-
公开(公告)号：CN117576127A
公开(公告)日：2024-02-20
申请号：CN202410067270.8
申请日：2024-01-17
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06V10/28 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于病理图像的肝癌区域自动勾画方法，具体涉及肝癌病理图像预测技术领域。本申请基于肝癌病理图像建立了预测肝癌癌区的模型流程，并且模型效果较好，其中dice值达到0.92，具体的是构建了深度学习病理图片识别模型，具体的是通过深度学习勾画癌区、再利用影像组学提取特征并根据特征训练模型以及判别任务，具备步骤详细、方案清晰和预测准确的优点；解决了医生看病理图片费时标注癌区费力的问题，并且也避免出现假阳性患者浪费医疗资源，分析准确率高；通过预测时截取patches中心部分预测并应用于patches其他区域，有效节约了模型训练与预测的时间，同时模型训练与预测精度损失也较小。
-
公开(公告)号：CN117290686A
公开(公告)日：2023-12-26
申请号：CN202311560971.7
申请日：2023-11-22
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/20 , G16H50/20 , G06F18/10 , G06F18/2113 , G06F18/2411 , G06F18/2413 , G06F18/243 , A61B5/11 , A61B5/00
Abstract: 本发明涉及一种预测患者跌倒风险的模型的构建方法，该构建方法包括：数据的采集、数据的预处理以及模型构建等步骤。本发明针对平衡能力数据以及步态能力数据，通过筛选出与平衡能力数据相关性较高的第一风险特征以及与步态能力数据相关性较高的第二风险特征，采用8种二分类的机器学习模型针对平衡能力和步态能力分别进行模型构建，并分别计算7种模型评价指标，分别选取AUROC最高的预测患者跌倒风险的模型作为最终模型，该模型能够实现对患者步态和平衡能力的快速预测，模型效果较好，且得到的评估结果更加能体现真实的平衡能力与步态能力，提高了患者跌倒风险预测结果的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119228789B
公开(公告)日：2025-03-14
申请号：CN202411727880.2
申请日：2024-11-28
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T5/40 , G06T5/70 , G06T7/136 , G06T7/194 , G06T7/90 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种面向病理图像的基于大模型的图像分析和诊断方法及系统，涉及图像处理技术领域。具体公开了面向病理图像的基于大模型的图像分析和诊断方法，包括：将多个病理图像类型、多个癌种的多个病理图像进行归一化处理，并对各病理图像进行前景提取；将每个病理图像前景进行归一化处理后，将处理后的各病理图像前景切分为多个patch图像块；对每个病理图像的多个patch图像块进行癌种预测训练。本发明能够快速定位到病理图像的显著区域，从而实现更高效、准确的病理图像的疾病癌种预测。
-
公开(公告)号：CN117576127B
公开(公告)日：2024-04-19
申请号：CN202410067270.8
申请日：2024-01-17
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06V10/28 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于病理图像的肝癌区域自动勾画方法，具体涉及肝癌病理图像预测技术领域。本申请基于肝癌病理图像建立了预测肝癌癌区的模型流程，并且模型效果较好，其中dice值达到0.92，具体的是构建了深度学习病理图片识别模型，具体的是通过深度学习勾画癌区、再利用影像组学提取特征并根据特征训练模型以及判别任务，具备步骤详细、方案清晰和预测准确的优点；解决了医生看病理图片费时标注癌区费力的问题，并且也避免出现假阳性患者浪费医疗资源，分析准确率高；通过预测时截取patches中心部分预测并应用于patches其他区域，有效节约了模型训练与预测的时间，同时模型训练与预测精度损失也较小。
-
公开(公告)号：CN117174319B
公开(公告)日：2024-03-01
申请号：CN202311452738.7
申请日：2023-11-03
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G06N5/022 , G06N3/0464
Abstract: 本发明涉及一种基于知识图谱的脓毒症时序预测方法及系统；该方法包括：获取脓毒症患者的时序诊次信息，形成诊次数据集；基于CCS或ICD编码技术，构建医学本体图谱；基于医学本体图谱，构建目标脓毒症患者的诊次图谱；基于诊次图谱，生成诊次邻接矩阵和诊次特征矩阵；将诊次邻接矩阵和诊次特征矩阵分别输入至ST‑GCN网络模型中，得到目标脓毒症患者诊次T的诊断预测结果。本发明通过将脓毒症患者患者的时序诊次信息和医学知识图谱相结合，实现全流程端到端预测，不仅有利于模型提取出患者更准确的表征，提升模型预测的准确性，还能够对大量减少医生的工作量，节省医疗资源。
-
公开(公告)号：CN117423479A
公开(公告)日：2024-01-19
申请号：CN202311746772.5
申请日：2023-12-19
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明公开了一种基于病理图像数据的预测方法及系统，涉及图像处理技术领域。取癌细胞切除术后患者的病理切片数据集；获得部分或全部病理切片数据集的每张病理切片样本的ROI癌区；对所有ROI癌区中的细胞核进行分割处理；根据分割处理后的病理切片样本分别提取病理学特征数据；采集多组患者预测训练数据；每组患者预测训练数据均包括分割处理前的病理切片样本，该病理切片样本的一组病理学特征数据，以及患者术后预测结果；通过多组患者预测训练数据训练得到临床患者预测训练模型；将待预测患者病理切片输入临床患者预测训练模型，得到患者术后预测结果，能够更加准确、快速地预测患者的临床结局。
-
公开(公告)号：CN116758100A
公开(公告)日：2023-09-15
申请号：CN202311037480.4
申请日：2023-08-17
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11 , G06V10/82 , G06V10/764 , G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体为一种3D医学图像分割系统及方法，本方法包括构建Prompt‑nnUnet模型，模型包括Prompt编码器和nnUnet模型框架，nnUnet模型框架包括nnUnet编码器和nnUnet解码器，Prompt编码器产生的向量与nnUnet解码器的输出的特征图进行CrossAttention，再进行卷积操作，输出分割结果，对模型进行训练，采用nnUnet模型框架得出目标区域，基于目标区域体对角上的两个点作为Prompt点信息输入模型中，得出最终分割结果；通过本发明构建的模型具备了Prompt能力以及nnunet本身的实例分类能力，分割效果更佳。
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
