-
公开(公告)号：CN113743463A
公开(公告)日：2021-12-03
申请号：CN202110879294.X
申请日：2021-08-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种面向医学影像序列的基于深度学习的患者级肿瘤良恶性自动判别方法及系统。首先进行患者影像数据的采集和整理及标注，然后使用肿瘤区域检测模型、序列分类模型、年龄信息这三个信息模块获得不同级别下患者肿瘤良恶性的概率，最后通过多模型加权融合进行患者级肿瘤良恶性综合判别。该技术将有助于在患者早期，基于影像检测数据对肿瘤良恶性进行预判，从而制定相应的治疗方案及提升预后效果，同时也能辅助提高医生早期利用影像数据进行肿瘤良恶性诊断的准确率。
-
公开(公告)号：CN113743463B
公开(公告)日：2023-09-26
申请号：CN202110879294.X
申请日：2021-08-02
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/25 , G06T7/00
Abstract: 本发明提出一种面向医学影像序列的基于深度学习的患者级肿瘤良恶性自动判别方法及系统。首先进行患者影像数据的采集和整理及标注，然后使用肿瘤区域检测模型、序列分类模型、年龄信息这三个信息模块获得不同级别下患者肿瘤良恶性的概率，最后通过多模型加权融合进行患者级肿瘤良恶性综合判别。该技术将有助于在患者早期，基于影像检测数据对肿瘤良恶性进行预判，从而制定相应的治疗方案及提升预后效果，同时也能辅助提高医生早期利用影像数据进行肿瘤良恶性诊断的准确率。
-
公开(公告)号：CN115019405A
公开(公告)日：2022-09-06
申请号：CN202210594803.9
申请日：2022-05-27
Applicant: 中国科学院计算技术研究所
IPC: G06V40/60 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于多模态融合的肿瘤分类方法和系统，包括：根据来自同一位用户的多模态影像构建多模态图，多模态图中顶点为该多模态影像中单帧影像，多模态图中边为模态相异的顶点间的匹配边；使用肿瘤分类模型对多模态图中所有匹配边进行特征的提取和融合，得到每条边的置信度；根据每条边的置信度，选择并构建出一个可信边集合，将可信边集的置信度和该用户的临床信息进行加权融合，得到该多模态影像建图的肿瘤识别结果。由此能够结合用户不同模态的影像数据，进行肿瘤高精度分类。
-
-
Search Results
3
records
(took 0.035 seconds)
