-
公开(公告)号：CN114360718B
公开(公告)日：2022-07-12
申请号：CN202210231670.9
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征拟合的PET/CT自动肺癌诊断分类系统及构建方法，该系统包括特征提取单元，用于依据PET/CT图像提取获得肿瘤的第一特征；特征拟合单元，用于依据PET/CT图像拟合所述PET/CT图像对应病理图像中的特征，获得肿瘤的第二特征；肺癌诊断分类单元，用于联合第一特征和第二特征进行肺癌诊断分类。本发明通过使用PET/CT的特征来拟合相匹配的病理特征的方式，提高单纯使用PET/CT影像信息特征得到的诊断精度，有利于现有的仅基于影像学的智能诊断的推广应用，提高临床医生的诊断效率。通过本发明，可以在患者进行手术前更好的了解到肿瘤的情况，从而可以更好的协助医生为患者提供精准的治疗方案，减少患者的创伤。
-
公开(公告)号：CN113889261B
公开(公告)日：2022-06-10
申请号：CN202111113534.1
申请日：2021-09-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于病理特征辅助的PET/CT自动肺癌诊断分类模型训练方法，属于医学影像领域。该方法通过对病理图像的分类网络进行训练，优先得到一组较好的病理分类网络模型参数；通过该组参数获取病理图像的特征信息，来对PET/CT影像分类网络的特征提取进行指导，以提高PET/CT影像分类网络的精度，有利于基于PET/CT影像的早期肺癌诊断分类的推广应用，为临床医生的诊断以及后续随访提供帮助。通过本发明，可在后续不进行有创的病理检查之前，仅通过无创的PET/CT影像就可达到与病理诊断结果相接近的更准确的肺癌诊断分类结果，可以有效的提高临床医生的诊断效率，减少病患的创伤。
-
公开(公告)号：CN114360718A
公开(公告)日：2022-04-15
申请号：CN202210231670.9
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征拟合的PET/CT自动肺癌诊断分类系统及构建方法，该系统包括特征提取单元，用于依据PET/CT图像提取获得肿瘤的第一特征；特征拟合单元，用于依据PET/CT图像拟合所述PET/CT图像对应病理图像中的特征，获得肿瘤的第二特征；肺癌诊断分类单元，用于联合第一特征和第二特征进行肺癌诊断分类。本发明通过使用PET/CT的特征来拟合相匹配的病理特征的方式，提高单纯使用PET/CT影像信息特征得到的诊断精度，有利于现有的仅基于影像学的智能诊断的推广应用，提高临床医生的诊断效率。通过本发明，可以在患者进行手术前更好的了解到肿瘤的情况，从而可以更好的协助医生为患者提供精准的治疗方案，减少患者的创伤。
-
公开(公告)号：CN113516210B
公开(公告)日：2021-12-17
申请号：CN202111075570.3
申请日：2021-09-14
Applicant: 之江实验室
Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。
-
公开(公告)号：CN117831757B
公开(公告)日：2024-05-28
申请号：CN202410245727.X
申请日：2024-03-05
Applicant: 之江实验室
IPC: G16H50/20 , G06V10/82 , G06V10/764 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于病理CT多模态先验知识引导的肺癌诊断方法及系统，该方法通过获取患者的肺部CT图像并输入至训练好的基于CT的肺癌诊断分类深度神经网络C，获得预测的诊断结果；其中基于CT的肺癌诊断分类深度神经网络C是基于对比学习理论，通过病理特征来进行优化训练获得的，可以有效提高网络的训练效率以及精度上限。得益于病理图像带来的先验知识，基于CT的肺癌诊断分类深度神经网络C对于肺部CT图像的肺癌诊断分类具有更高的准确性，而病理图像仅仅作用于网络的训练过程中，在临床应用中并不需要提供。由此，训练得到的CT肺癌诊断分类网络比单纯由肺部CT图像训练得到的网络精度更高，稳定性更好，对于肺癌的早期诊断具有临床实际意义。
-
Patent Agency Ranking
公开(公告)号：CN113506296B
公开(公告)日：2021-12-28
申请号：CN202111061904.1
申请日：2021-09-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于先验知识CT亚区影像组学的慢阻肺诊断装置，属于医学影像领域。该诊断装置包括：基于先验知识的亚区划分模块，用于根据肺内部CT值将患者CT肺部图像划分为三个亚区，其中，亚区一的肺内部CT值的范围为（‑1024，‑950）、亚区二的肺内部CT值的范围为（‑190，110）、亚区三的肺内部CT值的范围为（‑950，‑190）；特征提取模块，用于分别提取三个亚区的影像组学特征；并获取亚区一的LAA‑950I特征；分类模块，用于根据提取的特征区分病人是否患有慢性阻塞性肺疾病。本发明装置通过划分亚区，分别提取不同结构的特征，对提高慢阻肺的诊断效率有着更加积极的作用。
-
公开(公告)号：CN117011617A
公开(公告)日：2023-11-07
申请号：CN202311285221.3
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/766 , G06V10/774 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/088 , G06N3/0895
Abstract: 本发明公开一种基于二阶段教师‑学生框架的肺结节检测装置及构建方法，包括构建训练集，构建教师网络，利用强标注数据集和弱标注数据集，预训练教师‑学生框架中的教师网络，获取一个鲁棒的第一训练好的教师网络；再利用强弱标注数据集及在教师网络中得到的伪标签，构建并训练教师‑学生框架中的学生网络，获得肺结节检测装置本发明在混合监督的设置下，采用二阶段教师‑学生框架，仅利用少量的强标注数据，及一定量的弱标注数据，便可以有效地检测出形态、大小和位置不一的肺结节。相比于传统的完全监督学习方法，本发明能够较大地降低数据标注的成本和负担，并取得良好的检测性能。
-
公开(公告)号：CN115063592B
公开(公告)日：2022-12-06
申请号：CN202210980583.3
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G16H30/20 , G16H50/20 , G06T7/00
Abstract: 本发明公开了一种基于多尺度的全扫描病理特征融合提取方法及系统，本发明通过使用多尺度的全扫描病理特征融合提取的方式，借用多尺度的方案使得特征提取拥有更全面的信息，既有全局的整体信息，又有局部的详细信息。再结合注意力机制的加权融合方案，使得最终获取的特征，重点更加突出，更能代表全扫描病理图像。通过本发明，可以更好的获取全扫描病理图像的整体特征，从而可以协助病理科医生进行病理诊断、帮助临床医生更好的使用多模态信息进行疾病诊断时，提高多模态融合分析的准确性。
-
公开(公告)号：CN115063592A
公开(公告)日：2022-09-16
申请号：CN202210980583.3
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G16H30/20 , G16H50/20 , G06T7/00
Abstract: 本发明公开了一种基于多尺度的全扫描病理特征融合提取方法及系统，本发明通过使用多尺度的全扫描病理特征融合提取的方式，借用多尺度的方案使得特征提取拥有更全面的信息，既有全局的整体信息，又有局部的详细信息。再结合注意力机制的加权融合方案，使得最终获取的特征，重点更加突出，更能代表全扫描病理图像。通过本发明，可以更好的获取全扫描病理图像的整体特征，从而可以协助病理科医生进行病理诊断、帮助临床医生更好的使用多模态信息进行疾病诊断时，提高多模态融合分析的准确性。
-
公开(公告)号：CN113516210A
公开(公告)日：2021-10-19
申请号：CN202111075570.3
申请日：2021-09-14
Applicant: 之江实验室
Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
