公开(公告)号：CN116013543A

公开(公告)日：2023-04-25

申请号：CN202310061478.4

申请日：2023-01-16

Applicant: 厦门大学

Inventor： 王连生 ,  陈源

IPC: G16H70/00 ,  G16H50/70 ,  G16H50/50 ,  G06T7/00

Abstract: 本发明公开了一种基于深度学习的TACE疗效预测方法，包括以下步骤：S1、获取数据，并对数据进行预处理；S2、构建可实现多模态信息融合的预测模型，预测模型分为图像特征提取阶段与特征融合阶段；S3、将预处理后的数据输入到预测模型中，依次进行图像特征提取与特征融合；S4、对预测模型进行训练，并通过训练后的预测模型进行TACE疗效预测；该方法能够融合图像特征与多种临床信息，相比传统的仅依靠BCLC来决定是否对HCC患者使用TACE疗法，该方法充分融合了两种模态数据的互补信息，能够更加准确预测TACE的治疗效果。

公开(公告)号：CN116129200A

公开(公告)日：2023-05-16

申请号：CN202310406196.3

申请日：2023-04-17

Applicant: 厦门大学

Inventor： 陈源 ,  王连生

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/40 ,  G06V10/80 ,  G06V10/778 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习的支气管镜图像良恶性病灶分类装置，包括步骤：图像获取模块，用于获取数据，并对数据进行预处理；图像处理模块，用于对模型图像编码器进行自监督预训练，提升模型提取深层次抽象特征的能力；图像特征提取模块，用于通过预训练后的编码器提取图像特征，并对临床数据进行维度转换；图像分类模块，用于通过多模态空间注意力机制模块融合图像特征与临床特征，并进行良恶性病灶分类；该装置能够融合图像特征与临床信息，与传统影像组学方法相比，该装置较为高效且分类准确性较高，能够在临床上为医生快速区分支气管镜图像良恶性病灶提供参考。