-
公开(公告)号：CN116129992A
公开(公告)日：2023-05-16
申请号：CN202310406420.9
申请日：2023-04-17
Applicant: 之江实验室
IPC: G16B20/00 , G06N3/0464
Abstract: 本发明公开了一种基于图神经网络的基因调控网络构建方法及系统，本发明通过链接预测和图神经网络的方式构建基因调控网络，结合了封闭子图和封闭子图标签矩阵作为输入特征的一部分，取代基于强假设的启发式方法，可以避免假设失效带来的负面影响，同时使神经网络可以能识别每个节点在图中的重要作用，再使用高效的图卷积层和排序池化层可以显著提高图神经网络链接预测的准确度。通过本发明，可以构建疾病的基因调控网络以发现与疾病相关的基因，从而提供潜在的药物靶点，从而达到治疗该疾病的效果。
-
公开(公告)号：CN116030078A
公开(公告)日：2023-04-28
申请号：CN202310315976.7
申请日：2023-03-29
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/00 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多任务学习框架下结合注意力的肺叶分割方法及系统。本发明将肺叶分割任务作为主要任务、肺实质分割任务作为辅助任务，并行计算肺叶分割任务和肺实质分割任务；并在网络中插入通道注意力模块和锐化空间注意力模块，通道注意力模块能够强化通道特征信息，锐化空间注意力能够提升边缘测试效果，该网络能够自适应地权衡不同的任务，优化多任务目标的网络，最后训练得到的分割模型能实现三维图像的快速准确分割。本发明能有效利用神经网络学习多任务之间的共有特征，有望提取到更加全面的特征，强化主任务肺叶分割网络性能，在不增加实际使用时深度网络复杂度的情况下，提高深度网络对肺叶的分割能力。
-
公开(公告)号：CN113889261A
公开(公告)日：2022-01-04
申请号：CN202111113534.1
申请日：2021-09-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于病理特征辅助的PET/CT自动肺癌诊断分类模型训练方法，属于医学影像领域。该方法通过对病理图像的分类网络进行训练，优先得到一组较好的病理分类网络模型参数；通过该组参数获取病理图像的特征信息，来对PET/CT影像分类网络的特征提取进行指导，以提高PET/CT影像分类网络的精度，有利于基于PET/CT影像的早期肺癌诊断分类的推广应用，为临床医生的诊断以及后续随访提供帮助。通过本发明，可在后续不进行有创的病理检查之前，仅通过无创的PET/CT影像就可达到与病理诊断结果相接近的更准确的肺癌诊断分类结果，可以有效的提高临床医生的诊断效率，减少病患的创伤。
-
公开(公告)号：CN113506296A
公开(公告)日：2021-10-15
申请号：CN202111061904.1
申请日：2021-09-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于先验知识CT亚区影像组学的慢阻肺诊断装置，属于医学影像领域。该诊断装置包括：基于先验知识的亚区划分模块，用于根据肺内部CT值将患者CT肺部图像划分为三个亚区，其中，亚区一的肺内部CT值的范围为（‑1024，‑950）、亚区二的肺内部CT值的范围为（‑190，110）、亚区三的肺内部CT值的范围为（‑950，‑190）；特征提取模块，用于分别提取三个亚区的影像组学特征；并获取亚区一的LAA‑950I特征；分类模块，用于根据提取的特征区分病人是否患有慢性阻塞性肺疾病。本发明装置通过划分亚区，分别提取不同结构的特征，对提高慢阻肺的诊断效率有着更加积极的作用。
-
公开(公告)号：CN117437152A
公开(公告)日：2024-01-23
申请号：CN202311764922.5
申请日：2023-12-21
Applicant: 之江实验室
Abstract: 本发明涉及一种基于扩散模型的PET迭代重建方法及系统，主要解决现有PET重建系统中噪声干扰大、成像质量低的问题。本发明将扩散模型引入到迭代重建的过程中，在每次迭代重建时，将输入图像和对应的正投图像拼接输入至训练好的扩散模型进行逐步去噪，得到去噪后的输入图像；基于去噪后的输入图像重建获得输出图像；本发明通过利用扩散模型对PET弦图数据进行降噪，降低了原始信号中的噪声干扰，提高了数据质量；通过在原有的迭代重建步骤中引入扩散模型降噪单元来优化重建过程，进一步提高了重建图像的成像质量。与现有技术相比，本发明采用了基于扩散模型的迭代重建方法，能够有效地降低噪声干扰，提高图像成像质量，具有广泛的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN116167431B
公开(公告)日：2023-08-04
申请号：CN202310454434.8
申请日：2023-04-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于混合精度模型加速的业务处理方法及装置。首先，获取样本数据以及预先训练的业务模型。其次，将样本数据输入到业务模型中，得到标准结果。而后，对所述业务模型进行模型框架转换，得到待调整模型。然后，依次针对待调整模型的每个网络层，以调整该网络层对应的参数精度后得到的模型针对样本数据所输出的结果与标准结果之间的偏差满足预设条件为约束，对该网络层对应的参数精度进行调整。接着，得到目标模型，并部署。最后，在接收到业务数据后，将业务数据输入到目标模型，得到针对业务数据的输出结果，执行业务处理。本方法可以在保证深度学习模型的输出结果的准确性的情况下，提高深度学习模型的推理效率。
-
-
公开(公告)号：CN114360718B
公开(公告)日：2022-07-12
申请号：CN202210231670.9
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征拟合的PET/CT自动肺癌诊断分类系统及构建方法，该系统包括特征提取单元，用于依据PET/CT图像提取获得肿瘤的第一特征；特征拟合单元，用于依据PET/CT图像拟合所述PET/CT图像对应病理图像中的特征，获得肿瘤的第二特征；肺癌诊断分类单元，用于联合第一特征和第二特征进行肺癌诊断分类。本发明通过使用PET/CT的特征来拟合相匹配的病理特征的方式，提高单纯使用PET/CT影像信息特征得到的诊断精度，有利于现有的仅基于影像学的智能诊断的推广应用，提高临床医生的诊断效率。通过本发明，可以在患者进行手术前更好的了解到肿瘤的情况，从而可以更好的协助医生为患者提供精准的治疗方案，减少患者的创伤。
-
公开(公告)号：CN113889261B
公开(公告)日：2022-06-10
申请号：CN202111113534.1
申请日：2021-09-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于病理特征辅助的PET/CT自动肺癌诊断分类模型训练方法，属于医学影像领域。该方法通过对病理图像的分类网络进行训练，优先得到一组较好的病理分类网络模型参数；通过该组参数获取病理图像的特征信息，来对PET/CT影像分类网络的特征提取进行指导，以提高PET/CT影像分类网络的精度，有利于基于PET/CT影像的早期肺癌诊断分类的推广应用，为临床医生的诊断以及后续随访提供帮助。通过本发明，可在后续不进行有创的病理检查之前，仅通过无创的PET/CT影像就可达到与病理诊断结果相接近的更准确的肺癌诊断分类结果，可以有效的提高临床医生的诊断效率，减少病患的创伤。
-
公开(公告)号：CN114360718A
公开(公告)日：2022-04-15
申请号：CN202210231670.9
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征拟合的PET/CT自动肺癌诊断分类系统及构建方法，该系统包括特征提取单元，用于依据PET/CT图像提取获得肿瘤的第一特征；特征拟合单元，用于依据PET/CT图像拟合所述PET/CT图像对应病理图像中的特征，获得肿瘤的第二特征；肺癌诊断分类单元，用于联合第一特征和第二特征进行肺癌诊断分类。本发明通过使用PET/CT的特征来拟合相匹配的病理特征的方式，提高单纯使用PET/CT影像信息特征得到的诊断精度，有利于现有的仅基于影像学的智能诊断的推广应用，提高临床医生的诊断效率。通过本发明，可以在患者进行手术前更好的了解到肿瘤的情况，从而可以更好的协助医生为患者提供精准的治疗方案，减少患者的创伤。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
