-
公开(公告)号：CN118485616B
公开(公告)日：2025-03-14
申请号：CN202410204339.7
申请日：2024-02-23
Applicant: 北京科技大学
IPC: G06T7/00 , G06T9/00 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048
Abstract: 本发明涉及医学图像分析领域，特别是指一种基于Transformer的乳腺癌新辅助化疗pCR预测方法及装置，方法包括：获取乳腺癌患者新辅助化疗前的图像数据；将图像数据输入到构建好的乳腺癌肿瘤分割模型，得到肿瘤病灶区的掩码图像；根据掩码图像得到感兴趣区域图像，对感兴趣区域图像进行预处理，得到预处理后的图像数据；根据预处理后的图像数据以及构建好的Transformer深度学习图像分类模型，得到乳腺癌患者新辅助化疗的病理完全缓解pCR预测结果。本发明提供了一种新的pCR预测深度学习模型，能够充分利用治疗前DCE‑MRI序列图像中的乳腺癌信息，提高pCR非侵入式的预测性能。
-
公开(公告)号：CN118016283B
公开(公告)日：2024-06-28
申请号：CN202410417776.7
申请日：2024-04-09
Applicant: 北京科技大学
IPC: G16H50/20 , G06T7/00 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于可解释的乳腺癌新辅助化疗pCR预测方法及系统，该预测方法，具体包括：获取乳腺癌DCE‑MRI影像数据，并对获取的影像数据进行预处理，得到肿瘤感兴趣区域的图像数据；构建可解释深度学习模型，并将得到肿瘤感兴趣区域的图像数据输入到所述可解释深度学习模型中，即得到新辅助化疗pCR预测结果；获取可解释深度学习模型中注意力机制的注意力权重对特征提取进行可解释分析，得到所述深度学习模型的自解释结果，即完成预测。本发明提供了一种可解释深度学习技术，不仅保证了基于深度学习的新辅助化疗pCR预测的准确性，而且提高了深度学习模型的自解释能力，从而增强了深度学习模型的可信度和临床应用价值。
-
公开(公告)号：CN118016283A
公开(公告)日：2024-05-10
申请号：CN202410417776.7
申请日：2024-04-09
Applicant: 北京科技大学
IPC: G16H50/20 , G06T7/00 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于可解释的乳腺癌新辅助化疗pCR预测方法及系统，该预测方法，具体包括：获取乳腺癌DCE‑MRI影像数据，并对获取的影像数据进行预处理，得到肿瘤感兴趣区域的图像数据；构建可解释深度学习模型，并将得到肿瘤感兴趣区域的图像数据输入到所述可解释深度学习模型中，即得到新辅助化疗pCR预测结果；获取可解释深度学习模型中注意力机制的注意力权重对特征提取进行可解释分析，得到所述深度学习模型的自解释结果，即完成预测。本发明提供了一种可解释深度学习技术，不仅保证了基于深度学习的新辅助化疗pCR预测的准确性，而且提高了深度学习模型的自解释能力，从而增强了深度学习模型的可信度和临床应用价值。
-
公开(公告)号：CN115713505A
公开(公告)日：2023-02-24
申请号：CN202211426718.8
申请日：2022-11-15
Applicant: 北京科技大学
IPC: G06T7/00 , G06V10/40 , G06V10/54 , G06V10/77 , G06T17/00 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H50/20
Abstract: 本发明公开了一种基于聚焦交叉熵的多元特征融合的脑膜瘤分级方法及系统，包括：首先，采用伯努利试验对脑部磁共振影像组学特征进行相关性分析，以增强特征选择的可解释性；其次，采用预设的深度学习模型提取影像三维语义特征；然后，采用预设的模型对多元特征进行融合，并构建新型交叉熵损失对模型进行优化，以解决高低分级比例悬殊的问题；最后，构建脑膜瘤病理分级辅助诊断系统，可输出患者的分级结果与三维焦点图，以进一步增强系统的可解释性。本发明可根据磁共振影像对脑膜瘤病理分级做出判断，具有较高的准确性与较强的可解释性。
-
公开(公告)号：CN118609794A
公开(公告)日：2024-09-06
申请号：CN202410681805.0
申请日：2024-05-29
Applicant: 北京科技大学
IPC: G16H50/20 , G16H30/40 , G06V10/774 , G06V10/80 , G06V10/762 , G06V10/764
Abstract: 本发明提供一种公平准确的皮肤黑色素瘤智能辅助诊断方法及装置，涉及医学图像分析技术领域。所述公平准确的皮肤黑色素瘤智能辅助诊断方法包括：获取皮肤镜图像数据集以及特征集；通过训练好的分类头，获得预诊断分数集；采用无监督聚类算法计算预诊断分数的不可信区间；根据预诊断分数的不可信区间，获得不可信预诊断分数集以及可信预诊断分数集；根据训练好的门控机制补偿模型，获得补偿后的预诊断分数集；采用最优传输算法对补偿后的预诊断分数集进行映射处理，获得诊断概率；根据诊断概率，获得皮肤黑色素瘤的公平准确预测结果。采用本发明，可提高深度学习诊断模型的公平性以及准确性。
-
Patent Agency Ranking
公开(公告)号：CN118485616A
公开(公告)日：2024-08-13
申请号：CN202410204339.7
申请日：2024-02-23
Applicant: 北京科技大学
IPC: G06T7/00 , G06T9/00 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048
Abstract: 本发明涉及医学图像分析领域，特别是指一种基于Transformer的乳腺癌新辅助化疗pCR预测方法及装置，方法包括：获取乳腺癌患者新辅助化疗前的图像数据；将图像数据输入到构建好的乳腺癌肿瘤分割模型，得到肿瘤病灶区的掩码图像；根据掩码图像得到感兴趣区域图像，对感兴趣区域图像进行预处理，得到预处理后的图像数据；根据预处理后的图像数据以及构建好的Transformer深度学习图像分类模型，得到乳腺癌患者新辅助化疗的病理完全缓解pCR预测结果。本发明提供了一种新的pCR预测深度学习模型，能够充分利用治疗前DCE‑MRI序列图像中的乳腺癌信息，提高pCR非侵入式的预测性能。
-
公开(公告)号：CN118781136A
公开(公告)日：2024-10-15
申请号：CN202410916058.4
申请日：2024-07-09
Applicant: 北京科技大学
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0455 , G06F16/35 , G06F18/22 , G06N3/0895
Abstract: 本发明提供一种体素文本配对的CT图像多器官分割方法及系统，涉及医学图像处理领域，方法包括：构建文本模板，对需分割器官进行描述，获得类别文本；获取样本CT图像；构建特征编码网络，将样本CT图像编码为特征图，将类别文本编码为文本特征向量；构建条件变分自编码器，对特征图生成不确定性伪热图；提取特征图中各个体素点对应的体素特征向量来计算体素文本配对相似度并构建配对结果伪热图，以配对结果伪热图作为原始输入，以特征图作为条件输入，对条件变分自编码器进行自监督训练；获取待分割CT图像；通过训练完成的特征编码网络，计算体素文本配对相似度，作为CT图像的多器官分割结果。
-
公开(公告)号：CN117994374A
公开(公告)日：2024-05-07
申请号：CN202410099982.8
申请日：2024-01-24
Applicant: 北京科技大学
IPC: G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G16H30/00
Abstract: 本发明涉及图像处理技术领域，特别是指一种基于隐空间扩散模型的组织病理学图像生成方法及装置。基于隐空间扩散模型的组织病理学图像生成方法包括：根据预设的时间步，对训练数据进行加噪处理，获得含噪隐变量；根据条件数据，通过条件编码模块进行特征提取，获得辅助推理条件特征；根据预设的时间步以及所述辅助推理条件特征，通过变压器块1以及变压器块2对含噪隐变量进行去噪处理，获得去噪隐变量；根据预训练权重以及去噪隐变量，对待训练组织病理学图像生成模型进行训练；根据待生成图像条件数据，通过组织病理学图像生成模型，获得组织病理学生成图像。本发明是一种多样性丰富且保真度较高的高效组织病理学图像生成方法。
-
公开(公告)号：CN117392662A
公开(公告)日：2024-01-12
申请号：CN202311255708.7
申请日：2023-09-26
Applicant: 北京科技大学
IPC: G06V20/64 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/0499
Abstract: 本发明公开了一种基于点云集合注意力的激光雷达目标检测方法及装置，涉及计算机视觉技术领域。包括：获取待检测目标的三维点云数据；将三维点云数据输入到构建好的基于点云集合注意力的激光雷达目标检测模型；根据三维点云数据、点云集合注意力模块、鸟瞰图检测模块、密度感知池化模块以及分类和回归检测头模块，获得目标检测结果。本发明提出点云集合注意力模块，在加入较少计算量的情况下引入了注意力机制，同时结合密度感知池化模块，充分利用点云密度信息，提高了激光雷达目标检测精度和速度。
-
公开(公告)号：CN116525113A
公开(公告)日：2023-08-01
申请号：CN202310474806.3
申请日：2023-04-27
Applicant: 北京科技大学
Abstract: 本发明公开了一种肝细胞癌术后早期复发预测方法及系统，该预测方法的步骤为：获取数据库中回顾性CT影像数据和临床信息数据，并分别对采集的数据进行预处理，将预处理后的建立样本数据集；基于Transformer构建三维预测模型，利用得到的样本数据对构建三维预测模型进行训练，即得到复发预测模型；将实时采集的CT影像数据进行预处理，与实时采集的临床信息数据同时输入复发预测模型进行预测，即可获取复发概率值，根据预测概率值判断复发风险，最终得到复发值。本发明达到了更高的预测性能(AUC＝0.7196)；同时，本发明在达到更好的预测性能的同时具有较好的可解释性，提高深度学习模型在临床应用的准确度与可信度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
