公开(公告)号：CN119888239A

公开(公告)日：2025-04-25

申请号：CN202510368750.2

申请日：2025-03-27

Applicant: 北京小蝇科技有限责任公司

Inventor： 李柏蕤 ,  连荷清 ,  张茜

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供一种基于可变形注意力机制的逐步修正医学图像识别系统，包括特征抽取模块、编码器模块、解码器初始化模块和解码器模块。本发明结合可变形注意力机制，能够自适应地提取医学图像中的显著特征，有效提升医学图像检测分割准确率，相比全局自注意力机制，可变形注意力机制不用融合序列中的每个特征，计算成本大大降低，其次，相比于全局自注意力机制，可变形注意力机制能够自适应地选择特征进行融合，由于医学中要检测分割的目标形状通常是不规则的，因此这种结构非常适用于医学图像，能够很好地提取医学图像特征；本发明使用了逐步迭代优化策略，即逐步修正前面层的预测结果，可精准识别阳性位置或者阳性位置轮廓，保障后续工作顺利进行。

公开(公告)号：CN119625734A

公开(公告)日：2025-03-14

申请号：CN202411676484.1

申请日：2024-11-21

Applicant: 北京小蝇科技有限责任公司

Inventor： 李柏蕤 ,  连荷清 ,  张茜

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于试剂反应的序列化数据异常定位方法和装置，所述方法包括：获取原始数据序列，将所述原始数据序列转换为二维图像；将所述二维图像输入预先训练的异常预测模型中，以得到所述异常预测模型输出的预测结果；在所述预测结果为存在异常的情况下，对所述预测结果进行后处理，以得到异常结果对应的样本类型和异常位置；其中，所述异常预测模型是利用数据样本的图像和对应的结果标签对预先构建的深度学习网络进行训练得到的。解决了现有技术中由于统计模型鲁棒性较差而导致的异常定位准确性较低的问题，从而提高定位模型的鲁棒性，进而提高基于试剂反应的序列化数据异常定位的准确性。