-
公开(公告)号：CN113538422A
公开(公告)日：2021-10-22
申请号：CN202111068267.0
申请日：2021-09-13
Applicant: 之江实验室
Abstract: 本发明公开了一种基于染色强度矩阵的病理图像自动分类方法，该方法直接提取病理图像中与染色剂配比、染色平台、扫描平台以及一些人为因素无关的染色强度矩阵作为分类的特征信息，不需要恢复归一化后的染色图像，在保留与诊断相关的所有无杂质信息的同时，避免了现有的基于传统颜色归一化方法的病理图像计算机辅助诊断方法会出现的诊断效果随选取的标准病理切片的变化而变化的现象，且避免了因需要恢复染色后的图像所引入的误差，诊断精度更高且诊断效果更稳定，同时可以在更短的时间内实现对病理图像的诊断，易于实现，更具有实用性。
-
公开(公告)号：CN113506333A
公开(公告)日：2021-10-15
申请号：CN202111057958.0
申请日：2021-09-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于可变形图谱的医学影像配准网络训练数据集扩充方法。该方法首先在尽可能避免引入不符合形态学变形的前提下，将输入的训练数据配准到不同形态的图谱上。随后，评估配准后训练数据和图谱的差异，修正图谱的参数向不引入不合理变形的方向微调。接着，在最大化配准精度的条件下，将输入的训练数据配准到不同形态的修正后的图谱上，恢复出训练数据第一次配准时未变形完全的细节。最后，计算相关性度量参数，剔除不满足预期的变形数据，从而生成与输入训练数据集形态不同且反应人体形态真实变化规律的扩充数据集。本发明可以有效地扩充医学影像配准网络的训练数据集，从而降低构建数据集的时间成本、人力成本和费用成本。
-
公开(公告)号：CN112288041B
公开(公告)日：2021-03-30
申请号：CN202011477932.7
申请日：2020-12-15
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种多模态深度神经网络的特征融合方法，在多模态深度三维CNN里，通过在深度学习特征域上，利用压缩激励（squeeze and excitation,S&E）模块，可获得关于模态之间的通道注意力掩膜，即在所有模态中，给予那些对于任务目标有着显著帮助的通道更大的关注，从而显式地建立了多模态三维深度特征图在通道上的权重分布；随后，利用四维卷积和Sigmoid激活函数计算，可获得关于模态之间的空间注意力掩膜，即在每个模态的三维特征图中，空间中哪些位置需要给予更大的关注，从而显式地建立了多模态三维深度特征图在空间上的相关性，对模态、通道、空间中具有重要信息的位置给予更大的关注，从而提高多模态智能诊断系统的诊断效能。
-
公开(公告)号：CN111436958A
公开(公告)日：2020-07-24
申请号：CN202010125698.5
申请日：2020-02-27
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
IPC: A61B6/03
Abstract: 本发明公开了一种用于PET图像衰减校正的CT图像生成方法，该方法通过采集T1时刻的CT图像和PET图像以及T2时刻的PET图像，将其输入训练好的深度学习网络中，获得T2时刻的CT图像，该CT图像能用于PET图像的衰减校正，从而获得更精确的PETAC(Attenuation Correction)图片。本发明的方法能减少整个图像采集阶段病人受到的X射线的剂量，减轻病人生理和心理上受到的压力。另外，后期的图像采集只需要PET成像设备，不需要PET/CT设备，可以减小成像资源分配的成本，降低整个阶段成像的费用。
-
公开(公告)号：CN117577274B
公开(公告)日：2024-05-10
申请号：CN202410051111.9
申请日：2024-01-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于空间频谱核函数的EIT图像重建方法、装置及设备。本发明通过构建一同时编码图像空间相关性信息与频域相关性信息的空间频谱核函数，再将其嵌入至多频EIT图像重建模型中，可隐式化引入空间域与频域的先验引导，同步抑制EIT空间域与频域的噪声干扰，并避免因电磁场“软场”特性而导致的EIT图像变形问题，实现高精度、低噪、高质量的多频生物电阻抗层析成像图像重建。
-
Patent Agency Ranking
公开(公告)号：CN117357132B
公开(公告)日：2024-03-01
申请号：CN202311665176.4
申请日：2023-12-06
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于多层脑网络节点参与系数的任务执行方法及装置。所述任务执行方法包括：先获取脑部信号数据，以针对每个预设的时间段，根据该时间段内各节点的脑部信号，得到该时间段中各节点所对应的脑部信号序列。针对每个节点，根据各时间段中该节点的脑部信号序列以及各时间段中其他节点的脑部信号序列，确定该节点在相同时间段与其他节点的节点连通度以及确定该节点在不同时间段与其他节点的节点连通度，进而确定出每个节点在脑部活动中的多参与系数，该节点对应的多参与系数用于表示该节点对应的脑区在脑部活动中与其他脑区的连通情况，再根据每个节点对应的多(56)对比文件US 2020352463 A1,2020.11.12CN 116051849 A,2023.05.02CN 107909117 A,2018.04.13Junji Ma.Integrated and segregatedfrequency architecture of the human brainnetwork《.Brain Structure and Function》.第335-350页.梁夏;王金辉;贺永.人脑连接组研究:脑结构网络和脑功能网络.科学通报.2010,(16),第41-59页.何高奇;胡云奉;杨宇;魏文浩.基于rs-fMRI数据的脑功能网络构建与分析.华东理工大学学报(自然科学版).2015,(06),第99-105页.
-
公开(公告)号：CN117577274A
公开(公告)日：2024-02-20
申请号：CN202410051111.9
申请日：2024-01-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于空间频谱核函数的EIT图像重建方法、装置及设备。本发明通过构建一同时编码图像空间相关性信息与频域相关性信息的空间频谱核函数，再将其嵌入至多频EIT图像重建模型中，可隐式化引入空间域与频域的先验引导，同步抑制EIT空间域与频域的噪声干扰，并避免因电磁场“软场”特性而导致的EIT图像变形问题，实现高精度、低噪、高质量的多频生物电阻抗层析成像图像重建。
-
公开(公告)号：CN117036832B
公开(公告)日：2024-01-05
申请号：CN202311294085.4
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于随机多尺度分块的图像分类方法、装置及介质，包括：根据随机数对图像进行可变大小的切割，得到不同大小的图像块并记录其在图像中的位置坐标以及图像块的大小信息，从而获取图像块在图像中的位置编码以及对每个图像块大小进行编码；从图像中提取不同大小的图像块并进行像素编码；将相同大小图像块的编码向量分别组合成序列；将不同大小的序列添加图像块大小编码后分别先后输入第一Transformer编码器模块和第二Transformer编码器模块获得全局特征，再进行层归一化之后进行线性变换，得到最终的图像预测类别。本发明具有多尺度特征提取能力和数据的多样性，提
-
公开(公告)号：CN117011673A
公开(公告)日：2023-11-07
申请号：CN202311284723.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/84 , G06V10/30 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于噪声扩散学习的电阻抗层析成像图像重建方法和装置，适用于工业过程成像、地质勘探和医学成像等技术领域。本发明通过获取含有电阻抗层析成像边界测量复电压序列信息的初始反投影图像对，再将初始反投影图像对输入至预先训练好的基于噪声扩散学习的电阻抗层析成像图像重建网络模型，可快速获取低噪、超高分辨率的电阻抗层析重建图像。其中基于噪声扩散学习的EIT图像重建网络模型训练的核心思想为先向电阻抗图像逐步添加概率分布已知的噪声，直至将其转换为正态分布的噪声图像，再在约束条件引导下，利用深度神经网络预测每一个时间节点处上一步添加的噪声来对噪声图像进行逐步去噪和更新估计，直至将其恢复为高精度重构图像。
-
公开(公告)号：CN116344058B
公开(公告)日：2023-08-18
申请号：CN202310615536.3
申请日：2023-05-29
Applicant: 之江实验室
IPC: G06F17/00
Abstract: 本说明书公开了一种基于图信号的阿尔兹海默风险标注方法及装置，该方法可以通过患者的脑部影像/信号数据，确定患者各脑区中的神经退化性病理性蛋白浓度以及确定各脑区之间的连通程度；基于各脑区之间的连通程度构建脑节点连接网络图，综合脑节点连接网络图和各脑区中的神经退化性病理性蛋白浓度构建神经退化性病理性蛋白图信号；根据神经退化性病理性蛋白图信号，计算每个脑节点的传播通量，并基于传播通量对每个脑节点进行阿尔兹海默症的传播风险分析，将脑节点分为高风险传播脑节点、高风险被传播脑节点和低风险脑节点三类，以在脑部影像数据中标注出目标脑区，从而能够全面的确定出存在风险的脑区，更加合理地针对阿尔兹海默症进行分析。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.021 seconds)
