公开(公告)号：CN113160253A

公开(公告)日：2021-07-23

申请号：CN202011600804.7

申请日：2020-12-29

Applicant: 南通大学

Inventor： 邵叶秦 ,  王天乐 ,  盛美红 ,  朱丽 ,  汤卫霞 ,  张铭 ,  高瞻 ,  许昌炎

IPC: G06T7/12 ,  G06T7/143 ,  G06T7/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于稀疏标记的三维医学图像分割方法及存储介质。本发明能更好的分割三维医学图像，同时考虑冠状面、矢状面、横断面这三个切片方向的医学图像信息，丰富图像的特征，并设计包含目标分类和边缘回归的多任务深度神经网络模型，使得分类和回归两个任务相互帮助，实现准确的图像分割。另外，本发明允许医生只标记少部分医学图像的切片，就可以实现图像的准确分割，较好的解决了医学图像样本标记太少的实际问题，有效提高医学图像分割的自动化、智能化水平。

公开(公告)号：CN118941777A

公开(公告)日：2024-11-12

申请号：CN202411056341.0

申请日：2024-08-02

Applicant: 南通大学

Inventor： 张远鹏 ,  程煜婷 ,  盛美红 ,  张馨匀 ,  邱成羽 ,  周琳家

IPC: G06V10/25 ,  G06V10/20 ,  G06V10/40 ,  G06V10/771 ,  G06V10/54 ,  G06V10/764

Abstract: 本发明涉及病理数字图像处理的技术领域，具体涉及一种基于影像组学和域适应的乳腺癌腋窝淋巴结转移预测方法；所述方法具体步骤为S1.选取多中心数据并进行划分；S2.对S1中数据进行预处理；S3.对S2预处理后的数据进行特征提取；S4.对S3提取的特征进行筛选；S5.构建域适应‑影像组学模型并进行验证；本发明引入了域适应算法，缩小了源域与目标域之间的特征分布差异，通过纳入多中心的影像数据，更好地反映真实的临床实践环境，本发明纳入了多序列的术前乳腺磁共振图像，丰富了影像组学可利用的信息；本发明为改善影像组学预测乳腺癌腋窝淋巴结转移的性能和泛化性提供保障，为精准医疗服务提供技术支撑。

公开(公告)号：CN114596318A

公开(公告)日：2022-06-07

申请号：CN202210277852.X

申请日：2022-03-21

Applicant: 南通大学

Inventor： 邵叶秦 ,  许昌炎 ,  桑子江 ,  盛美红

IPC: G06T7/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种基于Transformer的乳腺癌磁共振成像病灶分割方法，涉及智慧医疗和深度学习领域，其技术要点在于：构建TransBC，所述TransBC为基于Transformer结合3D卷积的MRI病灶分割模型，并且所述TransBC的网络为编码器—解码器结构；所述编码器—解码器结构分为下采样阶段和上采样阶段，其中所述下采样阶段为CNN编码器，用于提取不同层次的特征表示；所述上采样阶段为Transformer编码器，用于多次提取高分辨率特征图的长距离依赖关系补充并修正低分辨率CNN特征。模型的核心是使用Transformer对高分辨率特征图进行编码，提取出长距离依赖来补充和修正低分辨率CNN特征。本申请的模型能够更加精准地处理病灶的边缘部分，同时对于某些病灶内部灰度值不均衡的困难样本具备更好的分割效果。

公开(公告)号：CN113160253B

公开(公告)日：2024-01-30

申请号：CN202011600804.7

申请日：2020-12-29

Applicant: 南通大学

Inventor： 邵叶秦 ,  王天乐 ,  盛美红 ,  朱丽 ,  汤卫霞 ,  张铭 ,  高瞻 ,  许昌炎

IPC: G06T7/12 ,  G06T7/143 ,  G06T7/00 ,  G06N3/09 ,  G06N3/04

Abstract: 本发明提供一种基于稀疏标记的三维医学图像分割方法及存储介质。本发明能更好的分割三维医学图像，同时考虑冠状面、矢状面、横断面这三个切片方向的医学图像信息，丰富图像的特征，并设计包含目标分类和边缘回归的多任务深度神经网络模型，使得分类和回归两个任务相互帮助，实现准确的图像分割。另外，本发明允许医生只标记少部分医学图像的切片，就可以实现图像的准确分割，较好的解决了医学图像样本标记太少的实际问题，有效提高医学图像分割的自动化、智能化水平。

公开(公告)号：CN111915594A

公开(公告)日：2020-11-10

申请号：CN202010781871.7

申请日：2020-08-06

Applicant: 南通大学

Inventor： 邵叶秦 ,  高瞻 ,  汤卫霞 ,  汤佳欢 ,  盛美红

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04

Abstract: 本发明公开了一种基于端对端神经网络的乳腺癌病灶图像分割方法，包括如下步骤：步骤一、人工标记：根据医生的经验在数据上标记病灶区域；步骤二、数据预处理：对三维图像数据预处理，剪切成适合神经网络的图像尺寸；步骤三、选取模型：选用改进的端对端神经网络模型；步骤四、训练模型：使用改进的网络模型，在标记好的训练集上训练最优模型；步骤五、预测数据：用训练好的模型预测病灶区域；步骤六、评估结果：利用相应的评价指标衡量病灶分割的准确率。本发明提出了一种改进的端对端神经网络，不仅在原始分辨率图像上使用空洞残差网络，保持目标丰富的特征信息；还采用加权形式的Dice损失函数，在小目标和病灶边缘区域上分割效果更好。