-
公开(公告)号：CN118782251B
公开(公告)日：2025-03-28
申请号：CN202411266240.6
申请日：2024-09-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置，包括：增强CT肝脏自动分割模块，用于基于增强CT图像获取全肝掩码；增强CT肝癌自动分割模块，用于基于增强CT图像和全肝掩码获取肝癌掩码；基于全肝影像和深度学习的复发风险预测模块，用于基于增强CT图像和全肝掩码获取全肝感兴趣区域，并结合肝癌掩码作为共同输入，预测风险评分，并生成与复发风险相关的显著性图。本发明通过对包括肿瘤在内的全肝影像区域建模分析，充分挖掘肿瘤内和肿瘤外肝脏实质中重要的复发风险相关信息，该系统性能超出了传统临床模型和基于肿瘤的模型，并且具有全自动和非侵入性的优点，有助于改进对肝癌患者的个性化管理。
-
公开(公告)号：CN118782251A
公开(公告)日：2024-10-15
申请号：CN202411266240.6
申请日：2024-09-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置，包括：增强CT肝脏自动分割模块，用于基于增强CT图像获取全肝掩码；增强CT肝癌自动分割模块，用于基于增强CT图像和全肝掩码获取肝癌掩码；基于全肝影像和深度学习的复发风险预测模块，用于基于增强CT图像和全肝掩码获取全肝感兴趣区域，并结合肝癌掩码作为共同输入，预测风险评分，并生成与复发风险相关的显著性图。本发明通过对包括肿瘤在内的全肝影像区域建模分析，充分挖掘肿瘤内和肿瘤外肝脏实质中重要的复发风险相关信息，该系统性能超出了传统临床模型和基于肿瘤的模型，并且具有全自动和非侵入性的优点，有助于改进对肝癌患者的个性化管理。
-
公开(公告)号：CN118471481B
公开(公告)日：2024-09-27
申请号：CN202410910661.1
申请日：2024-07-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大模型和人工智能代理的医学多模态辅助诊疗系统，该系统包括：用于接收和预处理医学相关临床问题和医学影像数据的数据输入与预处理模块；用于采用深度学习方法和大模型AI‑Agent对预处理后的医学数据进行综合智能分析的综合智能分析模块；用于使用AI‑Agent对综合智能分析结果进行整合以生成诊断报告的诊断报告生成模块；用于将诊断报告和分析数据打包后导出的报告导出与数据打包模块。本发明能够生成易于理解的诊断报告，为医生提供即时的诊断参考；不仅提高了医疗影像分析的效率，还通过生成详细的诊断报告，改善医患沟通的质量；本发明实现方法灵活，易于集成于现有医疗系统中，显著提高诊疗质量和效率。
-
公开(公告)号：CN118587443A
公开(公告)日：2024-09-03
申请号：CN202411074124.4
申请日：2024-08-07
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/09 , G06N3/096 , G06N3/042 , G06V10/764
Abstract: 本发明公开了一种基于自训练和先验引导的图像分割方法和装置，该方法包括：对原始图像数据集进行标注，生成对应的真实掩码；使用含有真实掩码的图像对伪掩码生成网络进行训练，训练好的伪掩码生成网络用于根据不含掩码的图像生成伪掩码；从掩码图像中提取边界，生成边界图像；所述掩码图像包括真实掩码图像和伪掩码图像；基于原始图像及其对应的掩码图像和边界图像拼接成三通道图像；所述三通道图像用于训练图像分割模型，训练好的图像分割模型用于对待求图像进行分割。在计算资源和数据有限的情况下，本发明方法可以最大限度的减少训练参数量的同时发挥现有大模型的优势。本发明方法还可以加强分割模型的先验知识，进一步提升图像分割的结果。
-
公开(公告)号：CN118332508B
公开(公告)日：2024-08-23
申请号：CN202410767443.7
申请日：2024-06-14
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种面向模态缺失的多模态融合处理方法、电子设备、介质，所述方法包括：获取第一模态数据和与其一一对应的第二模态数据；将第一模态数据和第二模态数据输入至预先训练好的业务预测模型，得到业务预测值；其中，业务预测模型的执行过程包括：对第一模态数据进行特征提取，得到第一模态特征；当第二模态数据存在时，对第二模态数据进行特征提取，得到第二模态特征；当第二模态数据不存在时，通过第一模态特征生成第二模态特征；第一模态特征和第二模态特征经特征融合后，得到业务预测值。
-
Patent Agency Ranking
公开(公告)号：CN118471481A
公开(公告)日：2024-08-09
申请号：CN202410910661.1
申请日：2024-07-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大模型和人工智能代理的医学多模态辅助诊疗系统，该系统包括：用于接收和预处理医学相关临床问题和医学影像数据的数据输入与预处理模块；用于采用深度学习方法和大模型AI‑Agent对预处理后的医学数据进行综合智能分析的综合智能分析模块；用于使用AI‑Agent对综合智能分析结果进行整合以生成诊断报告的诊断报告生成模块；用于将诊断报告和分析数据打包后导出的报告导出与数据打包模块。本发明能够生成易于理解的诊断报告，为医生提供即时的诊断参考；不仅提高了医疗影像分析的效率，还通过生成详细的诊断报告，改善医患沟通的质量；本发明实现方法灵活，易于集成于现有医疗系统中，显著提高诊疗质量和效率。
-
公开(公告)号：CN118332508A
公开(公告)日：2024-07-12
申请号：CN202410767443.7
申请日：2024-06-14
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种面向模态缺失的多模态融合处理方法、电子设备、介质，所述方法包括：获取第一模态数据和与其一一对应的第二模态数据；将第一模态数据和第二模态数据输入至预先训练好的业务预测模型，得到业务预测值；其中，业务预测模型的执行过程包括：对第一模态数据进行特征提取，得到第一模态特征；当第二模态数据存在时，对第二模态数据进行特征提取，得到第二模态特征；当第二模态数据不存在时，通过第一模态特征生成第二模态特征；第一模态特征和第二模态特征经特征融合后，得到业务预测值。
-
公开(公告)号：CN111640120B
公开(公告)日：2023-08-29
申请号：CN202010274508.6
申请日：2020-04-09
Applicant: 之江实验室
IPC: G06T7/11 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于显著性密集连接扩张卷积网络的胰腺CT自动分割方法。该方法在从粗到细的两步分割框架下，以密集连接扩张卷积网络为基础卷积网络架构，以获得目标多尺度的图像特征表达。在粗分割阶段预测胰腺的初始分割概率图。然后通过基于测地距离变换的显著性变换，计算显著性图，并将显著性模块引入密集连接扩张卷积网络的特征提取层中，构建显著性密集连接扩张卷积网络作为精分割网络模型。利用训练样本集分别训练粗分割模型和精分割模型。新的测试数据分别通过粗分割模型和精分割模型，再对多层二维分割结果融合，获得最终胰腺精准分割结果。本发明具有自动化、精度高、可迁移扩展的特点，可以实现以胰腺为代表的小器官的自动精准分割。
-
公开(公告)号：CN116342628B
公开(公告)日：2023-08-08
申请号：CN202310633451.8
申请日：2023-05-31
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/90 , G06N3/08 , G06N3/0455
Abstract: 本申请涉及一种病理图像分割方法、装置和计算机设备。所述方法包括：获取预设的待分割染色病理图像；其中，待分割染色病理图像携带有针对目标区域的第一颜色特征信息；根据待分割染色病理图像以及第一颜色特征信息，得到染剂引导信息；将待分割染色病理图像输入至预先训练的目标图像分割模型，得到待分割染色病理图像对应的初始特征提取信息，并将染剂引导信息和初始特征提取信息进行拼接处理，得到拼接特征信息；将拼接特征信息输入至目标图像分割模型中的特征卷积层进行特征提取处理，得到针对待分割染色病理图像中目标区域的目标分割结果。采用本方法能够解决对于病理图像或对于其他图像分割的准确性低的问题。
-
公开(公告)号：CN115187783B
公开(公告)日：2022-12-27
申请号：CN202211099106.2
申请日：2022-09-09
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于联邦学习的多任务混合监督医疗图像分割方法及系统，包括：基于各种弱监督数据以及完全监督和未标记数据的数据采集模块；基于联邦学习的第一阶段多任务网络模型模块，基于第二阶段伪标签生成模块，基于第二阶段动态样本选择模块，基于不同阶段的联邦模型动态更新模块。本发明打破了单一标签类型的限制，提出一种基于联邦学习的多任务混合模型架构，通过检测任务辅助医学图像分割任务联合各方数据进行协同建模，确保患者隐私的基础上，打破各方的数据孤岛，不仅充分地挖掘多机构数据的潜能和深层价值，而且充分利用任务之间的关系进而挖掘有效的上下文特征，实现不同层次特征之间的信息互补，进而提高模型的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
