-
公开(公告)号：CN118094362A
公开(公告)日：2024-05-28
申请号：CN202410165589.4
申请日：2024-02-05
Applicant: 北京邮电大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06F18/2413 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/082
Abstract: 本申请提供甲状腺滤泡分类模型训练装置、分类装置和设备，涉及计算机系统技术领域，训练装置包括：数据获取模块，用于获取训练集；以及模型训练模块，用于采用训练集训练多模态深度学习模型，以使多模态深度学习模型分别提取灰阶超声影像和彩色多普勒超声影像各自对应的影像特征数据，提取临床数据对应的文本特征数据，再对影像特征数据和文本特征数据进行数据拼接，对拼接特征向量进行甲状腺滤泡分类，进而将迭代训练得到甲状腺滤泡分类模型。本申请引入多模态信息来进行特征层融合，能够将局部医学影像特征和临床数据相结合以保留更多的疾病信息，进而能够有效提高甲状腺滤泡分类的精确性，辅助医疗人员在术前对患者的甲状腺滤泡进行分类。
-
公开(公告)号：CN116703901B
公开(公告)日：2023-10-31
申请号：CN202310970353.3
申请日：2023-08-03
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06T7/00 , G06T7/10 , G06T7/136 , G06V10/764
Abstract: 本申请提供一种肺部医学CT影像分割及分类装置及设备，装置包括：目标肺实质提取模块用于基于预设的CT阈值对当前的目标肺部医学CT影像数据进行肺实质区域提取；多任务分割及分类模块用于将所述目标肺实质图像数据分别输入多个肺部医学CT影像分割及分类模型，以得到多个肺部病灶区域分割及病灶分类结果数据，肺部医学CT影像分割及分类模型为nnUNet优化模型；分割及分类结果确定模块用于确定目标肺部病灶区域分割及病灶分类结果数据。本申请能够实现对肺部医学CT影像的自动化病灶区域分割及病灶分类，并能够在不要求数量来源相同的基础上，有效提高肺部医学CT影像分割及分类结果的可靠性及准确性。
-
公开(公告)号：CN118397380B
公开(公告)日：2024-09-20
申请号：CN202410852304.4
申请日：2024-06-28
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G16H50/20
Abstract: 本申请提供甲状腺结节性病变分类模型训练方法、分类方法及装置，涉及医疗图像处理技术领域，方法包括：采用分别设有标签的各个超声影像训练样本训练预设的全分组卷积神经优化模型，全分组卷积神经优化模型是预先在原始全分组卷积神经模型增加密集连接模块并将最大池化层替换为空洞卷积层而形成的；标签用于表示样本属于结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌或甲状腺髓样癌；将训练后的全分组卷积神经优化模型确定为当前用于预测超声影像所属的甲状腺结节性病变类型的甲状腺结节性病变分类模型。本申请能够训练得到用于分类结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌和甲状腺髓样癌的甲状腺结节性病变分类模型。
-
公开(公告)号：CN118397380A
公开(公告)日：2024-07-26
申请号：CN202410852304.4
申请日：2024-06-28
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G16H50/20
Abstract: 本申请提供甲状腺结节性病变分类模型训练方法、分类方法及装置，涉及医疗图像处理技术领域，方法包括：采用分别设有标签的各个超声影像训练样本训练预设的全分组卷积神经优化模型，全分组卷积神经优化模型是预先在原始全分组卷积神经模型增加密集连接模块并将最大池化层替换为空洞卷积层而形成的；标签用于表示样本属于结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌或甲状腺髓样癌；将训练后的全分组卷积神经优化模型确定为当前用于预测超声影像所属的甲状腺结节性病变类型的甲状腺结节性病变分类模型。本申请能够训练得到用于分类结节性甲状腺肿、甲状腺滤泡状肿瘤、甲状腺乳头状癌和甲状腺髓样癌的甲状腺结节性病变分类模型。
-
公开(公告)号：CN116703901A
公开(公告)日：2023-09-05
申请号：CN202310970353.3
申请日：2023-08-03
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06T7/00 , G06T7/10 , G06T7/136 , G06V10/764
Abstract: 本申请提供一种肺部医学CT影像分割及分类装置及设备，装置包括：目标肺实质提取模块用于基于预设的CT阈值对当前的目标肺部医学CT影像数据进行肺实质区域提取；多任务分割及分类模块用于将所述目标肺实质图像数据分别输入多个肺部医学CT影像分割及分类模型，以得到多个肺部病灶区域分割及病灶分类结果数据，肺部医学CT影像分割及分类模型为nnUNet优化模型；分割及分类结果确定模块用于确定目标肺部病灶区域分割及病灶分类结果数据。本申请能够实现对肺部医学CT影像的自动化病灶区域分割及病灶分类，并能够在不要求数量来源相同的基础上，有效提高肺部医学CT影像分割及分类结果的可靠性及准确性。
-
Patent Agency Ranking
公开(公告)号：CN116664953A
公开(公告)日：2023-08-29
申请号：CN202310781182.X
申请日：2023-06-28
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06T7/00 , G06T3/40 , G06N3/0464
Abstract: 本申请提供一种2.5D肺炎医学CT影像分类装置及设备，装置包括：目标影像切片模块用于获取目标3D肺部医学CT影像数据对应的多个连续切片，以形成目标3D肺部医学CT影像数据对应的目标2.5D肺部医学CT影像数据；目标影像分类模块用于将目标2.5D肺部医学CT影像数据输入采用2D卷积层的ConvNeXt优化模型，以使该ConvNeXt优化模型对应输出目标2.5D肺部医学CT影像数据对应的肺炎病灶类型识别结果。本申请能够实现对肺炎医学CT影像的自动化分类，并能够在降低模型训练复杂度及耗时的基础上，能够有效提高肺炎CT影像分类过程的执行效率及便捷性，并能够提高肺炎CT影像分类结果的可靠性及准确性。
-
公开(公告)号：CN116664953B
公开(公告)日：2024-09-13
申请号：CN202310781182.X
申请日：2023-06-28
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06T7/00 , G06T3/4007 , G06N3/0464
Abstract: 本申请提供一种2.5D肺炎医学CT影像分类装置及设备，装置包括：目标影像切片模块用于获取目标3D肺部医学CT影像数据对应的多个连续切片，以形成目标3D肺部医学CT影像数据对应的目标2.5D肺部医学CT影像数据；目标影像分类模块用于将目标2.5D肺部医学CT影像数据输入采用2D卷积层的ConvNeXt优化模型，以使该ConvNeXt优化模型对应输出目标2.5D肺部医学CT影像数据对应的肺炎病灶类型识别结果。本申请能够实现对肺炎医学CT影像的自动化分类，并能够在降低模型训练复杂度及耗时的基础上，能够有效提高肺炎CT影像分类过程的执行效率及便捷性，并能够提高肺炎CT影像分类结果的可靠性及准确性。
-
公开(公告)号：CN117094902A
公开(公告)日：2023-11-21
申请号：CN202310781188.7
申请日：2023-06-28
Applicant: 北京邮电大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T5/00 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本申请提供无监督低剂量CT去噪模型训练方法、去噪方法及装置，方法包括：在CycleGAN模型的循环一致性损失中增加多尺度结构相似性损失，并在其生成器网络中加入结构相似性损失以得到CycleGAN优化模型；采用多个低剂量CT图像以及多个普通剂量CT图像对CycleGAN优化模型进行训练以获得低剂量CT图像至普通剂量CT图像的分布映射，进而迭代训练得到无监督低剂量CT图像去噪模型。本申请能够使得用于训练低剂量CT图像自动去噪模型的数据集不再受到配对的约束，能够有效提高训练数据获取的便捷性；能够有效保留去噪后CT图像的结构纹理信息，能够有效提高训练得到的模型对低剂量CT图像进行去噪得到图像质量。
-
公开(公告)号：CN113556728B
公开(公告)日：2023-09-22
申请号：CN202110631016.2
申请日：2021-06-07
Applicant: 北京邮电大学
Abstract: 一种基于复合信息素浓度场蚁群算法的Ad hoc网络路由，该方法根据蚂蚁个数和传感器网络空间大小确定搜索区域大小，将每只蚂蚁置于相应的搜索区域中并设置初始获得光点概率，将第k只蚂蚁未经过的节点设置为节点集合，当节点集合不为空时，假设所述第k只蚂蚁下一步将从节点i移动到节点j，然后计算所述节点i和所述节点j之间的欧氏距离及其倒数并计算每只蚂蚁将要转移的位置、路径的信息素浓度以及根据路径的信息浓度更新路径信息浓度，满足预设条件后通过路径信息素浓度设定Ad hoc网络路由。上述方案可提高Ad hoc网络的收敛速度以及全局寻优能力，并可有效抵抗针对节点的网络攻击、数据拥塞等带来的节点失效，从而提高网络性能。
-
公开(公告)号：CN113595616B
公开(公告)日：2022-05-17
申请号：CN202110860476.2
申请日：2021-07-27
Applicant: 北京邮电大学
IPC: H04B7/185
Abstract: 本发明公开了一种基于卫星天线波束指向优化的NGSO系统间干扰减缓方法，属于低轨卫星通信领域，具体是：首先，构建受扰卫星系统和干扰卫星系统的通信链路的干扰场景；然后，卫星向地球站发送卫星信号，分别计算地球站接收的功率，并进一步计算功率比需满足的约束条件；接着，定义卫星天线波束指向的动态禁区，构建优化目标函数，并满足约束条件，将NGSO星座系统间频率共存问题转换成非线性多元函数优化问题；最后，求解出目标函数的最小值Γmin，作为卫星天线波束指向的禁区角。判断干扰卫星波束视轴指向是否位于禁区内，如果是，干扰卫星天线要自适应地调整波束指向，减缓有害干扰；否则，没有造成有害干扰。本发明能提升系统间的频率兼容性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.053 seconds)
