-
公开(公告)号：CN119888384A
公开(公告)日：2025-04-25
申请号：CN202510380938.9
申请日：2025-03-28
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统。一方面，将Med3D网络中的骨干网络作为深度特征提取器构建目标网络，并用多模态3D磁共振影像数据对目标网络进行微调训练得到相应的卵巢肿瘤分类网络，以用于获取深度特征以及肿瘤分类结果。另一方面，提取肿瘤感兴趣区域的组学特征，并得到组学预测模型对应的肿瘤分类结果。此外，将深度特征和组学特征进行融合并通过KNN分类算法得到相应的分类结果。最后，根据以上三个分类结果的加权平均得到最终的卵巢肿瘤交恶性分类结果。本发明通过综合多种模型和算法，实现对卵巢肿瘤患者的多模态MRI影像数据进行更加全面的特征挖掘和分析，从而提高最终的卵巢肿瘤分类效果。
-
公开(公告)号：CN118916842B
公开(公告)日：2025-03-11
申请号：CN202411412220.5
申请日：2024-10-11
Applicant: 之江实验室
Abstract: 本发明公开了基于知识蒸馏的缺失多模态数据动态融合方法、系统及装置，基于分类网络构建多个单模态教师模型，通过每种单个模态数据对分类网络分别训练，得到对应的单模态教师模型；基于门限网络和一系列专家网络构建多模态动态融合网络，门限网络用于决定哪些专家网络被激活，输出一个one‑hot的向量，向量的长度为专家网络的个数，每个专家网络使用的数据是多个模态的子集进行特征融合，通过包含完整模态的数据训练完成后的多模态动态融合网络作为学生模型；利用教师模型对学生模型进行蒸馏训练，将实际获取的多模态数据输入到多模态动态融合网络，得到类别预测结果。本发明能够提高数据的有效利用率并提高多模态模型的预测准确性。
-
公开(公告)号：CN119577166A
公开(公告)日：2025-03-07
申请号：CN202510133907.3
申请日：2025-02-06
Applicant: 之江实验室
IPC: G06F16/51 , G06F16/535 , G06F16/587
Abstract: 本说明书公开了一种球面网格分片的查询方法、装置、存储介质及电子设备，当用户需要对球面的网格分片进行查询时，终端仅需确定出球面的待查询区域的待查询索引，将包括待查询索引的球面网格分片查询请求发送至服务器。服务器可在根据包括待查询索引的球面网格分片查询请求及预先构建的球面网格数据集合中，确定出目标球面网格数据，返回至终端。终端接收目标球面网格数据并展示。本方法无需终端进行球面剖分，仅需确定待查询索引，减少了终端所需计算资源负载，提高了查询效率。
-
公开(公告)号：CN118822851B
公开(公告)日：2025-02-14
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
公开(公告)号：CN118822851A
公开(公告)日：2024-10-22
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN118471485B
公开(公告)日：2024-10-22
申请号：CN202410933094.1
申请日：2024-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于斜率截断功能连接矩阵的疾病预测系统、设备及介质，包括从静息态脑功能磁共振图像提取每个脑区的时间序列；计算每个被试的任意两两脑区之间的第一斜率差值和第二斜率差值，并根据斜率对应的时间点截取时间序列X和Y；计算截取后的时间序列X和Y的皮尔逊相关系数，与基准值比较，选取其中较大值作为功能连接值；基准值为未截取的时间序列X和Y的皮尔逊相关系数；用于以功能连接矩阵为特征进行疾病预测；功能连接矩阵通过计算每个被试的所有两两脑区的功能连接值得到。以该系统计算的功能连接矩阵为特征进行疾病预测，可以大大提高疾病预测的准确率以及预测模型在多中心数据的泛化能力。
-
公开(公告)号：CN118571502B
公开(公告)日：2024-10-18
申请号：CN202411053078.X
申请日：2024-08-02
Applicant: 之江实验室
IPC: G16H50/70 , G16H10/20 , G16H10/60 , G06N5/025 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于知识引导域自适应的多中心医学数据处理方法、系统、设备、介质，包括：基于通用医学概念以及其关系、每一中心私有域中的本地医学概念及其与通用医学概念之间的关系、不同中心私有域中的本地医学概念之间的关系构建医学知识图谱；对源中心患者数据、目标中心患者数据进行编码得到源中心数据特征、目标中心数据特征；基于源中心患者数据、目标中心患者数据根据医学知识图谱构建源中心患者子图、目标中心患者子图；对源中心患者子图、目标中心患者子图进行处理，得到源中心知识特征、目标中心知识特征；设置损失函数，所述损失函数包括根据下游医学任务设置的损失，并通过对抗学习得到每一医疗中心患者之间的跨域不变特征。
-
公开(公告)号：CN118711744A
公开(公告)日：2024-09-27
申请号：CN202411190635.2
申请日：2024-08-28
Applicant: 之江实验室
IPC: G16H15/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06V10/25
Abstract: 本发明公开了一种融合图像识别和扩散式生成模型的超声报告生成方法。该方法首先在传统图像分割大模型的图像编码器中加入空间适配器，对超声扫描图像进行高精度的肿瘤区域分割；同时通过图像分类模型对超声图像中的肿瘤进行分类，分类和分割模型使用相同的图像空间编码器结构；进一步将诊断区域的肿瘤类型、区域和病理报告进行语义提取和对齐，作为超声报告生成的训练数据；最后使用扩散式超声图像描述生成模型完成对单张扫描图像的超声报告生成。本发明适用于大规模体检的超声报告生成，通过对分割大模型的网络结构优化，生成精准的肿瘤分割区域作为的诊断区域，提高了超声科医生的检查和诊断效率。
-
公开(公告)号：CN118644477A
公开(公告)日：2024-09-13
申请号：CN202411104179.5
申请日：2024-08-13
Applicant: 之江实验室
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及一种组织状态分析系统。所述组织状态分析系统包括图像分割模块，用于对预设区域内第一切片图像与第二切片图像进行图像分割，分别得到多个第一小块图像和多个第二小块图像；特征提取模块，用于分别对多个所述第一小块图像进行图像特征提取，得到图像特征；分别对多个所述第二小块图像进行结构特征提取，得到结构特征；超图构建模块，用于分别基于所述图像特征和所述结构特征，得到第一超图和第二超图；特征融合模块，用于对所述第一超图和所述第二超图进行多尺度融合，得到多尺度融合特征；结果预测模块，用于基于所述多尺度融合特征，得到组织状态分析结果。采用本方法能够提高辅助预测准确率。
-
公开(公告)号：CN118471485A
公开(公告)日：2024-08-09
申请号：CN202410933094.1
申请日：2024-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于斜率截断功能连接矩阵的疾病预测系统、设备及介质，包括从静息态脑功能磁共振图像提取每个脑区的时间序列；计算每个被试的任意两两脑区之间的第一斜率差值和第二斜率差值，并根据斜率对应的时间点截取时间序列X和Y；计算截取后的时间序列X和Y的皮尔逊相关系数，与基准值比较，选取其中较大值作为功能连接值；基准值为未截取的时间序列X和Y的皮尔逊相关系数；用于以功能连接矩阵为特征进行疾病预测；功能连接矩阵通过计算每个被试的所有两两脑区的功能连接值得到。以该系统计算的功能连接矩阵为特征进行疾病预测，可以大大提高疾病预测的准确率以及预测模型在多中心数据的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
400
records
(took 0.027 seconds)
