公开(公告)号：CN120070403A

公开(公告)日：2025-05-30

申请号：CN202510222875.4

申请日：2025-02-27

Applicant: 华南理工大学

Inventor： 胡金龙 ,  吴特锦 ,  董守斌 ,  郑潇柔 ,  袁华

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于特征混合的显微图像骨髓细胞识别方法，包括：获取带标注的骨髓细胞显微图像构建数据集，划分成为训练集与测试集；对训练集中的图像进行数据增强，得到增强训练集；将增强训练集送入改进Mask R‑CNN网络进行训练，得到最优模型；将测试集输入到最优模型中获取预测信息，包括：每个骨髓细胞的位置边框、类别和分割掩码信息，将这些信息绘制到原始图像上，并将预测得到的骨髓细胞类别标在位置边框的上方，从而完成骨髓细胞的识别。本发明提升了对各种颜色风格的骨髓细胞图像的识别泛化性。

公开(公告)号：CN118588321A

公开(公告)日：2024-09-03

申请号：CN202410579755.5

申请日：2024-05-11

Applicant: 中山市华南理工大学现代产业技术研究院 ,  中山依数科技有限公司

Inventor： 董守斌 ,  何亦琛 ,  胡金龙 ,  郑潇柔

IPC: G16H70/40 ,  G16H20/10 ,  G16H10/60 ,  G16H50/70 ,  G06F18/22 ,  G06F18/2431 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/0985

Abstract: 本发明公开了一种基于电子病历的药物推荐系统，包括：预训练模块，增加了模型表达能力，加快模型训练和收敛速度；患者当前就诊表示建模模块，通过全局检索方法，并基于多头注意力机制，得到相似就诊的实体级别和相似就诊的用药表示，解决了患者横向就诊信息利用不充分的问题，充分利用了医疗库中相似就诊的信息；药物表示建模模块，通过对分子图和分子序列进行建模，解决了分子信息和结构利用不充分的问题，充分地获取准确的药物表示。联合药物推荐模块，增强了患者表示和药物信息表示之间的联系，平衡了药物推荐的准确性和安全性。本发明可实现准确且安全性高的患者用药推荐。

公开(公告)号：CN118865373A

公开(公告)日：2024-10-29

申请号：CN202410815254.2

申请日：2024-06-24

Applicant: 华南理工大学

Inventor： 刘正卿 ,  郑潇柔 ,  董守斌

IPC: G06V20/69 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06F40/30 ,  G06N3/0455 ,  G06T7/00

Abstract: 本发明公开了一种基于多模态增强的骨髓细胞识别系统，包括：细胞图像分割模块，为一种用于对骨髓细胞显微镜图像数据进行分割的改进SAM模型；该模块结合了SAM模型和Adapter块；标签文本改造模块，用于将传统的标签文本转换为粗、细粒度文本特征表示；多模态对齐模块，采用一种改进PMC‑CLIP模型实现对标签文本改造模块输出的粗、细粒度文本特征进行图像‑文本对齐。本发明通过粗粒度+细粒度的文本信息提示，可有效提高细胞个数少的种类以及复杂细胞图像的识别准确率，解决细胞种类不平衡和复杂图像难区分的问题，提高模型的识别准确率。

公开(公告)号：CN118470322A

公开(公告)日：2024-08-09

申请号：CN202410647152.4

申请日：2024-05-23

Applicant: 中山市华南理工大学现代产业技术研究院 ,  中山依数科技有限公司

Inventor： 董守斌 ,  李净 ,  郑潇柔 ,  胡金龙

IPC: G06V10/26 ,  G06T7/11 ,  G06T7/00 ,  G06V10/762 ,  G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V20/64 ,  G06V10/74 ,  G06V10/80

Abstract: 本发明公开了一种小样本三维医疗影像分割系统，使用预训练模型和3D十字交叉注意力挖掘模块来实现在资源受限情况下的三维医疗影像分割，包括：超体素生成模块、3D预训练特征提取模块、3D双十字交叉注意力挖掘模块和小样本原型学习网络模块。具体来说，本发明基于医学图像的3D预训练特征提取模块作为模型的骨干，解决了模型在小样本情况下无法充分表征的问题，充分利用了医学图像的三维空间信息。在此基础上，本发明设计了3D双十字交叉注意挖掘模块来挖掘支持特征和查询特征之间的全局交叉注意力，从而消除了图像背景信息的干扰，捕捉到了目标类别的细微特征，提高了模型的原型表示能力，取得了优秀的分割效果。

公开(公告)号：CN119516280A

公开(公告)日：2025-02-25

申请号：CN202411737583.6

申请日：2024-11-29

Applicant: 华南理工大学

Inventor： 董守斌 ,  吴宜炫 ,  郑潇柔

IPC: G06V10/764 ,  G06V10/26 ,  G16H30/40 ,  G16H50/20 ,  G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/20 ,  G06V10/54

Abstract: 本发明公开了一种面向疾病诊断的医学图像分割引导分类系统，包括：数据导入模块，用于读取疾病图像数据与疾病类别数据并进行预处理，得到原始图像、真实语义分割掩码图像与真实疾病类别标签Label；病灶语义分割与疾病分类模块，采用改进VM‑UNet网络对数据导入模块获得的原始图像执行分割任务和分类任务，获得预测语义分割掩码图像与预测疾病类别，实现医学图像的精确病灶语义分割与精确疾病分类。本发明可同时优化疾病诊断的语义分割任务与分类任务，利用多任务学习的优势实现隐式分割引导分类，并能重新利用预测语义分割掩码图像来强化关注病灶的形状信息与纹理信息，实现显式分割引导分类，具有较高的计算效率与泛化性。