-
公开(公告)号：CN115830163A
公开(公告)日：2023-03-21
申请号：CN202211468324.9
申请日：2022-11-22
Applicant: 之江实验室
IPC: G06T11/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于深度学习的确定性引导的渐进式医学图像跨模态生成方法和装置，包括：获取对同一部位拍摄的真实CT图像和真实MR图像并构建样本数据，以CycleGAN为基准，通过增加多尺度MR器官区域判别器和/或多尺度MR病灶区域判别器，形成跨模态生成框架；构建损失函数时，增加基于MR器官区域的对抗损失函数和/或基于MR病灶区域的对抗损失函数，形成跨模态生成框架的总损失函数；利用总损失函数对跨模态生成框架进行参数优化，这样采用由单一判别器到多个不同复杂度的判别器的渐进式对抗生成网络，以确定性引导为目的，专注于器官区域和/或病灶区域等目标区域，生成更高质量的图像。
-
公开(公告)号：CN116402865A
公开(公告)日：2023-07-07
申请号：CN202310661495.1
申请日：2023-06-06
Applicant: 之江实验室
Abstract: 本发明公开了一种利用扩散模型的多模态影像配准方法、装置和介质，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后构建跨模态的生成网络和可变形配准网络，进一步构建跨模态配准网络模型，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跨模态配准网络模型的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优跨模态配准网络模型；最后获取最优跨模态配准网络模型中的最优可变形配准网络，将待配准图像输入最优可变形配准网络中以获取配准后的图像。本发明包含了利用扩散思想的无判别器的生成模型，有助于减少生成图像的不一致性和伪影，提高多模态配准的结果，提高生成图像的质量。
-
公开(公告)号：CN116342922A
公开(公告)日：2023-06-27
申请号：CN202211604295.4
申请日：2022-12-13
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于多任务模型的智能肝脏影像征象分析及LI‑RADS分类系统，该系统将多期像二维肝脏肿瘤影像输入到多任务卷积神经网络模型中，在主任务中利用该模型自动提取基于LI‑RADS标准的分类任务时所需潜在特征，同时在子任务中提取LI‑RADS标准定义的主要征象分类所需潜在特征，不仅能够实现更高的LI‑RADS分级精度，而且可为医生在临床诊断等实际应用中提供分类依据参考。本发明使用多任务卷积神经网络、基于图像的肿瘤大小自动分析方法，依靠端到端与监督对比学习相结合的方式训练模型，实现可为医生提供判断依据的肝脏肿瘤LI‑RADS分类系统。
-
公开(公告)号：CN117558414B
公开(公告)日：2024-05-24
申请号：CN202311568414.X
申请日：2023-11-23
Applicant: 之江实验室
IPC: G16H30/20 , G16H30/40 , G06T11/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种多任务肝细胞癌早期复发预测系统、电子设备、介质，包括：预处理模块、数据增强模块、模型训练模块和复发预测模块，选取训练图像对早期复发预测模型进行训练，训练过程中，使用随机梯度下降算法更新模型参数，得到训练好的多任务肝细胞癌早期复发预测模型；所述早期复发预测模型包括早期复发预测分支模型和肿瘤分割分支模型；所述早期复发预测分支模型包括分类网络、分类适应器、全连接层和投影头；所述肿瘤分割分支模型包括编码器、分割适应器和解码器。本发明中适应器充分利用了关联任务的信息，提高了复发预测的精度；本发明提出的适应器即插即用，不会影响模型原有结构。
-
公开(公告)号：CN116402865B
公开(公告)日：2023-09-15
申请号：CN202310661495.1
申请日：2023-06-06
Applicant: 之江实验室
Abstract: 本发明公开了一种利用扩散模型的多模态影像配准方法、装置和介质，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后构建跨模态的生成网络和可变形配准网络，进一步构建跨模态配准网络模型，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跨模态配准网络模型的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优跨模态配准网络模型；最后获取最优跨模态配准网络模型中的最优可变形配准网络，将待配准图像输入最优可变形配准网络中以获取配准后的图像。本发明包含了利用扩散思想的无判别器的生成模型，有助于减少生成图像的不一致性和伪影，提高多模态配准的结果，提高生成图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN114782336A
公开(公告)日：2022-07-22
申请号：CN202210363575.4
申请日：2022-04-08
Applicant: 之江实验室
Abstract: 本发明提出一种基于图卷积神经网络的纤维束取向分布的预测方法和装置，该方法包括：步骤一，利用球形反卷积算法，分别得到低角分辨率扩散核磁共振图像和对应的高角分辨率扩散核磁共振图像的神经纤维束取向分布数据，对低角分辨率扩散核磁共振图像的纤维束取向分布数据和高角分辨率扩散核磁共振图像的纤维束取向分布数据进行图建模；步骤二，将图中的数据节点的特征与其对应的邻居节点的特征串联，形成网络输入特征；步骤三，将网络输入特征输入到图卷积神经网络，得到预测的纤维束取向分布数据。本发明可以对由低角分辨率dMRI图像计算得到纤维束取向分布数据进行预测，得到了类似于由高角分辨率dMRI获得的纤维束取向分布数据。
-
公开(公告)号：CN117558414A
公开(公告)日：2024-02-13
申请号：CN202311568414.X
申请日：2023-11-23
Applicant: 之江实验室
IPC: G16H30/20 , G16H30/40 , G06T11/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种多任务肝细胞癌早期复发预测系统、电子设备、介质，包括：预处理模块、数据增强模块、模型训练模块和复发预测模块，选取训练图像对早期复发预测模型进行训练，训练过程中，使用随机梯度下降算法更新模型参数，得到训练好的多任务肝细胞癌早期复发预测模型；所述早期复发预测模型包括早期复发预测分支模型和肿瘤分割分支模型；所述早期复发预测分支模型包括分类网络、分类适应器、全连接层和投影头；所述肿瘤分割分支模型包括编码器、分割适应器和解码器。本发明中适应器充分利用了关联任务的信息，提高了复发预测的精度；本发明提出的适应器即插即用，不会影响模型原有结构。
-
公开(公告)号：CN113741701A
公开(公告)日：2021-12-03
申请号：CN202111159943.5
申请日：2021-09-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于体感手势控制的脑神经纤维束可视化方法及系统，方法包括捕获手部图像；将手部与背景分离；识别用户手势，分析手势的变化状态；根据手势信息，对应神经纤维束模型进行实时操作；系统包括：体感设备、计算机和显示器，体感设备采用深度相机，其中，计算机包括体感设备接口模块、手势识别控制模块、后端服务器、可视化界面的前端模块，手势识别控制模块又包括：手势分离模块、手势识别模块、手势控制模块；本发明主要解决了鼠标和键盘不易对三维纤维束进行复杂交互操作的问题。
-
公开(公告)号：CN118570199B
公开(公告)日：2024-11-29
申请号：CN202411038491.9
申请日：2024-07-31
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多任务协作学习的肝细胞癌早期复发预测系统，包括：预处理模块、模型训练模块和复发预测模块，使用多期相三通道图像集合对多任务协作学习的肝细胞癌早期复发预测模型进行训练，训练过程中，使用随机梯度下降算法更新模型参数，得到训练好的多任务协作学习的肝细胞癌早期复发预测模型并进行早期复发预测。提出基于多层级信息指导的特征融合，通过多层级分割信息的位置指导对早期复发预测网络特征进行优化，提升网络的预测能力；提出基于类激活图的分割结果修正模块，通过该模块可以结合分类相关的类激活注意力特征图对分割特征进行改进，提高病灶分割网络的分割结果性能。
-
公开(公告)号：CN118570199A
公开(公告)日：2024-08-30
申请号：CN202411038491.9
申请日：2024-07-31
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多任务协作学习的肝细胞癌早期复发预测系统，包括：预处理模块、模型训练模块和复发预测模块，使用多期相三通道图像集合对多任务协作学习的肝细胞癌早期复发预测模型进行训练，训练过程中，使用随机梯度下降算法更新模型参数，得到训练好的多任务协作学习的肝细胞癌早期复发预测模型并进行早期复发预测。提出基于多层级信息指导的特征融合，通过多层级分割信息的位置指导对早期复发预测网络特征进行优化，提升网络的预测能力；提出基于类激活图的分割结果修正模块，通过该模块可以结合分类相关的类激活注意力特征图对分割特征进行改进，提高病灶分割网络的分割结果性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
