-
公开(公告)号：CN116487027A
公开(公告)日：2023-07-25
申请号：CN202310363907.3
申请日：2023-04-06
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: G16H50/20 , G16H70/60 , G06F18/214 , G06F18/241
Abstract: 本发明提供了一种软组织肿瘤病理自动评分方法及系统。所述方法包括：准备有特征代表性的软组织肿瘤的良恶性病例，构建模型训练所需的数据集；基于数据集及对应的良恶性信息训练深度学习模型；准备目标测试的软组织肿瘤病例，并计算其前景图谱；计算目标病例的滑窗图像块的前景占比，并基于深度学习模型计算图像块的恶性概率；计算不同模式(大肿瘤良恶性对比评分/小肿瘤恶性评分)下的病理数字全切片的恶性评分并输出结果。本发明的方案在训练评分系统的核心模型时不需要采集软组织肿瘤的所有组织学类型，所构建的自动评分方法及系统可在不参考免疫组化结果的情况下，仅依靠苏木精伊红染色的病理切片智能评价软组织肿瘤的良恶程度，在病理医生诊断过程中起到快速、便捷、精确的智能辅助效果。
-
公开(公告)号：CN116452867A
公开(公告)日：2023-07-18
申请号：CN202310362823.8
申请日：2023-04-06
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: G06V10/764 , G06V10/762 , G06V10/774 , G06T7/155
Abstract: 本发明提供了一种数字图像中细胞的半自动智能标定方法。所述方法包括：准备包含目标类别细胞的待标注图像数据集；对待标注数据集中的目标细胞进行人工椭圆标记；以椭圆标记为参照，根据目标细胞的形状先验知识，设计合适的掩模生成函数；以椭圆标记为参照，选择合适的聚类方法对待标注图像进行聚类；取包含生成掩模和聚类结果的交集为细胞标注初级伪标签；依托椭圆标记构建损失函数，以伪标签训练深度学习分割网络，剔除椭圆标记外的假阳性连通域，剩余结果作为新的细胞标注伪标签；专家校正深度学习生成的伪标签，剔除明显假阳性并补充明显漏检连通域的标注，得到更精确的伪标签；多次重复前两个步骤，直至达到专家满意的标签生成效果，保存智能标定模型和标定结果。本发明的方案结合目标细胞的形状先验，只需要人工对细胞进行椭圆标记，在保证标注生成精度的前提下大幅度削减人工标注成本，可以适用于多种模态下的多种形态的细胞的标定任务，在细胞标注领域具有便捷高效、精度高、适用范围广、泛化性好等优点。
-
公开(公告)号：CN118490245A
公开(公告)日：2024-08-16
申请号：CN202410581485.1
申请日：2024-05-11
Applicant: 北京邮电大学
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/24 , G06F18/213 , G06N3/0455 , G06N3/09 , G06F123/02
Abstract: 本发明提供了一种基于心电波形监督的压力识别方法。所述方法包括：将心电信号有重叠地裁剪成多个心电序列；将心电序列无重叠地分割为N个片段，并进行片段编码；将N个片段编码输入到Informer编码器中，利用注意力机制计算片段编码之间的长距离依赖和上下文信息，提取含有全局信息表示的特征向量；将特征向量分别输入到压力分类头和关键波分类头，以获取压力分类结果和关键波分类结果；本发明能够利用好片段中的关键信息，并使用关键波形来监督模型充分学习到心电信号的模式和特征。本发明不仅能够准确得到压力识别的结果，还能够减小过拟合，提升模型泛化性。
-
公开(公告)号：CN118823641A
公开(公告)日：2024-10-22
申请号：CN202410915227.2
申请日：2024-07-09
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V20/70 , G06V40/16 , G06V10/82 , G06T9/00 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/084
Abstract: 本发明提供智能驾驶场景语义编码上链和多下游任务集成方法及系统，包括：构建智能驾驶场景下视频数据关键帧特征编码器Me，通过自监督重建任务进行编码器参数学习；根据区块链共享节点的业务需求设计安全员异常行为识别、场景重建、安全员人脸识别等多种下游任务解码器Di，通过多下游任务共同监督多个解码器Di的训练；搭建视频数据语义编码上链和下游任务应用框架，涵盖输入视频数据S、筛选关键帧Sf、获取关键帧语义编码信息Me(Sf)上链、多节点共识和编码信息共享、得到下游任务解码信息Di[Me(Sf)]。本发明通过语义编码上链实现海量复杂数据的高效表征和存证，满足区块链共享节点的多种下游任务需求，从而促进相关领域数据的高效可信存证和可信共享。
-
公开(公告)号：CN118154502A
公开(公告)日：2024-06-07
申请号：CN202211562723.1
申请日：2022-12-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种提升CT和MRI图像分析算法性能的预处理方法。所述方法包括：准备CT或MRI三维数字影像集合；设置矩阵三维空间偏移约束尺度；构建二维切片随机偏移尺度实时计算模块；嵌入已有算法的训练或测试架构的输入端；对算法输出的新结果进行偏移校正；得到优化的CT或MRI图像分析结果。本发明的方案可根据需要灵活嵌入已有算法的训练阶段和测试阶段，通过匹配真实的图像采集过程提升算法的分析精度，在医生诊断过程中起到更精确的智能辅助效果。
-
Patent Agency Ranking
公开(公告)号：CN113053497A
公开(公告)日：2021-06-29
申请号：CN202110250510.4
申请日：2021-03-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种优化组织学病理图像智能分析性能的后处理方法。所述方法包括：获取病例的多张病理切片的数字图像，并绘制先验图谱；将切片对应的数字图像和先验图谱裁剪成小尺寸图像块；计算待优化算法对于小尺寸图像块的预测置信概率特征，并计算对应的先验图谱的平均值作为先验权重；计算每个小尺寸图像块的加权置信概率特征；融合切片对应的所有小尺寸图像块的加权置信概率特征；融合病例对应的所有切片的加权置信概率特征；最后预测病例所属病变类别。本发明的方案不需要重新训练即可应用于现有智能分析方法，不仅能提升算法的分析精度，也能结合医生的先验知识关注部分关键区域，在病理医生诊断过程中起到更精确的智能辅助效果。
-
公开(公告)号：CN118154503A
公开(公告)日：2024-06-07
申请号：CN202211562733.5
申请日：2022-12-07
Applicant: 北京邮电大学
Abstract: 本发明提供了基于细胞空间关系的病理图像的自动诊断方法。所述方法包括：收集同一组织器官的不同病变等级的患者组织样本，构建病理数字图像数据集；通过深度学习算法，在低分辨率下锁定目标组织器官的有效组织区域并保存区域特征；通过深度学习算法在高分辨率下实现有效组织区域中的细胞核定位和分类；裁剪合适大小的图像块，融合图像块中的有效组织和细胞核的语义特征和空间特征；将图像块特征联系上下文信息并按照索引位置拼接为原尺寸获得诊断热图。本发明引入细胞空间关系增加智能诊断的可解释性，结合病理图像的全局特征和局部特征增加模型推理的鲁棒性，实现病理图像中病灶的高性能自动定位与诊断。
-
公开(公告)号：CN117672509A
公开(公告)日：2024-03-08
申请号：CN202311361638.3
申请日：2023-10-19
Applicant: 北京邮电大学
IPC: G16H50/30 , A61B5/145 , A61B5/01 , A61B5/11 , A61B5/0205 , A61B5/02 , A61B5/00 , G16H40/60 , G06F18/15 , G06N3/09
Abstract: 本发明提供了基于可穿戴设备监控的体征信号的呼吸道疾病重症预测方法。所述方法包括：通过可穿戴设备采集患者体征信号，并收集电子病例；对患者体征信号做清洗过滤、时长筛选、质量评估等处理；待训练干净特征信号的归一化与时间编码处理；以临床结论为参照，根据临床数据分析呼吸道疾病病程趋势，并以此为先验知识，设计合适的病程拟合曲线函数；分析临床信号特点，构建针对一维信号特征提取骨干网络；依托病程拟合曲线，构建针对噪声标签的鲁棒性损失函数，以训练深度学习分类网络，用来预测呼吸道疾病患者的重症情况；不断优化病程拟合曲线与特征提取骨干网络，寻找最具普遍性的呼吸道疾病病程趋势，以此构建呼吸道疾病重症预测系统。本发明的方案结合呼吸道疾病临床的结论先验，寻找最具普遍性的病程趋势，构建鲁棒性损失函数监督优化深度学习分类网络。该重症预测系统不需要重新训练即可应用推广在临床与居家特征监控中，在实际应用中具有轻小便捷、时效性高、精度高、推广范围广、鲁棒性高等优点。
-
公开(公告)号：CN117235529A
公开(公告)日：2023-12-15
申请号：CN202311321973.0
申请日：2023-10-12
Applicant: 北京邮电大学
IPC: G06F18/214 , A61B5/318 , G06F18/40 , G06F18/10 , G06F18/213 , G06F18/243 , G06N3/0464
Abstract: 本发明提供了基于关键点和质量标签辅助的ECG信号标注方法、软件工具及系统。所述方法包括：对ECG信号进行标准化处理，形成待标注的数据集S0；将S0进行数据滤波降噪预处理；计算ECG信号的关键点(R‑Peak，P‑Peak和T‑Peak)；训练质量评估模型，并基于此模型计算ECG信号的质量标签；搭建可视化标注平台，加载之前步骤计算出的关键点和质量标签到标注平台作为人工标注的辅助提示；人机交互标注R‑Peak、P‑Peak和T‑Peak，噪声等级和心律失常特征；标注结果进行标准化格式保存。本发明的方案可应用于复杂噪声环境中采集的ECG信号的质量评估，通过可视化标注工具和辅助标注信息，以人机交互的策略辅助构建ECG相关数据集，对ECG信号处理、医学信号智能分析算法等方向的研究具有重要意义。
-
公开(公告)号：CN113053497B
公开(公告)日：2022-06-28
申请号：CN202110250510.4
申请日：2021-03-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种优化组织学病理图像智能分析性能的后处理方法。所述方法包括：获取病例的多张病理切片的数字图像，并绘制先验图谱；将切片对应的数字图像和先验图谱裁剪成小尺寸图像块；计算待优化算法对于小尺寸图像块的预测置信概率特征，并计算对应的先验图谱的平均值作为先验权重；计算每个小尺寸图像块的加权置信概率特征；融合切片对应的所有小尺寸图像块的加权置信概率特征；融合病例对应的所有切片的加权置信概率特征；最后预测病例所属病变类别。本发明的方案不需要重新训练即可应用于现有智能分析方法，不仅能提升算法的分析精度，也能结合医生的先验知识关注部分关键区域，在病理医生诊断过程中起到更精确的智能辅助效果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.042 seconds)
