-
公开(公告)号：CN115205599B
公开(公告)日：2023-02-10
申请号：CN202210879158.5
申请日：2022-07-25
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/22 , G06V10/82 , G06N3/0464 , G06N3/084 , A61B6/00
Abstract: 本发明公开了一种基于域泛化模型的多年龄段儿童胸片图像肺炎分类系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的域泛化分类模型；所述的域泛化分类模型采用改进的F‑conv网络模型，包括权重层、滤波器层、共享层三个部分；对于待测的图像，输入域泛化分类模型后，通过权重组与滤波器层中对应的滤波器组进行点乘加权，将所有结果相加，获得滤波器层的输出；滤波器层的输出输入至共享层，通过多次2D的卷积，最终再通过全连接层获得模型的分类结果。利用本发明，可以让多年龄段儿童在同一模型上实现肺炎高性能分类。
-
公开(公告)号：CN114708255B
公开(公告)日：2022-11-01
申请号：CN202210471812.9
申请日：2022-04-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于TransUNet模型的多中心儿童X线胸片图像肺部分割方法，包括：(1)收集多中心的儿童X线胸片图像并进行预处理；(2)将数据划分为训练集、验证集和测试集；(3)构建分割模型，分割模型在UNet的基础上加入了Transformer层，包括三次下采样、线性层、Transformer层、上采样四个部分；(4)将训练集送入到构建的分割模型中进行训练，利用验证集对分割模型的性能进行评估，根据评估的效果对模型的超参数进行调整，通过反复训练、验证，最终得到性能达标的分割模型；(5)将待分割的多中心儿童X线胸片影像输入训练好的分割模型中，从而智能分割出肺部区域。本发明的方法，结合了Transformers与UNet两种网络的优点，具有较高的分割精度和效率。
-
公开(公告)号：CN114898863A
公开(公告)日：2022-08-12
申请号：CN202210349721.8
申请日：2022-04-02
Applicant: 浙江大学
Abstract: 本发明公开了一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，采用手术干预时机辅助识别模型，利用该模型的具体工作过程如下：将新生儿坏死性小肠结肠炎患者的影像数据和临床数据输入数据预处理模块分别进行预处理；将预处理后的影像数据和临床数据输入特征提取模块进行特征提取；然后加入超图约束，选取不同特征之间相关联的高阶特征；最后加入两种数据特征的邻接矩阵作为网络正则化约束，得到最终特征矩阵；根据临床指征选取模块选择的临床指征，将最终特征矩阵中的临床指征输入预测分类模块进行分类，得到是否需要手术的二分类结果。本发明可以对新生儿坏死性小肠结肠炎外科手术干预时机进行判断，提高患儿的诊治效率。
-
公开(公告)号：CN114581459A
公开(公告)日：2022-06-03
申请号：CN202210117033.9
申请日：2022-02-08
Applicant: 浙江大学
Abstract: 本发明提供了一种基于改进性3D U‑Net模型的学前儿童肺部影像感兴趣区域分割方法，包括：(1)收集学前儿童患者的CT影像数据进行预处理；(2)将预处理后的影像划分为训练集、验证集和测试集；(3)构建分割模型，所述分割模型采用改进的3D U‑Net网络模型，在3D U‑Net网络模型的编码器和解码器之间设计一个通道化的Transformer模块，构建UCTransNet框架，来替代U‑Net中的跳跃连接，以更好地融合编码器特性；(4)将预处理后的训练集送入到构建的分割模型中进行训练；(5)将待分割的学前儿童肺部影像输入训练好的分割模型中，得到肺部影像的感兴趣区域。本发明可以缓解学前儿童拍CT时多动导致图像质量不如成人的问题，从而从CT影像中自动并准确地分割肺部感兴趣区域。
-
公开(公告)号：CN120032774A
公开(公告)日：2025-05-23
申请号：CN202510100495.3
申请日：2025-01-22
Applicant: 浙江大学
IPC: G16H10/20 , G16H10/60 , G16H50/70 , G06F16/31 , G06F16/353 , G06F40/30 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于大语言模型的临床试验受试者筛选方法及装置，包括：获取第一文书数据；将任务指令、第一文书数据以及临床试验的筛选标准词列表构造大语言模型的输入文本；大语言模型根据输入文本获取每个筛选标准词的概率值；将正确的筛选标准词作为接受样本，剔除掉正确的筛选标准词后，按概率值从高到低采样若干个其他筛选标准词得到拒绝样本集合；利用接受样本和拒绝样本集合对大语言模型进行偏好训练，通过反向传播方式更新大语言模型的参数值；重复上述步骤，迭代训练大语言模型，并利用训练好的大语言模型，进行临床试验受试者筛选。利用本发明，可以提高模型在临床试验的受试者筛选任务中的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114898863B
公开(公告)日：2023-02-14
申请号：CN202210349721.8
申请日：2022-04-02
Applicant: 浙江大学
Abstract: 本发明公开了一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，采用手术干预时机辅助识别模型，利用该模型的具体工作过程如下：将新生儿坏死性小肠结肠炎患者的影像数据和临床数据输入数据预处理模块分别进行预处理；将预处理后的影像数据和临床数据输入特征提取模块进行特征提取；然后加入超图约束，选取不同特征之间相关联的高阶特征；最后加入两种数据特征的邻接矩阵作为网络正则化约束，得到最终特征矩阵；根据临床指征选取模块选择的临床指征，将最终特征矩阵中的临床指征输入预测分类模块进行分类，得到是否需要手术的二分类结果。本发明可以对新生儿坏死性小肠结肠炎外科手术干预时机进行判断，提高患儿的诊治效率。
-
公开(公告)号：CN115205599A
公开(公告)日：2022-10-18
申请号：CN202210879158.5
申请日：2022-07-25
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/22 , G06V10/82 , G06N3/04 , G06N3/08 , A61B6/00
Abstract: 本发明公开了一种基于域泛化模型的多年龄段儿童胸片图像肺炎分类系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的域泛化分类模型；所述的域泛化分类模型采用改进的F‑conv网络模型，包括权重层、滤波器层、共享层三个部分；对于待测的图像，输入域泛化分类模型后，通过权重组与滤波器层中对应的滤波器组进行点乘加权，将所有结果相加，获得滤波器层的输出；滤波器层的输出输入至共享层，通过多次2D的卷积，最终再通过全连接层获得模型的分类结果。利用本发明，可以让多年龄段儿童在同一模型上实现肺炎高性能分类。
-
公开(公告)号：CN114188021A
公开(公告)日：2022-03-15
申请号：CN202111520413.9
申请日：2021-12-13
Applicant: 浙江大学
IPC: G16H50/20 , G06V10/46 , G06V10/80 , G06V10/82 , G06F40/295 , G06F40/30 , G06F16/28 , G06F16/36 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合的儿童肠套叠诊断智能分析系统，包括儿童肠套叠关系抽取模型、文本特征提取模型、超声影像质控模型、结构化数据特征提取模型和特征融合模型；儿童肠套叠关系抽取模型用于构建儿童肠套叠知识图谱；文本特征提取模型用于提取原始诊断病历、超声诊断报告中的文本特征；超声影像质控模型用于提取儿童肠套叠超声影像中的图像特征；结构化数据特征提取模型用于提取儿童肠套叠实验室数据中的结构化数据特征；特征融合模型用于融合文本特征、图像特征和结构化数据特征，输出高维特征后，使用归一化函数将儿童肠套叠的预测输出映射为概率分布。本发明可以实现儿童肠套叠疾病的快速诊断，缩短诊断时间、降低假阳性率。
-
公开(公告)号：CN114037686A
公开(公告)日：2022-02-11
申请号：CN202111323780.X
申请日：2021-11-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的儿童肠套叠自动检测系统，包括训练好的同心圆检测模型，利用同心圆检测模型检测儿童腹部超声影像中的同心圆；同心圆检测模型包括特征提取网络、区域生成网络RPN以及ROI Pooling层；其中特征提取网络采用VGG16卷积神经网络，且在卷积神经网络中增加了跳跃连接层，通过跳跃连接层将卷积神经网络的浅层特征和深层次特征联合。本发明构建的模型实现了对儿童腹部肠套叠超声影像“同心圆”征象自动检测，辅助医生做识别，减少了人为评估的阅片时间的同时，提高了儿童肠套叠患者的诊断速度。
-
公开(公告)号：CN117765041B
公开(公告)日：2024-09-27
申请号：CN202311793094.8
申请日：2023-12-25
Applicant: 浙江大学
IPC: G06T7/33 , G06T7/11 , G06V10/74 , G06V10/40 , G06N3/0499 , G06N3/0464
Abstract: 本发明公开了一种基于配准增强和最优传输GAN的DSA图像生成方法，包括：(1)收集DSA图像数据集；(2)构建生成器；输入图像进入生成器后依次经过尺度分解、特征提取线性变换、自适应注意力机制、共享空间表示、整合多尺度表示后通过前馈神经网络输出生成图像；(3)构建判别器；计算生成图像与真实图像之间的光流图，将生成图像根据光流图进行空间扭曲，将扭曲后生成的图像和真实图像分别输入到深度卷积网络进行特征提取；采用深度相关矩阵比较的方法来度量两个提取特征之间的相似性；(4)构建损失函数，对生成器和判别器进行训练；(5)将待剪影的DSA图像输入训练好的生成器，生成剪影后的图像。利用本发明，可以生成更高质量的图像。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
