公开(公告)号：CN114898193A

公开(公告)日：2022-08-12

申请号：CN202210809090.3

申请日：2022-07-11

Applicant: 之江实验室

Inventor： 申慧 ,  朱闻韬 ,  杨德富 ,  赵嘉琪

IPC: G06V10/80

Abstract: 本发明公开了一种基于流形学习的图像特征融合方法、装置及图像分类系统。本发明首先获取若干图像的多类特征构建特征集合；将特征集合中，每类特征作为一个视角，并构建每个单一视角下的图拉普拉斯矩阵；然后构建并求解基于流形学习的多视角特征选择与融合模型，获得融合后的图像特征。本发明可以更充分利用数据的结构信息，更关注数据整体分布和特性的变化趋势，而不是特定特征的绝对值，使其更具有减弱多中心效应的潜力，更关注医学图像本质疾病表征，而非多中心带来的扰动；同时，基于流行学习的图像融合装置，也能对不同视角下的特征进行更有效的融合，提高医学图像分类性能。

公开(公告)号：CN113838161A

公开(公告)日：2021-12-24

申请号：CN202111413375.7

申请日：2021-11-25

Applicant: 之江实验室

Inventor： 朱闻韬 ,  杨德富 ,  黄海亮 ,  杨宝

IPC: G06T11/00 ,  G06T5/00

Abstract: 本发明公开了一种基于图学习的稀疏投影重建方法，属于医学影像领域。该方法通过在投影重建方法中每次迭代的过程中进行一次全局随机采样，获取每个像素点的全局随机采样点；再根据门函数进行随机点的相似筛选；最后利用这些相似的随机点通过图学习的方法修正每个像素点的像素值。以此来消除因为硬件原因或者稀疏重建方法本身所导致的形状伪影。通过本发明，可以在传统的投影重建方法中直接引入该方法，用于修复稀疏角度导致的重建后图像中的形状伪影，大大的提升成像质量。

公开(公告)号：CN117036727B

公开(公告)日：2024-01-05

申请号：CN202311294411.1

申请日：2023-10-09

Applicant: 之江实验室

Inventor： 赵嘉琪 ,  申慧 ,  朱闻韬 ,  杨德富 ,  吕骏晖

IPC: G06V10/40 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明公开了一种脑网络数据多层嵌入向量特征提取方法及装置，该方法对多层网络的嵌入学习和流形优化得到的多层网络节点信息的层内层间网络一致性嵌入表示F和层内节点嵌入表示Fi，再分别对每一层的层内节点嵌入表示Fi和层内层间网络一致性嵌入表示F进行相干性计算获得每层层内的相干特征，再计算每层层内的相干特征的熵获得相干熵特征，即为脑网络数据的多层嵌入向量特征。本发明通过对复杂的多层网络信息进行降维与关键提取，得到更加具有代表性、更加有效的多层网络特征信息，有效的提高多层网络数据信息的利用率，利用较少的数据量实现较高准确率的分析与分类。

公开(公告)号：CN116344058A

公开(公告)日：2023-06-27

申请号：CN202310615536.3

申请日：2023-05-29

Applicant: 之江实验室

Inventor： 申慧 ,  杨德富 ,  乔松 ,  朱闻韬 ,  李文超

IPC: G16H50/30 ,  G16H50/20 ,  G16H30/20 ,  G06V40/10 ,  G06T7/11 ,  G06F18/24

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。

公开(公告)号：CN113538422B

公开(公告)日：2022-01-18

申请号：CN202111068267.0

申请日：2021-09-13

Applicant: 之江实验室

Inventor： 朱闻韬 ,  薛梦凡 ,  李少杰 ,  杨德富

IPC: G06T7/00 ,  G06K9/62 ,  G16H70/60 ,  G06N3/04

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：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

Inventor： 朱闻韬 ,  薛梦凡 ,  李少杰 ,  杨德富

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G16H70/60 ,  G06N3/04

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。