-
公开(公告)号：CN112541555B
公开(公告)日：2025-04-29
申请号：CN202011534218.7
申请日：2020-12-22
Applicant: 中国医学科学院北京协和医院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于深度学习的分类器模型的训练方法，包括：从第一数据集中的原始医学图像中获取感兴趣区域图像以形成第二数据集；对第二数据集的图像进行常规增强后得到初步扩充图像以形成第三数据集；利用生成式对抗网络模型的生成器生成对应感兴趣区域图像的进一步扩充图像以形成第四数据集；利用第二数据集的一部分图像训练分类器模型；分别利用第二数据集的另一部分图像、第三数据集、第四数据集验证模型的分类准确率并得到近似相等的准确率值q1、q2、q3；利用第二、第三及第四数据集重新训练分类器模型并得出准确率值q4，q4分别大于q1、q2或q3。本发明能够在保证图像深层次特征没改变的情况下扩充训练集，从而提高模型的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN112489068B
公开(公告)日：2025-01-07
申请号：CN202011529133.X
申请日：2020-12-22
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于卷积神经网络的医学图像分割的方法，该方法包括如下步骤：对所述医学图像进行预处理，得到第一图像数据和第二图像数据；基于卷积神经网络模型构造图像分割模型，分别得到第一图像模型和马尔可夫图像模型；对所述第一图像模型进行迭代，根据迭代结果训练所述马尔可夫图像模型，最后输出训练后的所述马尔可夫图像模型的图像分割结果。本发明提供的方法通过引入全连接条件随机场和马尔可夫网络，所述第一图像模型和所述马尔可夫模型都是深度神经网络模型，极大地增强了神经网络的学习能力，建立起原始图像到灰度图像的准确映射，可以提升图像的质量，减少因模糊图像而出现医生判断错误的情况，提高医生对病情的判断。
-
公开(公告)号：CN112541555A
公开(公告)日：2021-03-23
申请号：CN202011534218.7
申请日：2020-12-22
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于深度学习的分类器模型的训练方法，包括：从第一数据集中的原始医学图像中获取感兴趣区域图像以形成第二数据集；对第二数据集的图像进行常规增强后得到初步扩充图像以形成第三数据集；利用生成式对抗网络模型的生成器生成对应感兴趣区域图像的进一步扩充图像以形成第四数据集；利用第二数据集的一部分图像训练分类器模型；分别利用第二数据集的另一部分图像、第三数据集、第四数据集验证模型的分类准确率并得到近似相等的准确率值q1、q2、q3；利用第二、第三及第四数据集重新训练分类器模型并得出准确率值q4，q4分别大于q1、q2或q3。本发明能够在保证图像深层次特征没改变的情况下扩充训练集，从而提高模型的分类准确率。
-
公开(公告)号：CN112529094A
公开(公告)日：2021-03-19
申请号：CN202011529678.0
申请日：2020-12-22
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种医学图像分类识别方法，包括以下步骤：将三维医学图像的点展开为二维图像并且进行分类以形成训练集和验证集；建立用于图像识别的VGG16卷积神经网络预训练模型；修改VGG16卷积神经网络预训练模型为医学图像识别模型；在医学图像识别模型中导入训练集的图像数据以调整模型的参数；以及在医学图像识别模型中导入验证集的图像数据以验证分类的正确率。本发明还公开了一种医学图像分类识别系统。本发明通过迁移学习的方式，重新调整相似模型的结构和参数，训练出一个训练时间短、准确度高的图像识别模型。
-
公开(公告)号：CN112530552A
公开(公告)日：2021-03-19
申请号：CN202011548432.8
申请日：2020-12-24
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种分布式计算病患诊断系统，包括人工智能特征分析模块、数据存储模块和综合判断模块，人工智能特征分析模块包括多个人工智能模型，数据存储模块分为图像特征数据存储单元、基本信息特征存储单元和病患特征分析对应表，综合判断模块包括第一判断模块和第二判断模块。本发明与现有技术相比的优点在于：有助于医生全方面了解病患的医学特征，避免单一的医学特征而出现错诊和漏诊的情况，能够减少人工阅片所消耗的时间，人工智能能够更加快速的进行病情的诊断，极大减少诊断时间的同时还能够降低医疗投入成本，将医生的留在更加重要的工作上，因此具有很大是使用价值和很好的市场前景。
-
公开(公告)号：CN112489068A
公开(公告)日：2021-03-12
申请号：CN202011529133.X
申请日：2020-12-22
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于卷积神经网络的医学图像分割的方法，该方法包括如下步骤：对所述医学图像进行预处理，得到第一图像数据和第二图像数据；基于卷积神经网络模型构造图像分割模型，分别得到第一图像模型和马尔可夫图像模型；对所述第一图像模型进行迭代，根据所述迭代结果训练所述马尔可夫图像模型，最后输出训练后的所述马尔可夫图像模型的图像分割结果。本发明提供的方法通过引入全连接条件随机场和马尔可夫网络，所述第一图像模型和所述马尔可夫模型都是深度神经网络模型，极大地增强了神经网络的学习能力，建立起原始图像到灰度图像的准确映射，可以提升图像的质量，减少因模糊图像而出现医生判断错误的情况，提高医生对病情的判断。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
