公开(公告)号：CN116128876B

公开(公告)日：2023-07-07

申请号：CN202310353365.1

申请日：2023-04-04

Applicant: 中南大学

Inventor： 唐艳 ,  熊星 ,  林立新 ,  张昊

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本申请实施例提供了一种基于异构域的医学图像分类方法和系统，本方法首先由特征提取器提取每一个模态图像中与病理性相关的图像特征，然后根据最大均值差异法学习属于同一种模态的图像特征之间的共有信息，然后根据域鉴别器学习不同模态的特征之间的一致性属性，最后利用分类器基于学习到的共有信息和一致性信息，得到分类器对脑科医学图像的病理性分类结果。本方法不仅充分学习了同模态图像之间关于病理信息的共有特征，而且还充分的学习了不同模态图像之间关于病理信息的一致性特征，充分利用不同模态图像中的这两类特征信息实现图像病理性分类，不仅能提高分类效率，而且也能提高图像病理性分类准确度。

公开(公告)号：CN116128876A

公开(公告)日：2023-05-16

申请号：CN202310353365.1

申请日：2023-04-04

Applicant: 中南大学

Inventor： 唐艳 ,  熊星 ,  林立新 ,  张昊

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本申请实施例提供了一种基于异构域的医学图像分类方法和系统，本方法首先由特征提取器提取每一个模态图像中与病理性相关的图像特征，然后根据最大均值差异法学习属于同一种模态的图像特征之间的共有信息，然后根据域鉴别器学习不同模态的特征之间的一致性属性，最后利用分类器基于学习到的共有信息和一致性信息，得到分类器对脑科医学图像的病理性分类结果。本方法不仅充分学习了同模态图像之间关于病理信息的共有特征，而且还充分的学习了不同模态图像之间关于病理信息的一致性特征，充分利用不同模态图像中的这两类特征信息实现图像病理性分类，不仅能提高分类效率，而且也能提高图像病理性分类准确度。

公开(公告)号：CN115578387A

公开(公告)日：2023-01-06

申请号：CN202211555313.4

申请日：2022-12-06

Applicant: 中南大学

Inventor： 唐艳 ,  熊星 ,  张昊

IPC: G06T7/00 ,  G06N3/048 ,  G16H50/20 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多模态的阿尔茨海默症医学图像分类方法及系统，其方法包括：将结构性核磁共振成像图像输入第一3DCNN网络，得到结构性核磁共振成像图像的第一特征；将正电子发射断层扫描成像图像输入第二3DCNN网络，得到正电子发射断层扫描成像图像的第二特征；将第一特征和第二特征输入Transformer模型中的编码器模块，得到待分类大脑的融合特征；将融合特征输入多层感知机网络，得到待分类大脑的结构性核磁共振成像图像和正电子发射断层扫描成像图像的阿尔兹海默症程度图像分类结果。本发明能够解决单模态医学图像信息不全面的问题，提高了神经网络对阿尔茨海默症医学图像的分类准确率。