-
公开(公告)号:CN118711744B
公开(公告)日:2024-12-03
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:CN118656683B
公开(公告)日:2024-12-03
申请号:CN202411132392.7
申请日:2024-08-19
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06F16/33 , G06V10/44 , G06V10/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G16H50/20 , G16H10/20 , G16H10/60
Abstract: 本发明公开了一种基于多模态可信渐进融合的分类系统,该系统包括:多模态数据预处理模块,用于对多模态数据进行预处理;特征提取与筛选模块,用于从不同模态中提取特征;神经网络模块,用于进一步处理以获取深层特征表示;特征融合模块,用于从特征层面对不同模态的特征进行渐进融合;不确定性建模模块,用于对各个单模态的深层特征表示和多模态融合特征的不确定性进行建模;证据融合模块,用于融合不确定性建模模块输出的多个模态的分类预测概率和不确定性,获得综合证据度量。本发明有效地提升了多模态数据处理的效率和准确性,提升了特征利用率、分类系统泛化能力和鲁棒性,增强了分类系统的分类性能,有效地识别和降低异常模态的负面影响。
-
公开(公告)号:CN118644477B
公开(公告)日:2024-11-12
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:CN118916842A
公开(公告)日:2024-11-08
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:CN116823810A
公开(公告)日:2023-09-29
申请号:CN202311074898.2
申请日:2023-08-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于联邦学习的腹部多器官动态增强分割方法及系统,包括:在服务器端构建的腹部多器官部分标注动态增强网络模型;在客户端构建的用于基于本地部分标注数据进行训练的腹部多器官部分标注动态增强分割网络模型训练模块;用于客户端和服务器端进行协作交互的联邦学习框架构建模块。与现有技术相比,本发明将联邦学习机制引入多器官分割网络中,可以有效利用分布在不同医疗中心的不同部分标注种类的多器官分割图像信息来训练一个多器官分割网络,不仅打破了对多器官分割完全标注数据的限制,还可以让多个医疗中心在不共享隐私数据的基础上实现跨机构的协同建模,进一步提高模型的稳健性与泛化性,缓解医疗行业隐私保护难题。
-
公开(公告)号:CN118587443B
公开(公告)日:2024-12-03
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:CN117036830B
公开(公告)日:2024-01-09
申请号:CN202311285978.2
申请日:2023-10-07
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本说明书公开了一种肿瘤分类模型训练方法、装置、存储介质及电子设备,包括:确定历史上患者的医学图像作为训练样本。针对每一个期相图像,将该期相图像输入待训练的肿瘤分类模型的特征提取层,确定该期相图像的图像特征。再将各期相图像分别对应的图像特征输入待训练的肿瘤分类模型的期相注意力层,以通过期相注意力层对各期相图像分别对应的图像特征进行注意力加权,得到各期相图像分别对应的加权特征。将各加权特征输入待训练的肿瘤分类模型的分类层,确定分类结果。将医学图像对应的肿瘤类型作为标注,以分类结果以及标注之间的差异最小为训练目标,对待训练的肿瘤分类模型进
-
公开(公告)号:CN116881725B
公开(公告)日:2024-01-09
申请号:CN202311152151.4
申请日:2023-09-07
Applicant: 之江实验室
IPC: G06F18/214 , G16H50/30 , G06F18/25 , G06F18/241 , G06F18/211
Abstract: 本说明书公开了一种癌症预后预测模型训练装置、介质及电子设备,包括:第二确定模块根据第一确定模块确定出的各训练样本对应的基因表达数据以及医学图像,分别确定各训练样本对应的基因特征以及图像特征。拼接模块再将各基因特征以及各图像特征分别进行拼接,得到各多模态特征。筛选模块根据各训练样本的多模态特征,从各训练样本的图像特征的各维度中,筛选用于表征各训练样本的多模态特征的维度,将筛选出的维度对应的特征作为各训练样本的输入特征。训练模块根据各输入特征以及各标注,对待训练的癌症预后预测模型进行训练,使得后续直接根据特征权重,将对图像特征进行筛选后的特征输入癌症预后预测模型预测复发情况,提
-
公开(公告)号:CN116823810B
公开(公告)日:2023-11-17
申请号:CN202311074898.2
申请日:2023-08-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于联邦学习的腹部多器官动态增强分割方法及系统,包括:在服务器端构建的腹部多器官部分标注动态增强网络模型;在客户端构建的用于基于本地部分标注数据进行训练的腹部多器官部分标注动态增强分割网络模型训练模块;用于客户端和服务器端进行协作交互的联邦学习框架构建模块。与现有技术相比,本发明将联邦学习机制引入多器官分割网络中,可以有效利用分布在不同医疗中心的不同部分标注种类的多器官分割图像信息来训练一个多器官分割网络,不仅打破了对多器官分割完全标注数据的限制,还可以让多个医疗中心在不共享隐私数据的基础上实现跨机构的协同建模,进一步提高模型的稳健性与泛化性,缓解医疗行业隐私保护难题。
-
公开(公告)号:CN117036830A
公开(公告)日:2023-11-10
申请号:CN202311285978.2
申请日:2023-10-07
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本说明书公开了一种肿瘤分类模型训练方法、装置、存储介质及电子设备,包括:确定历史上患者的医学图像作为训练样本。针对每一个期相图像,将该期相图像输入待训练的肿瘤分类模型的特征提取层,确定该期相图像的图像特征。再将各期相图像分别对应的图像特征输入待训练的肿瘤分类模型的期相注意力层,以通过期相注意力层对各期相图像分别对应的图像特征进行注意力加权,得到各期相图像分别对应的加权特征。将各加权特征输入待训练的肿瘤分类模型的分类层,确定分类结果。将医学图像对应的肿瘤类型作为标注,以分类结果以及标注之间的差异最小为训练目标,对待训练的肿瘤分类模型进行训练,使肿瘤分类模型的分类结果更加准确,提高模型准确率。
-
-
-
-
-
-
-
-
-