-
公开(公告)号：CN118711824B
公开(公告)日：2025-01-21
申请号：CN202411209792.3
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
Abstract: 本发明公开了一种基于并行特征提取的重症患者康复情况分析方法，包括：采集患者的特征构建数据集，将每个患者的特征作为一条医疗数据；将每个患者的医疗数据编码为特征向量；构建并行特征提取网络，将患者的特征向量输入并行特征提取网络，提取并行特征；将并行特征进行映射，得到最终预测结果；并行特征提取网络中卷积神经网络卷积层的卷积核为特定矩形；本发明可以根据医疗数据特点进行区分编码，从而使得患者的数据可以进行量化分析，通过多种模型的提取特征从而并行进行特征分析，充分利用了数据的潜力，通过人工智能技术评估重症患者的康复情况，节省了医疗资源。
-
公开(公告)号：CN118710759B
公开(公告)日：2024-11-05
申请号：CN202411210605.3
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06T11/00 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于生成对抗网络生成图像的方法，通过在基于生成对抗网络的图像生成模型中在解码层中设置动态均匀采样层，对输入模型的图像进行约束态下的动态均匀采样，从而减少了模型生成的重构图像的交替式网纹。
-
公开(公告)号：CN118711838B
公开(公告)日：2024-11-22
申请号：CN202411209582.4
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G16H50/70 , G16H30/20 , G16H10/60 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0495 , G06N3/0895 , G06V10/80 , G06V10/774 , G06V10/94 , G06N3/0464 , G06N3/045 , G06F21/62 , G06F21/60 , H04L9/00
Abstract: 本发明公开了一种基于人工智能的乳腺癌在线分类方法及系统，该方法包括如下步骤：通过云服务中心对中心医院的乳腺癌诊疗数据进行预处理；提取预处理后的中心医院的乳腺癌诊疗数据中的特征；构建分类模型并对分类模型进行训练；对训练好的分类模型的权重进行加密，并将加密后的训练好的分类模型传输到边缘服务器对待诊疗图像进行分类；本发明通过采用轻量级网络，并在轻量级网络中添加特征融合层来进行特征提取，提高了分类的准确性；通过采用标签模糊的方法来处理待诊疗图像，可动态调整待诊疗图像局部区域的分数权重，将与分类无关的区域与病例特征不明显的区域的关注度降低，与病变特征相关且明显的区域特征关注度提高。
-
公开(公告)号：CN118710915A
公开(公告)日：2024-09-27
申请号：CN202411211236.X
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06V10/26 , G06V10/42 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于频域增强和门控解码的图像分割方法，包括：S1：构建数据集；S2：构建图像分割模型，导入图像进入混合编码模块，获取图像特征信息；其中，导入步骤S1的图像进入混合编码模块的过程中，混合编码模块的编码模块的残差结构块依次对图像进行下采样，获取残差提取信息；S3：导入图像至频域增强模块，获取增强特征信息；S4：导入图像信息至门控解码模块中，获取门控解码信息；S5：对门控解码信息通过进行卷积获取最终的预测分割图像，构建损失函数。本发明通过设置混合编码模块和频域增强模块来充分利用肝肿瘤图像的频域信息，并利用门控解码模块内的门控机制来引导解码过程，提高了肝肿瘤图像分割的准确度。
-
公开(公告)号：CN118402801A
公开(公告)日：2024-07-30
申请号：CN202410876612.0
申请日：2024-07-02
Applicant: 南昌大学第一附属医院
IPC: A61B5/397 , G06F18/10 , G06F18/2134 , G06F18/214 , G06F18/241 , A61B5/00
Abstract: 本发明公开了一种膈肌肌电信号的处理方法及系统，涉及生物医学信号处理领域。一种膈肌肌电信号的处理系统，包括有：数据采集模块、数据预处理模块、特征提取模块、肌电信号特征识别模块、综合建议模块和可视化交互模块。本发明通过获取膈肌肌电信号的多类型特征，使用基于多层感知机的预训练模型获取多类型特征的动作特征权重，并融入基于长短时记忆网络的膈肌肌电信号分析模型进行动作识别，有效结合了两种模型的特征权重，提高了肌电信号的识别准确率。通过改进独立成分分析方法，对多组独立心电成分进行心电信号评估，获取最高得分的独立心电成分对应的独立肌电成分，去除了肌电信号中混杂的心电信号，解决了肌电信号的噪声问题。
-
Patent Agency Ranking
公开(公告)号：CN118710915B
公开(公告)日：2024-11-05
申请号：CN202411211236.X
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06V10/26 , G06V10/42 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于频域增强和门控解码的图像分割方法，包括：S1：构建数据集；S2：构建图像分割模型，导入图像进入混合编码模块，获取图像特征信息；其中，导入步骤S1的图像进入混合编码模块的过程中，混合编码模块的编码模块的残差结构块依次对图像进行下采样，获取残差提取信息；S3：导入图像至频域增强模块，获取增强特征信息；S4：导入图像信息至门控解码模块中，获取门控解码信息；S5：对门控解码信息通过进行卷积获取最终的预测分割图像，构建损失函数。本发明通过设置混合编码模块和频域增强模块来充分利用肝肿瘤图像的频域信息，并利用门控解码模块内的门控机制来引导解码过程，提高了肝肿瘤图像分割的准确度。
-
公开(公告)号：CN118760968A
公开(公告)日：2024-10-11
申请号：CN202411246363.3
申请日：2024-09-06
Applicant: 南昌大学第一附属医院
IPC: G06F18/2411 , G06F18/214 , G06N3/0464 , G06N3/045 , G16H10/60
Abstract: 本发明提供一种基于联合神经网络的预测方法，包括：S1：构建数据集，数据集包括带有标签信息的患者的离体检测数据，对离体检测数据进行预处理；S2：构建预测模型，导入步骤S1中数据集的离体检测数据分别至预测模型的GCN网络、CNN网络和GA‑NET网络以同时提取离体检测数据的特征表示；S3：对步骤S2获取的不同维度的特征表示，分别进行加权累加以获取预测输入，将预测输入导入至预测模型中的预测层中，获取预测输出；S4：构建损失函数并根据步骤S3的预测输出和步骤S1的离体检测数据的标签计算损失，最小化损失以更新预测模型的参数。本发明引入了多视角深度学习的思想，能够更全面地捕获数据的特征信息，提高了特征表示的能力。
-
公开(公告)号：CN118402801B
公开(公告)日：2024-10-01
申请号：CN202410876612.0
申请日：2024-07-02
Applicant: 南昌大学第一附属医院
IPC: A61B5/397 , G06F18/10 , G06F18/2134 , G06F18/214 , G06F18/241 , A61B5/00
Abstract: 本发明公开了一种膈肌肌电信号的处理方法及系统，涉及生物医学信号处理领域。一种膈肌肌电信号的处理系统，包括有：数据采集模块、数据预处理模块、特征提取模块、肌电信号特征识别模块、综合建议模块和可视化交互模块。本发明通过获取膈肌肌电信号的多类型特征，使用基于多层感知机的预训练模型获取多类型特征的动作特征权重，并融入基于长短时记忆网络的膈肌肌电信号分析模型进行动作识别，有效结合了两种模型的特征权重，提高了肌电信号的识别准确率。通过改进独立成分分析方法，对多组独立心电成分进行心电信号评估，获取最高得分的独立心电成分对应的独立肌电成分，去除了肌电信号中混杂的心电信号，解决了肌电信号的噪声问题。
-
公开(公告)号：CN118711838A
公开(公告)日：2024-09-27
申请号：CN202411209582.4
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G16H50/70 , G16H30/20 , G16H10/60 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0495 , G06N3/0895 , G06V10/80 , G06V10/774 , G06V10/94 , G06N3/0464 , G06N3/045 , G06F21/62 , G06F21/60 , H04L9/00
Abstract: 本发明公开了一种基于人工智能的乳腺癌在线分类方法及系统，该方法包括如下步骤：通过云服务中心对中心医院的乳腺癌诊疗数据进行预处理；提取预处理后的中心医院的乳腺癌诊疗数据中的特征；构建分类模型并对分类模型进行训练；对训练好的分类模型的权重进行加密，并将加密后的训练好的分类模型传输到边缘服务器对待诊疗图像进行分类；本发明通过采用轻量级网络，并在轻量级网络中添加特征融合层来进行特征提取，提高了分类的准确性；通过采用标签模糊的方法来处理待诊疗图像，可动态调整待诊疗图像局部区域的分数权重，将与分类无关的区域与病例特征不明显的区域的关注度降低，与病变特征相关且明显的区域特征关注度提高。
-
公开(公告)号：CN118711824A
公开(公告)日：2024-09-27
申请号：CN202411209792.3
申请日：2024-08-30
Applicant: 南昌大学第一附属医院
Abstract: 本发明公开了一种基于并行特征提取的重症患者康复情况分析方法，包括：采集患者的特征构建数据集，将每个患者的特征作为一条医疗数据；将每个患者的医疗数据编码为特征向量；构建并行特征提取网络，将患者的特征向量输入并行特征提取网络，提取并行特征；将并行特征进行映射，得到最终预测结果；并行特征提取网络中卷积神经网络卷积层的卷积核为特定矩形；本发明可以根据医疗数据特点进行区分编码，从而使得患者的数据可以进行量化分析，通过多种模型的提取特征从而并行进行特征分析，充分利用了数据的潜力，通过人工智能技术评估重症患者的康复情况，节省了医疗资源。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
