公开(公告)号：CN116934675A

公开(公告)日：2023-10-24

申请号：CN202310433513.0

申请日：2023-04-21

Applicant: 军事科学院军事医学研究院环境医学与作业医学研究所

Inventor： 高全胜

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种高原肺水肿预测诊断方法，包括以下步骤：S1、基于Dense‑U‑Net的全自动病灶分割算法；S2、构建两分支特征学习网络，学习病灶及全肺特征；S3、样本对构建；S4、对比特征学习；S5、高原肺水肿预测。本发明采用上述的基于多特征融合及对比学习的卷积神经网络模型，可全自动地对高原肺水肿CT影像进行分析，进而实现高原肺水肿的预测。相比于使用单一的卷积神经网络进行分类，本方法使用多特征融合及特征对比学习，在训练时随机选取两个样本构建成样本对，然后使用共享权重的网络对样本对中的两个样本进行全肺特征提取及病灶特征提取；通过特征对比学习的方式，对两个样本的特征进行距离度量，若两个样本属于同样的预测，则两个样本的全肺特征和病灶特征分别距离较近；若两个样本属于不同的预测，则两个样本的肺特征和病灶特征分别距离较远。通过结合特征距离与交叉熵损失函数，可使得同一类别的样本其深度学习特征相似，不同类别的样本其深度学习特征差异大，进而对特征进行优化融合，提升分类精度。

公开(公告)号：CN115586277A

公开(公告)日：2023-01-10

申请号：CN202211273690.9

申请日：2022-10-18

Applicant: 军事科学院军事医学研究院环境医学与作业医学研究所

Inventor： 杨红莲 ,  马科锋 ,  崔博 ,  杲修杰 ,  佘晓俊 ,  高全胜 ,  朱英文 ,  李超 ,  王坤

IPC: G01N30/02 ,  G01N30/06 ,  G01N30/72 ,  G01N27/62

Abstract: 本发明属于生物医药领域，涉及人体唾液中的苯丙氨酸及代谢物在制备脑力疲劳损伤生物标志物中的应用。本发明首次报道了健康受试者在36小时完全睡眠剥夺后，唾液中的苯丙氨酸及相关代谢物发生显著性升高，反映36小时完全睡眠剥夺引起机体苯丙氨酸代谢途径异常。

公开(公告)号：CN116935042A

公开(公告)日：2023-10-24

申请号：CN202310433565.8

申请日：2023-04-21

Applicant: 军事科学院军事医学研究院环境医学与作业医学研究所

Inventor： 高全胜

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种高原肺水肿病灶的分割专利方法，包括以下步骤：S1、基于Dense‑U‑Net的全自动病灶分割网络；S2、提出空间加权注意力损失函数对模型进行训练，对于CT图像中不同区域赋予不同的损失权重，其权重值根据两重正则化约束进行自适应变化，可使得分割模型重点关注病灶区域，弱化其他区域的影响；S3、利用标注的图像对分割模型进行多阶段训练；S4、利用训练好的模型实现高原肺水肿病灶的自动分割。本发明采用上述基于空间加权注意力损失函数的多阶段卷积神经网络，可以自动地对高原肺水肿CT图像中的病灶进行分割。本方法提出了基于空间加权注意力的损失函数对分割模型进行训练，该损失函数可自适应地重点关注病灶区域，保证病灶区域的分割精度。