-
公开(公告)号：CN118916842B
公开(公告)日：2025-03-11
申请号：CN202411412220.5
申请日：2024-10-11
Applicant: 之江实验室
Abstract: 本发明公开了基于知识蒸馏的缺失多模态数据动态融合方法、系统及装置，基于分类网络构建多个单模态教师模型，通过每种单个模态数据对分类网络分别训练，得到对应的单模态教师模型；基于门限网络和一系列专家网络构建多模态动态融合网络，门限网络用于决定哪些专家网络被激活，输出一个one‑hot的向量，向量的长度为专家网络的个数，每个专家网络使用的数据是多个模态的子集进行特征融合，通过包含完整模态的数据训练完成后的多模态动态融合网络作为学生模型；利用教师模型对学生模型进行蒸馏训练，将实际获取的多模态数据输入到多模态动态融合网络，得到类别预测结果。本发明能够提高数据的有效利用率并提高多模态模型的预测准确性。
-
公开(公告)号：CN118822851B
公开(公告)日：2025-02-14
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
公开(公告)号：CN118822851A
公开(公告)日：2024-10-22
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
公开(公告)号：CN118471485B
公开(公告)日：2024-10-22
申请号：CN202410933094.1
申请日：2024-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于斜率截断功能连接矩阵的疾病预测系统、设备及介质，包括从静息态脑功能磁共振图像提取每个脑区的时间序列；计算每个被试的任意两两脑区之间的第一斜率差值和第二斜率差值，并根据斜率对应的时间点截取时间序列X和Y；计算截取后的时间序列X和Y的皮尔逊相关系数，与基准值比较，选取其中较大值作为功能连接值；基准值为未截取的时间序列X和Y的皮尔逊相关系数；用于以功能连接矩阵为特征进行疾病预测；功能连接矩阵通过计算每个被试的所有两两脑区的功能连接值得到。以该系统计算的功能连接矩阵为特征进行疾病预测，可以大大提高疾病预测的准确率以及预测模型在多中心数据的泛化能力。
-
公开(公告)号：CN118571502B
公开(公告)日：2024-10-18
申请号：CN202411053078.X
申请日：2024-08-02
Applicant: 之江实验室
IPC: G16H50/70 , G16H10/20 , G16H10/60 , G06N5/025 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于知识引导域自适应的多中心医学数据处理方法、系统、设备、介质，包括：基于通用医学概念以及其关系、每一中心私有域中的本地医学概念及其与通用医学概念之间的关系、不同中心私有域中的本地医学概念之间的关系构建医学知识图谱；对源中心患者数据、目标中心患者数据进行编码得到源中心数据特征、目标中心数据特征；基于源中心患者数据、目标中心患者数据根据医学知识图谱构建源中心患者子图、目标中心患者子图；对源中心患者子图、目标中心患者子图进行处理，得到源中心知识特征、目标中心知识特征；设置损失函数，所述损失函数包括根据下游医学任务设置的损失，并通过对抗学习得到每一医疗中心患者之间的跨域不变特征。
-
Patent Agency Ranking
公开(公告)号：CN118711744A
公开(公告)日：2024-09-27
申请号：CN202411190635.2
申请日：2024-08-28
Applicant: 之江实验室
IPC: G16H15/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06V10/25
Abstract: 本发明公开了一种融合图像识别和扩散式生成模型的超声报告生成方法。该方法首先在传统图像分割大模型的图像编码器中加入空间适配器，对超声扫描图像进行高精度的肿瘤区域分割；同时通过图像分类模型对超声图像中的肿瘤进行分类，分类和分割模型使用相同的图像空间编码器结构；进一步将诊断区域的肿瘤类型、区域和病理报告进行语义提取和对齐，作为超声报告生成的训练数据；最后使用扩散式超声图像描述生成模型完成对单张扫描图像的超声报告生成。本发明适用于大规模体检的超声报告生成，通过对分割大模型的网络结构优化，生成精准的肿瘤分割区域作为的诊断区域，提高了超声科医生的检查和诊断效率。
-
公开(公告)号：CN118644477A
公开(公告)日：2024-09-13
申请号：CN202411104179.5
申请日：2024-08-13
Applicant: 之江实验室
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及一种组织状态分析系统。所述组织状态分析系统包括图像分割模块，用于对预设区域内第一切片图像与第二切片图像进行图像分割，分别得到多个第一小块图像和多个第二小块图像；特征提取模块，用于分别对多个所述第一小块图像进行图像特征提取，得到图像特征；分别对多个所述第二小块图像进行结构特征提取，得到结构特征；超图构建模块，用于分别基于所述图像特征和所述结构特征，得到第一超图和第二超图；特征融合模块，用于对所述第一超图和所述第二超图进行多尺度融合，得到多尺度融合特征；结果预测模块，用于基于所述多尺度融合特征，得到组织状态分析结果。采用本方法能够提高辅助预测准确率。
-
公开(公告)号：CN118471485A
公开(公告)日：2024-08-09
申请号：CN202410933094.1
申请日：2024-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于斜率截断功能连接矩阵的疾病预测系统、设备及介质，包括从静息态脑功能磁共振图像提取每个脑区的时间序列；计算每个被试的任意两两脑区之间的第一斜率差值和第二斜率差值，并根据斜率对应的时间点截取时间序列X和Y；计算截取后的时间序列X和Y的皮尔逊相关系数，与基准值比较，选取其中较大值作为功能连接值；基准值为未截取的时间序列X和Y的皮尔逊相关系数；用于以功能连接矩阵为特征进行疾病预测；功能连接矩阵通过计算每个被试的所有两两脑区的功能连接值得到。以该系统计算的功能连接矩阵为特征进行疾病预测，可以大大提高疾病预测的准确率以及预测模型在多中心数据的泛化能力。
-
公开(公告)号：CN117334246B
公开(公告)日：2024-06-18
申请号：CN202311284290.2
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于计算的药物重定位的方法、装置及存储介质，获取待检测样本的基因表达数据，将所述基因表达数据输入预先训练的通路异常检测模型，获得若干个通路及所述若干个通路对应的通路异常评分，根据所述若干个通路对应的通路异常评分，确定目标通路，获取待重定位药物的作用基因集，根据目标通路，构建有向图，根据有向图，确定所述作用基因集中的作用基因与所述目标通路中的目标基因的距离，其中，所述有向图为以基因为节点，以基因之间的交互关系为边构建的，根据所述距离，对待重定位药物进行重定位。本方法通过作用基因与目标基因之间的距离，对药物进行重定位，提高了药物重定位的效率。
-
公开(公告)号：CN116994693B
公开(公告)日：2024-03-01
申请号：CN202311259740.2
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于稳定性控制的医保统筹智能体的建模方法与系统，周期性的对获取的包括DIP/DRG分组点数和医院等级系数的患者真实数据进行汇总；结合医院和患者价值函数建立多周期时序性医保智能体强化学习模型并进行周期训练：在单个结算周期内将每次交互样本进行判断，分配到稳定经验池和波动经验池；在双经验池中进行随机采样，并更新损失函数直至奖励值收敛，将每周期输出结果作为下周期的初始状态；通过训练好的模型，得到下周期的DIP/DRG分组点数和医院等级系数。本发明结合了医保周期结算的特点，在智能体的训练上采用了多周期训练方法，同时考虑相邻周期智能体输出在时序上的稳定性，提高了收敛速度，减少了数据波动。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.028 seconds)
