公开(公告)号：CN118230074B

公开(公告)日：2024-08-02

申请号：CN202410642644.4

申请日：2024-05-23

Applicant: 南昌大学

Inventor： 查祖鹏 ,  王玉皞 ,  刘晓东 ,  万志江 ,  汤力为 ,  龙信

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/096 ,  G06N3/042 ,  G06N3/06

Abstract: 本发明提供了一种知识辅助迁移学习的乳腺癌分子亚型识别方法及系统，该方法通过采用基于ImageNet预训练的Resnet50作为初始病灶分类器，并对其全连接层进行设置，得到目标病灶分类器；对数据集进行ROI采样和数据增强处理，得到若干目标采样块，并将目标采样块和对应的图像标签输入目标病灶分类器中训练；将目标病灶分类器的全局平均池化层和全连接层去除，随后添加顶部网络，得到整图分类器，再将处理后的影像整图输入整图分类器中，以进行预训练；采用乳腺癌分子亚型数据集输入到预训练后的整图分类器，进行迁移学习，得到目标整图分类器，最后将待诊断影像输入目标整图分类器中，输出softmax计算后置信度最高的图像级标签，以实现乳腺癌分子亚型识别。

公开(公告)号：CN119339944A

公开(公告)日：2025-01-21

申请号：CN202411384825.8

申请日：2024-09-30

Applicant: 南昌大学

Inventor： 钱伊卉 ,  龙信 ,  彭心悦 ,  刘帅 ,  王小中 ,  廖凯莉 ,  赵燕

IPC: G16H50/30 ,  G16H50/20 ,  G16H30/40 ,  G06V10/40 ,  G06V10/82 ,  G06V10/56 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于病理诊断技术领域，提供了一种基于深度学习与病理HE切片的结直肠癌术前淋巴结转移预测方法，首先获取结直肠癌患者术前肠道内镜活检的HE切片WS I图像；使用基于多实例学习的Transformer网络对所述WSI图像进行特征提取；引入染色归一化技术，对所述WSI图像进行颜色标准化处理；本发明实现深度学习与病理HE切片的结合，提升结直肠癌淋巴结转移预测的数字化水平，且通过对HE切片的WSI图像进行处理与分析，模型能够精准地提取病理特征，在数秒内生成预测结果，显著提高了临床决策的时效性；同时本发明模型采用染色归一化技术，分通道提取图像特征；使模型能够在面对多种临床环境与数据来源中保持稳定的表现，促进了治疗决策的准确下达。

公开(公告)号：CN119027427A

公开(公告)日：2024-11-26

申请号：CN202411533770.2

申请日：2024-10-31

Applicant: 南昌大学附属眼科医院

Inventor： 游志鹏 ,  龙信 ,  秦伟国 ,  范慧敏 ,  淦帆 ,  陈磊

IPC: G06T7/00 ,  G06N3/0499 ,  G06N3/0895 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G16H30/20 ,  G16H50/20

Abstract: 本发明提供了一种基于钼靶CT的三阴性乳腺癌免疫表型预测方法及系统，涉及钼靶CT影像处理领域，技术方案：提取并预处理现有乳腺癌数据库中的钼靶CT数据得到公共数据集，预处理待预测的钼靶CT图片得到多视图数据；基于孪生神经网络构建得到初始模型，随机将公共数据集中的钼靶CT图片视作键值视图，基于键值视图划分得到正负样本，基于正样本和负样本对比式训练所述初始模型得到预训练编码器；基于所述预训练编码器对多视图数据进行多尺度特征提取后，基于多头自注意力机制对进行特征融合得到综合视图特征图，基于分类器对所述综合视图特征图进行分类输出三阴置信度。本发明通过结合自监督对比学习与深度学习技术，提高乳腺癌的诊断效率和准确性。

公开(公告)号：CN118230074A

公开(公告)日：2024-06-21

申请号：CN202410642644.4

申请日：2024-05-23

Applicant: 南昌大学

Inventor： 查祖鹏 ,  王玉皞 ,  刘晓东 ,  万志江 ,  汤力为 ,  龙信

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/096 ,  G06N3/042 ,  G06N3/06

Abstract: 本发明提供了一种知识辅助迁移学习的乳腺癌分子亚型识别方法及系统，该方法通过采用基于ImageNet预训练的Resnet50作为初始病灶分类器，并对其全连接层进行设置，得到目标病灶分类器；对数据集进行ROI采样和数据增强处理，得到若干目标采样块，并将目标采样块和对应的图像标签输入目标病灶分类器中训练；将目标病灶分类器的全局平均池化层和全连接层去除，随后添加顶部网络，得到整图分类器，再将处理后的影像整图输入整图分类器中，以进行预训练；采用乳腺癌分子亚型数据集输入到预训练后的整图分类器，进行迁移学习，得到目标整图分类器，最后将待诊断影像输入目标整图分类器中，输出softmax计算后置信度最高的图像级标签，以实现乳腺癌分子亚型识别。

公开(公告)号：CN309095158S

公开(公告)日：2025-01-28

申请号：CN202430326583.1

申请日：2024-05-30

Applicant: 南昌大学

Designer： 龙信 ,  彭永福 ,  王炜立

Abstract: 1.本外观设计产品的名称：小夜灯。
2.本外观设计产品的用途：用于作为照明设备。
3.本外观设计产品的设计要点：在于形状。
4.最能表明设计要点的图片或照片：立体图1。