公开(公告)号：CN117668760A

公开(公告)日：2024-03-08

申请号：CN202311723065.4

申请日：2023-12-15

Applicant: 浙江大学

Inventor： 金心宇 ,  尚珂珂 ,  金昀程 ,  孙斌

IPC: G06F18/25 ,  G06F18/2415 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明涉及深度学习技术领域，公开了一种基于深度学习的多模态免疫抑制剂相关肺炎分类方法，包括采集获得CT影像和电子病历，电子病历包括大病历和检测报告，然后将CT影像和电子病历输入到多模态CIP肺炎分类网络进行分类预测，获得分类结果和概率；多模态CIP肺炎分类网络包括图像特征提取网络、文本特征提取网络和张量融合模块。本发明的多模态的CIP肺炎分类网络对CT影像模态和病历、检测报告的文字模态相结合的多模态数据进行特征提取处理，通过张量融合模块整合多模态特征信息，实现了依靠深度神经网络模型自动提取多模态进行免疫抑制剂相关肺炎分类。

公开(公告)号：CN116486433A

公开(公告)日：2023-07-25

申请号：CN202310368849.3

申请日：2023-04-10

Applicant: 浙江大学

Inventor： 金心宇 ,  叶璐安 ,  金昀程

IPC: G06V40/10 ,  G06V40/20 ,  G06V20/54 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明涉及视觉图像识别技术领域，具体是基于交叉自蒸馏Transformer重识别网络的重识别方法,包括构建交叉自蒸馏Transformer重识别网络并建立训练集和测试集，将预处理后的训练集图像输入网络进行训练；将数据增强处理后的测试集分为query和gallery两部分并输入训练好交叉自蒸馏Transformer重识别网络中的ViT基础网络，获得图像特征并进行相似度计算和结果评估获得可在线使用的网络；本发明还同时提供了在线使用网络的方法。本发明将知识蒸馏和交叉自注意力计算结合，加强了不同输入样本的联系，引入知识蒸馏方法，使得仅用ViT基础网络的输出特征也能达到交叉自注意力模块得到的特征效果。

公开(公告)号：CN114862868A

公开(公告)日：2022-08-05

申请号：CN202210302760.2

申请日：2022-03-24

Applicant: 浙江大学

Inventor： 金心宇 ,  吴锦毅 ,  陈榕 ,  金昀程 ,  楼敏

IPC: G06T7/11 ,  G06T7/33 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于CT灌注源数据的脑卒中最终梗死区分割方法，包括获取同一个患者的具有时间序列的CT灌注源图像数据，并输入到上位机中利用软件进行配准，对配准后CT灌注源图像进行归一化处理和采样处理得到16个图像帧；将16个图像帧输入到LSTM‑UNET网络进行图像分割，得到具有目标区域标记的分割结果图像；LSTM‑UNET网络包括依次连接的双向ConvLSTM网络和SE‑Unet网络，在U‑Net基线网络的4个编码器分支之间分别插入一个多尺度SE模块构成SE‑Unet网络。本发明利用CT灌注源数据中的时序信息，提高了脑梗死区域的图像分割能力，获得更精确的分割结果。

公开(公告)号：CN114822737A

公开(公告)日：2022-07-29

申请号：CN202210343260.3

申请日：2022-03-31

Applicant: 浙江大学

Inventor： 金心宇 ,  龚善超 ,  张杰

IPC: G16H10/60 ,  G16H50/20 ,  G16H50/70 ,  G06F16/33 ,  G06F16/35 ,  G06F40/289 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于电子病历的李氏人工肝术前诊疗系统，包括病历管理子系统和智能分析子系统，病历管理子系统包括电子病历记录上传单元、数据库存储单元和搜索引擎单元，智能分析子系统包括基于注意力的多特征融合预测单元；基于注意力的多特征融合预测单元包括文本数据特征提取网络、数值数据提取网络和特征融合分类网络，文本数据特征提取网络和数值数据提取网络的输出同时作为特征融合分类网络的输入，本发明还同时公开了利用一种基于电子病历的李氏人工肝术前诊疗系统的使用方法。通过本发明可以对电子病历信息中的纯本文类数据和检验数值数据采用深度学习网络进行分析并给出分类结果。

公开(公告)号：CN114820450A

公开(公告)日：2022-07-29

申请号：CN202210309520.5

申请日：2022-03-27

Applicant: 浙江大学

Inventor： 金心宇 ,  张杰 ,  龚善超

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B6/00 ,  A61B6/03

Abstract: 本发明公开了适宜李氏人工肝治疗的CT血管造影图像分割方法，获取肝部CT血管造影图像，在上位机中将肝部CT血管造影图像进行数据增强处理后获得的图像输入至CT血管造影图像分割网络，获得二维分割结果影像和分类结果；CT血管造影图像分割网络包括UNet++图像分割网络和ResNet‑Att图像分类网络；ResNet‑Att图像分类网络包括以ResNet50‑base为基础预测网络加入改进后的Attention自注意力模块。本发明适宜李氏人工肝治疗的CT血管造影图像分割方法可有效地用于对病人肝脏CT影像进行分割和分类。

公开(公告)号：CN113095382B

公开(公告)日：2022-07-26

申请号：CN202110337007.2

申请日：2021-03-30

Applicant: 浙江大学

Inventor： 金心宇 ,  马云龙 ,  余晨洋 ,  金昀程

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于CT图像的可解释性肺结核分类网络识别方法，包括以下步骤：获取待测人员肺部计算机断层成像CT图像，将肺实质图像进行归一化处理并缩放；建立并训练可解释性肺结核分类网络，可解释性肺结核分类网络以残差网络为基础网络并加入Dense思想和改进后的注意力机制而建立；将归一化处理并缩放到512x512大小的肺实质图像送入到训练好的可解释性肺结核分类网络，得到并在上位机中输出待测人员肺结核的分类结果和相应的类激活热力图。本发明能根据对待测人员CT图像实现获得待测人员肺结核的分类结果和输出相应的类激活热力图。

公开(公告)号：CN114740388A

公开(公告)日：2022-07-12

申请号：CN202210349477.5

申请日：2022-04-01

Applicant: 浙江大学

Inventor： 金心宇 ,  陈民申 ,  任泽华 ,  金昀程

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/3842 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进TCN的锂电池剩余寿命状态评估方法，获取锂电池的循环工况下实测电压和电流数据，并进行数据分片、安时积分和平均化处理后得到的循环周期与实际容量序列作为A‑TCN‑DAE模型的输入，预测得到电池容量数据Capcur，然后递推预测电池后续容量，直到Capcur≤CapEOL，结束递推预测，统计达到EOL容量的剩余循环周期数获得电池当前剩余寿命。本发明锂电池剩余寿命状态评估方法有较强的局部特征捕获能力以及对输入数据降噪重构的自适应能力，对电池剩余使用寿命RUL估算的精准度与现有深度学习网络技术相比有了明显的提升。

公开(公告)号：CN114581550A

公开(公告)日：2022-06-03

申请号：CN202210176538.2

申请日：2022-02-25

Applicant: 浙江大学

Inventor： 白瑞良 ,  程昭玮 ,  金心宇

IPC: G06T11/00 ,  G06T5/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于跨域网络的磁共振成像降采样轨迹及重建网络方法，其特征在于，所述方法包括：获取头部MR图像，经过预处理后，通过傅里叶变换得到仿真全采样k空间数据；将仿真全采样k空间数据的实部和虚部进行分离。独立保存在两个同维度的矩阵中，然后合并为两个通道作为跨域网络的输入；构建跨域网络，包括降采样层、逆傅里叶变换层和空间域重建层，概率化降采样层模拟降采样轨迹；逆傅里叶变换层将降采样后的k空间数据重建得到MR图像；空间域重建网络将模糊的MR图像重建恢复出细节内容；输入进行训练，得到训练完成后的跨域网络；使用训练完成后的跨域网络对头部MR图像进行采集和重建。该方法可以有效提升磁共振成像的重建效果。

公开(公告)号：CN108416276B

公开(公告)日：2022-05-24

申请号：CN201810143888.2

申请日：2018-02-12

Applicant: 浙江大学

Inventor： 金心宇 ,  张琳 ,  孙斌

IPC: G06V40/20 ,  G06V10/774 ,  G06K9/62

Abstract: 本发明公开了一种基于人的侧面步态视频的异常步态检测方法，通过常见的普通相机或手机采集侧面步态视频，从中提取人的步幅变化特征、身体前倾特征，并使用正常步态的特征信息训练单分类支持向量机模型，可快速有效检测对应步态为正常或异常。本发明无需专用检测设备，无需在特定的场所进行步态检测，灵活度高。本发明在通过步态视频提取步态特征时考虑身体前倾特点，并能有效避免异常步态检测模型的检测能力受异常训练数据影响，提高检测准确率。本发明仅需要采用正常步态信息的特征训练单分类支持向量机模型，训练样本少，能够快速准确地检测步态正常/异常，从而协助医生进行异常步态的诊断，提高医生的工作效率。

公开(公告)号：CN114359194A

公开(公告)日：2022-04-15

申请号：CN202111606856.X

申请日：2021-12-27

Applicant: 浙江大学

Inventor： 金心宇 ,  陈榕 ,  赵晗 ,  金昀程 ,  陈智鸿

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进U‑Net网络的多模态脑卒中梗死区域图像处理方法，获取患者的脑部医学影像并输入到上位机中，包括脑血流量图、脑血容量图和弥散加权成像影像，使用综合分析工具库3D Slicer对同一患者的脑血流量图和脑血容量图的2个模态的数据，以弥散加权成像影像为基准进行匹配，获得配准后的NIFIT格式文件；使用训练好的U‑NetAttention网络对配准后的NIFIT格式文件进行分割得到二维分割结果影像，并在上位机中显示输出结果影像。本发明通过空间和通道注意力权重的计算，加强对底层特征图中对最终梗死区域分割结果相关的区域的关注度，从而提升模型的预测水平。