公开(公告)号：CN110084297A

公开(公告)日：2019-08-02

申请号：CN201910327483.9

申请日：2019-04-23

Applicant: 东华大学

Inventor： 李继云 ,  王伟鹏 ,  李凯华 ,  孙莉 ,  乐嘉锦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H50/20 ,  G16H50/50

Abstract: 本发明基于编码-解码模型，公开了一种面向小样本的影像语义对齐结构，是人工智能领域下医学影像报告自动生成的辅助诊疗模型。该结构主要分为三大层次结构：预处理层、编码层和解码层。预处理层包含图像增强、图像分割、图像矩阵转换以及标签对齐；编码层主要利用卷积神经网络(Convolutional Neural Network，CNN)编码器提取图像特征；解码层主要利用长短期记忆网络(long short-term memory，LSTM)循环网络解码文本匹配。本发明的对齐结构通过调整图像编码层中卷积网络的结构，以适应小样本图像描述的生成。

公开(公告)号：CN110084297B

公开(公告)日：2023-09-15

申请号：CN201910327483.9

申请日：2019-04-23

Applicant: 东华大学

Inventor： 李继云 ,  王伟鹏 ,  李凯华 ,  孙莉 ,  乐嘉锦

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G16H50/50 ,  G16H50/20

Abstract: 本发明基于编码‑解码模型，公开了一种面向小样本的影像语义对齐系统，是人工智能领域下医学影像报告自动生成的辅助诊疗模型。该系统主要分为三大层次结构：预处理层、编码层和解码层。预处理层包含图像增强、图像分割、图像矩阵转换以及标签对齐；编码层主要利用卷积神经网络(Convolutional Neural Network，CNN)编码器提取图像特征；解码层主要利用长短期记忆网络(long short‑term memory，LSTM)循环网络解码文本匹配。本发明的对齐系统通过调整图像编码层中卷积网络的结构，以适应小样本图像描述的生成。

公开(公告)号：CN110085290A

公开(公告)日：2019-08-02

申请号：CN201910256713.7

申请日：2019-04-01

Applicant: 东华大学

Inventor： 李继云 ,  孙莉 ,  黄鹏 ,  顾莹莹 ,  李凯华 ,  乐嘉锦

IPC: G16H15/00 ,  G06F16/31 ,  G06F16/34 ,  G06F16/36

Abstract: 本发明涉及一种支持异构信息集成的乳腺钼靶报告语义树模型建立方法，其特征在于，包括以下步骤：形成乳腺癌钼靶影像表现文本描述的文本规范化数据库；实时获取乳腺癌钼靶影像表现的文本描述，根据语义信息基于文本规范化数据库对文本描述进行短语的划分；获得实体的语义约束；形成文本描述的语义树。本发明通过构建乳腺钼靶语义树的方式实现将来自不同医院的、不同医生的、复杂的乳腺癌钼靶影像的文本信息结构化，实现异构信息的基于语义的集成。