程包括：使用近端梯度下降法求解带有空间信息的脑功能网络优化问题的可微部分，对不可微部分定义一个近端算子将优化问题转换为迭代公式；用深度展开算法将迭代公式中的近端算子替换为双层卷积层，则迭代公式重建为迭代网络，得到迭代网路模块；将卷积神经网络分类器融入原型学习，得到基于原型学习的卷积神经网络分类器；将迭代网路模块和基于原型学习的卷积神经网络分类器组合，得到障碍识别模型；训练模型并测试模型性能，得到最优的障碍识别模型；本发明提高了网络模型的拟合能力和泛化能力，进一步提高了识别疾病的准确率。

公开(公告)号：CN115841483B

公开(公告)日：2025-02-18

申请号：CN202211705892.6

申请日：2022-12-29

Applicant: 中国人民解放军陆军军医大学 ,  重庆邮电大学

Inventor： 史春梦 ,  王澍 ,  瞿浪帆 ,  刘运胜 ,  刘晨 ,  雷大江

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/764 ,  G06V10/82 ,  G06V10/52 ,  G06V10/54 ,  G06V10/80 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，具体涉及一种基于三维注意力机制的肺结节检测方法及系统；该方法包括：基于三维注意力机制的肺结节检测模型包括候选肺结节检测分支和假阳性删减分支；候选肺结节检测分支为在编码路径和解码路径均添加了PSV‑AM模块的3D U‑Net模型；假阳性删减分支由5个连续的卷积、5个PSV‑AM模块和一个全连接分类模块构成；获取CT图像，对CT图像进行剪切，将剪切后的CT图像输入到训练好的基于三维注意力机制的肺结节检测模型中，得到目标肺结节块；本发明模型训练效果好，检测精度高，应用前景好。

公开(公告)号：CN115841483A

公开(公告)日：2023-03-24

申请号：CN202211705892.6

申请日：2022-12-29

Applicant: 中国人民解放军陆军军医大学 ,  重庆邮电大学

Inventor： 史春梦 ,  王澍 ,  瞿浪帆 ,  刘运胜 ,  刘晨 ,  雷大江

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/764 ,  G06V10/82 ,  G06V10/52 ,  G06V10/54 ,  G06V10/80 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，具体涉及一种基于三维注意力机制的肺结节检测方法及系统；该方法包括：基于三维注意力机制的肺结节检测模型包括候选肺结节检测分支和假阳性删减分支；候选肺结节检测分支为在编码路径和解码路径均添加了PSV‑AM模块的3D U‑Net模型；假阳性删减分支由5个连续的卷积、5个PSV‑AM模块和一个全连接分类模块构成；获取CT图像，对CT图像进行剪切，将剪切后的CT图像输入到训练好的基于三维注意力机制的肺结节检测模型中，得到目标肺结节块；本发明模型训练效果好，检测精度高，应用前景好。