公开(公告)号：CN119206169A

公开(公告)日：2024-12-27

申请号：CN202411221536.6

申请日：2024-08-30

Applicant: 北京大学深圳医院(北京大学深圳临床医学院) ,  深圳北京大学香港科技大学医学中心

Inventor： 郑婷婷 ,  孙德胜 ,  翟玥 ,  谭典欢 ,  林晓娜

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/42 ,  G06V10/10 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及计算机视觉领域，本申请公开了目标检测模型的构建及应用方法、模型、设备、介质，该构建方案通过在深度学习模型中引入注意力机制模块和残差模块，注意力机制模块可以更好地捕捉乳腺图像中的重要特征，有效区分乳腺结节与背景，残差模块可以缓解目标检测模型训练过程中的梯度消失问题，增强模型的学习能力。因此，本申请的构建方案利用乳腺图像训练引入注意力机制模块和残差模块的目标检测模型可以得到性能更好的目标检测模型，该模型对乳腺图像中的乳腺结节进行检测时能够得到更加准确的检测结果。

公开(公告)号：CN116486921A

公开(公告)日：2023-07-25

申请号：CN202310332810.6

申请日：2023-03-31

Applicant: 北京大学深圳医院(北京大学深圳临床医学院)

Inventor： 吴雅林 ,  孙德胜 ,  石宇 ,  尉明华 ,  姚辉 ,  张锦枝 ,  张蒂荣 ,  刘俐 ,  陈芸 ,  闫林杨

IPC: G16B40/20 ,  G16H50/20 ,  G06F18/241 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于电子病历大数据的乳腺癌风险预测方法，该方法包括：收集乳腺患者的信息并形成电子病历，再根据标准条件筛选患者信息，组建数据库；根据临床经验和对超声特征的研究，筛选数据库中的特征，获得数据集；对数据集进行预处理，再对其中的数据进行归一化处理；从特征中选择出重要特征形成新的数据集；对数据集进行训练集和测试集的划分；使用深度神经网络建立预测模型，对训练集进行学习优化，采用测试集对预测模型进行性能分析，获得最终预测模型；采用最终预测模型对乳腺超声得到的数据进行风险预测，得到预测结果。本发明预测方法能够很容易的地部署到任何智能决策系统中，为医生提供诊断辅助，从而提高乳腺癌的早期诊断率。

公开(公告)号：CN118968224A

公开(公告)日：2024-11-15

申请号：CN202411217864.9

申请日：2024-08-30

Applicant: 北京大学深圳医院(北京大学深圳临床医学院) ,  深圳北京大学香港科技大学医学中心

Inventor： 孙德胜 ,  郑婷婷 ,  谭典欢 ,  翟玥 ,  金悦

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/08

Abstract: 本申请涉及机器学习领域，本申请公开了模态分类模型的训练、应用方法及模型、设备、介质，该训练方案利用少量标注的不同模态的超声图像对教师模态分类模型进行训练，并利用训练好的教师模态分类模型对大量的不同模态的超声图像进行标注，再将训练教师模态分类模型的已标注的超声图像和教师模态分类模型标注的超声图像构成数据集对学生模态分类模型进行训练。本申请利用教师模态分类模型对大量不同模态超声图像的标注的方式提高了超声图像模态准确性，且利用教师模态分类模型标注的不同模态的超声图像对学生模态分类模型进行训练，提高了模型的性能。

公开(公告)号：CN116977282A

公开(公告)日：2023-10-31

申请号：CN202310748509.3

申请日：2023-06-25

Applicant: 北京大学深圳医院(北京大学深圳临床医学院)

Inventor： 孙德胜 ,  吴雅林 ,  闫林杨 ,  石宇 ,  陈芸 ,  刘俐 ,  钟洁愉 ,  胡正明 ,  郑婷婷 ,  林晓娜 ,  葛巧俐 ,  周海莹 ,  葛丹丹 ,  陈谊

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06V10/44 ,  G06V10/774

Abstract: 本发明公开了一种基于深度网络模型的图像识别方法，属于医疗技术领域。本发明获取待测患者的超声图像并对所述待测患者的超声图像进行预处理；将预处理后的超声图像输入经训练的甲状腺滤泡性癌症图像识别模型中进行图像特征提取；根据所述图像特征进行甲状腺滤泡性癌症图像识别并输出最终识别结果。本发明通过对甲状腺滤泡癌症图像识别模型的不断优化调整，得到训练成熟的甲状腺滤泡癌症图像识别模型进而运用该模型实现对甲状腺滤泡癌症超声图像的判断识别。

公开(公告)号：CN119207693A

公开(公告)日：2024-12-27

申请号：CN202411221499.9

申请日：2024-08-30

Applicant: 北京大学深圳医院(北京大学深圳临床医学院) ,  深圳北京大学香港科技大学医学中心

Inventor： 孙德胜 ,  郑婷婷 ,  谭典欢 ,  翟玥 ,  钟春婷

IPC: G16H15/00 ,  G06F40/216 ,  G06F40/237

Abstract: 本申请涉及医学领域，本申请公开了一种病理报告标注及模型训练方法、系统、设备、介质，该标注方案为：获取第一预设年份的目标疾病对应的多份病理报告；按照预设标准提取目标疾病对应的多份病理报告中的多个高频词，并将多个高频词构成高频词表；获取高频词表中的多个关键词并将其构成关键词表，其中，关键词采用人工筛选的方式对高频词表中的多个高频词进行筛选得到；对关键词表中所有的关键词进行多次迭代筛选，并基于多次迭代筛选后的结果构建目标疾病对应的目标关键词表；基于目标疾病对应的目标关键词表，对获取的待标注的目标疾病对应的病理报告进行标注。该方案提高了病理报告标注的准确性。