-
公开(公告)号：CN116342628A
公开(公告)日：2023-06-27
申请号：CN202310633451.8
申请日：2023-05-31
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/90 , G06N3/08 , G06N3/0455
Abstract: 本申请涉及一种病理图像分割方法、装置和计算机设备。所述方法包括：获取预设的待分割染色病理图像；其中，待分割染色病理图像携带有针对目标区域的第一颜色特征信息；根据待分割染色病理图像以及第一颜色特征信息，得到染剂引导信息；将待分割染色病理图像输入至预先训练的目标图像分割模型，得到待分割染色病理图像对应的初始特征提取信息，并将染剂引导信息和初始特征提取信息进行拼接处理，得到拼接特征信息；将拼接特征信息输入至目标图像分割模型中的特征卷积层进行特征提取处理，得到针对待分割染色病理图像中目标区域的目标分割结果。采用本方法能够解决对于病理图像或对于其他图像分割的准确性低的问题。
-
公开(公告)号：CN115131642B
公开(公告)日：2022-12-27
申请号：CN202211047979.9
申请日：2022-08-30
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/762 , G06V10/20
Abstract: 本发明公开了一种基于多视子空间聚类的多模态医学数据融合系统，首先对影像进行结构化处理得到影像特征，同时，提取电子病历中与疾病相关的临床变量得到临床特征，然后基于多视子空间聚类引导的多模态数据融合模型，对影像特征和临床特征进行筛选与融合，得到每个特征的重要性排序，最后根据设定的特征数目，得到电子病历和影像数据的融合结果，该融合结果综合电子病历信息和影像信息，从而提高相关疾病预测结果的准确性；本发明保证每种模态的数据在各自空间中可以自表示，保持块对角结构，同时保证融合数据的聚类结果是一致的。利用多视子空间的互补性原则和一致性原则可以综合多模态数据中的互补信息，保证分析结果的一致性。
-
公开(公告)号：CN113674281B
公开(公告)日：2022-02-22
申请号：CN202111240331.9
申请日：2021-10-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度形状学习的肝脏CT自动分割方法，首先建立肝脏分割数据集并进行预处理，利用肝脏分割对肝脏CT进行粗分割；其次建立肝脏形状集，利用变分自编码器学习肝脏形状，并构建几何形状正则化模块，然后将几何形状正则化模块加入肝脏分割中，得到受几何形状一致性约束的肝脏分割模型，用于肝脏CT的自动分割。本发明创新性地将表示后的形状特征通过正则化模块加入到已有的深度分割网络中，在卷积神经网络的训练过程中引入形状先验信息，可以提高分割模型的正则性和泛化能力，使得分割的结果更加符合标准肝脏的医学解剖学特点。本发明具有自动化、精度高、可迁移扩展的特点，可以实现以肝脏为代表的腹部大器官的自动精准分割。
-
公开(公告)号：CN119762787A
公开(公告)日：2025-04-04
申请号：CN202510248236.5
申请日：2025-03-04
Applicant: 之江实验室
Abstract: 本发明公开了一种基于自提示引导的动态决策图像分割方法，属于计算机视觉技术领域。所述方法包括如下步骤：获取数据集并对数据预处理；构建并通过结合特定领域知识优化SAM模型，使其能够更好地适应遥感图像和医学影像等复杂场景；通过引导模型自主生成适应性提示，摆脱传统方法对人工点、框或粗粒度掩码的依赖；设计了动态决策机制，根据图像内容动态调整决策策略，使决策过程更加灵活，有效应对复杂和变化多端的图像内容；通过优化决策过程，使模型推理过程更加透明，增强标注结果的可解释性和可信度，从而满足对高精度和高可信度有严格要求的领域需求。
-
公开(公告)号：CN119357315A
公开(公告)日：2025-01-24
申请号：CN202411918948.5
申请日：2024-12-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识检索多模态大模型的智能决策方法及装置，属于人工智能和医学数据处理技术领域，该方法包括：获取患者的多模态诊疗数据，预处理并生成相应的特征向量；基于增强融合模型，对各模态的特征向量进行增强及跨模态特征向量融合，得到患者个性化融合特征向量；基于其在肿瘤治疗全流程电子记录数据库中进行知识检索，得到若干相似临床表现下的治疗方案，将检索得到的治疗方案与所述患者个性化融合特征向量一并输入大语言模型进行决策，得到患者的个性化治疗方案并评估其风险，辅助医生给出实际治疗方案；若患者的多模态诊疗数据随实际治疗进程被更新，则进行所述个性化治疗方案及其风险的更新，从而为医生提供实时动态辅助。
-
Patent Agency Ranking
公开(公告)号：CN118656683A
公开(公告)日：2024-09-17
申请号：CN202411132392.7
申请日：2024-08-19
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06F16/33 , G06V10/44 , G06V10/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G16H50/20 , G16H10/20 , G16H10/60
Abstract: 本发明公开了一种基于多模态可信渐进融合的分类系统，该系统包括：多模态数据预处理模块，用于对多模态数据进行预处理；特征提取与筛选模块，用于从不同模态中提取特征；神经网络模块，用于进一步处理以获取深层特征表示；特征融合模块，用于从特征层面对不同模态的特征进行渐进融合；不确定性建模模块，用于对各个单模态的深层特征表示和多模态融合特征的不确定性进行建模；证据融合模块，用于融合不确定性建模模块输出的多个模态的分类预测概率和不确定性，获得综合证据度量。本发明有效地提升了多模态数据处理的效率和准确性，提升了特征利用率、分类系统泛化能力和鲁棒性，增强了分类系统的分类性能，有效地识别和降低异常模态的负面影响。
-
公开(公告)号：CN116881725A
公开(公告)日：2023-10-13
申请号：CN202311152151.4
申请日：2023-09-07
Applicant: 之江实验室
IPC: G06F18/214 , G16H50/30 , G06F18/25 , G06F18/241 , G06F18/211
Abstract: 本说明书公开了一种癌症预后预测模型训练装置、介质及电子设备，包括：第二确定模块根据第一确定模块确定出的各训练样本对应的基因表达数据以及医学图像，分别确定各训练样本对应的基因特征以及图像特征。拼接模块再将各基因特征以及各图像特征分别进行拼接，得到各多模态特征。筛选模块根据各训练样本的多模态特征，从各训练样本的图像特征的各维度中，筛选用于表征各训练样本的多模态特征的维度，将筛选出的维度对应的特征作为各训练样本的输入特征。训练模块根据各输入特征以及各标注，对待训练的癌症预后预测模型进行训练，使得后续直接根据特征权重，将对图像特征进行筛选后的特征输入癌症预后预测模型预测复发情况，提高预测准确性。
-
公开(公告)号：CN116309924B
公开(公告)日：2023-08-18
申请号：CN202310598313.0
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06T7/10 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法、图像展示的方法及装置。本说明书实施例在图像生成模型的训练过程中，会将第一数量的第一CT图像作为该图像生成模型的输入，并且以最小化图像生成模型所输出的第二数量的生成图像与第二数量的第二CT图像之间的偏差为优化目标，来对该图像生成模型进行训练，以使得训练后的该图像生成模型能够根据输入的少量的第一CT图像生成大量的第二CT图像，再根据生成的大量的第二CT图像来确定出更高分辨率的CT图像，进而能够在保证患者不至接受更多的辐射剂量、降低扫描成本的同时，保证得到更高分辨率的CT图像。
-
公开(公告)号：CN116229218B
公开(公告)日：2023-08-04
申请号：CN202310516976.3
申请日：2023-05-09
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/74 , G06T7/33 , G06T11/00
Abstract: 本说明书公开了一种模型训练、图像配准方法及装置，可以基于第一原始图像和第二原始图像中包含的每个体素的正态分布，通过随机采样的方式生成用于训练配准模型的样本图像，并且由于生成的样本图像中包含的每个体素在采样过程中的值是随机的，所以生成的样本图像的对比度不同，但是，由于生成的样本图像中包含的每个体素在采样过程中是基于真实图像的正态分布生成的，所以生成的样本图像中包含的体素的分布仍与真实图像中包含的体素的分布相似，从而可以提升用于训练配准模型的训练样的多样性，进而可以增强配准模型的通用性以及泛化性。
-
公开(公告)号：CN116309924A
公开(公告)日：2023-06-23
申请号：CN202310598313.0
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06T7/10 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法、图像展示的方法及装置。本说明书实施例在图像生成模型的训练过程中，会将第一数量的第一CT图像作为该图像生成模型的输入，并且以最小化图像生成模型所输出的第二数量的生成图像与第二数量的第二CT图像之间的偏差为优化目标，来对该图像生成模型进行训练，以使得训练后的该图像生成模型能够根据输入的少量的第一CT图像生成大量的第二CT图像，再根据生成的大量的第二CT图像来确定出更高分辨率的CT图像，进而能够在保证患者不至接受更多的辐射剂量、降低扫描成本的同时，保证得到更高分辨率的CT图像。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.025 seconds)
