-
公开(公告)号：CN117612711A
公开(公告)日：2024-02-27
申请号：CN202410087069.6
申请日：2024-01-22
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/20 , G06F18/213 , G06F18/25 , G06F18/24
Abstract: 本发明公开了一种分析肝癌复发数据的多模态预测模型构建方法及系统，通过将临床文本、影像、病理多个模态数据进行整合，基于多种模态数据和多种融合策略构建了分析肝癌复发数据的多模态预测模型，相比单模态建模，多模态建模能提高模型预测的准确性，弥补单一数据的局限性，本方案对各个模态的特征进行单独调优，全面反映肝癌复发数据的复杂机制，对于肝癌复发数据的分析更为完备，还能增强模型的泛化能力，更好地适用于医学应用场景，辅助临床决策。
-
Patent Agency Ranking
公开(公告)号：CN116703896B
公开(公告)日：2023-10-24
申请号：CN202310963187.4
申请日：2023-08-02
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于多模态的前列腺癌与增生预测系统及构建方法；本方法包括采集患者的临床数据以及前列腺序列的CT影像，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注，经VIT算法模型处理后得出患者的前列腺影像embedding，对患者的临床数据进行预处理后得到患者的临床embedding，将对应的影像和临床embedding进行拼接，得到前列腺癌与增生预测模型；本发明通过将临床数据与影响数据进行结合形成多模态数据，并构建预测模型，实现对前列腺癌与增生的预测，解决了临床上医生对PSA值处于4到6的患者影像判断的挑战，避免患者做活检带来的痛苦。
-
公开(公告)号：CN116665017A
公开(公告)日：2023-08-29
申请号：CN202310939774.X
申请日：2023-07-28
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/82 , G16H50/20 , G06N3/0464 , G06N7/01 , G06N20/00 , G06V10/25 , G06V10/40 , G06V10/764
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于影像组学的前列腺癌预测系统及构建方法；本发明系统包括采集模块，用于采集前列腺患者的影像序列，标注模块，用于对前列腺区域进行ROI标注，特征提取模块，用于进行特征提取，特征筛选模块，用于选出前列腺影像序列的重要特征，预测模型构建模块，用于通过重要特征，基于随机森林、XGBoost，朴素贝叶斯、k最近邻、支持向量机、逻辑回归、决策树和adaboost分别构建模型，评价模块，用于计算模型的评价指标，采用评价指标最优的模型作为最后的前列腺癌预测模型，预测模块，用于预测待测者的前列腺癌风险；通过本发明实现对前列腺癌的评估，解决需要活检造成患者痛苦的问题。
-
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：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
16
records
(took 0.033 seconds)
