公开(公告)号：CN117372774A

公开(公告)日：2024-01-09

申请号：CN202311418488.5

申请日：2023-10-30

Applicant: 南京大学

Inventor： 高阳 ,  鲍军 ,  杨柳 ,  何克磊 ,  吴志平 ,  司呈帅 ,  邵鹏 ,  曹月鹏 ,  甄泰航

IPC: G06V10/764 ,  G06V10/26 ,  G16H30/40 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明提出了一种基于自监督学习方式的结直肠癌分期算法及系统，无需利用已标注样本可以进行结直肠癌严重程度的判断。首先对数据集进行图像变换和低级处理，生成不同组新数据集。不同组数据集输入到不同编码器网络中得到特征输出，通过转换条件注意力机制和跨模型混合最大保存图像信息。最后合并计算对比损失和重构损失来对模型进行训练优化。本发明通过学习对医学图像的相似性和差异性进行编码来构建特征，能在无标注训练集的情况下有效对结直肠癌严重程度进行分类，有广泛的应用前景。

公开(公告)号：CN114119788A

公开(公告)日：2022-03-01

申请号：CN202111454051.8

申请日：2021-12-01

Applicant: 南京大学

Inventor： 李卓远 ,  何克磊 ,  张峻峰 ,  高阳

IPC: G06T9/00 ,  G06T7/00 ,  G06V10/774 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于对抗生成网络的多模态医学图像编码与生成方法，包括以下步骤：对数据预处理并得到训练数据集、模拟临床MRI序列缺失的场景、构建生成对抗神经网络和训练生成对抗神经网络；本发明通过一次性地训练一个网络，实现同时对多种MRI序列的特征提取，与现有模型相比，翻译图像的质量更高，具备了将输入的MRI的图像灵活地翻译成任何所需的MRI序列的能力，可以解决对各种模态MRI图像的特征编码以及MRI多模态图像间的相互生成，且采用无监督的训练方式，在训练数据模态缺失的情况下，依旧可以训练生成网络，更加符合临床场景，可以实现任意多模态间的图像生成。