公开(公告)号：CN115761379A

公开(公告)日：2023-03-07

申请号：CN202211578025.0

申请日：2022-12-06

Applicant: 之江实验室

Inventor： 薛梦凡 ,  陈怡达 ,  吴元锋 ,  黄海亮 ,  朱闻韬

IPC: G06V10/764 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请涉及一种用于病理图像的分类方法、装置、设备和存储介质。方法包括：对待检测的全视野数字病理图像进行处理，得到降采样图像块；构建蒸馏与对抗网络，对蒸馏与对抗网络进行训练，从训练后的蒸馏与对抗网络中提取到分类子网络；将降采样图像块导入分类子网络中进行分类，得到初始分类结果；基于初始分类结果得到对应待检测的全视野数字病理图像的分类结果。采用本方法能够通过将小数据量的降采样图像块输入轻量的分类子网络对相应的病理图像进行快速、高效的分类。

公开(公告)号：CN115222752B

公开(公告)日：2023-01-24

申请号：CN202211138097.3

申请日：2022-09-19

Applicant: 之江实验室

Inventor： 薛梦凡 ,  陈怡达 ,  黄海亮 ,  朱闻韬

IPC: G06T7/11 ,  G06T7/00 ,  A61B6/00 ,  G06T7/90 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于特征解耦的病理图像特征提取器训练方法及装置，该训练方法通过构建特征解耦网络，同时设置六个子损失函数对网络进行约束训练，其中特征解耦网络包含多个生成对抗网络，可以将病理图像解耦分解成颜色信息特征和组织结构信息特征，在保留纯净无杂质的组织结构信息的同时消除人为造成的染色差异对网络性能的负面影响。设置的损失函数最大程度的保证颜色编码器和组织结构编码器特征提取的针对性。训练获得的特征提取器可以覆盖不同病理图像的多个颜色域并引入不同域的颜色变化，适应来自不同中心的病理图像，具有更高的泛化性能。

公开(公告)号：CN115063592B

公开(公告)日：2022-12-06

申请号：CN202210980583.3

申请日：2022-08-16

Applicant: 之江实验室

Inventor： 黄海亮 ,  朱闻韬 ,  金源 ,  薛梦凡

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G16H30/20 ,  G16H50/20 ,  G06T7/00

Abstract: 本发明公开了一种基于多尺度的全扫描病理特征融合提取方法及系统，本发明通过使用多尺度的全扫描病理特征融合提取的方式，借用多尺度的方案使得特征提取拥有更全面的信息，既有全局的整体信息，又有局部的详细信息。再结合注意力机制的加权融合方案，使得最终获取的特征，重点更加突出，更能代表全扫描病理图像。通过本发明，可以更好的获取全扫描病理图像的整体特征，从而可以协助病理科医生进行病理诊断、帮助临床医生更好的使用多模态信息进行疾病诊断时，提高多模态融合分析的准确性。

公开(公告)号：CN115063592A

公开(公告)日：2022-09-16

申请号：CN202210980583.3

申请日：2022-08-16

Applicant: 之江实验室

Inventor： 黄海亮 ,  朱闻韬 ,  金源 ,  薛梦凡

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G16H30/20 ,  G16H50/20 ,  G06T7/00

Abstract: 本发明公开了一种基于多尺度的全扫描病理特征融合提取方法及系统，本发明通过使用多尺度的全扫描病理特征融合提取的方式，借用多尺度的方案使得特征提取拥有更全面的信息，既有全局的整体信息，又有局部的详细信息。再结合注意力机制的加权融合方案，使得最终获取的特征，重点更加突出，更能代表全扫描病理图像。通过本发明，可以更好的获取全扫描病理图像的整体特征，从而可以协助病理科医生进行病理诊断、帮助临床医生更好的使用多模态信息进行疾病诊断时，提高多模态融合分析的准确性。

公开(公告)号：CN113516210A

公开(公告)日：2021-10-19

申请号：CN202111075570.3

申请日：2021-09-14

Applicant: 之江实验室

Inventor： 朱闻韬 ,  金源 ,  黄海亮 ,  薛梦凡

IPC: G06K9/62 ,  G06T7/00

Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。