公开(公告)号：CN115222007B

公开(公告)日：2023-06-20

申请号：CN202210611738.6

申请日：2022-05-31

Applicant: 复旦大学 ,  粤港澳大湾区精准医学研究院(广州)

Inventor： 耿道颖 ,  余荔恒 ,  于泽宽 ,  朱静逸 ,  陈卫强 ,  李强

IPC: G06N3/006 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明提供了一种面向胶质瘤多任务一体化网络的改进粒子群参数优化方法，包括：步骤1：构建脑胶质瘤患者数据集：步骤2：进行数据预处理；步骤3：构建多任务学习框架；步骤4：构建多任务损失函数；步骤5：通过改进的粒子群优化算法对多任务学习框架进行优化训练，得到损失函数中两个任务的最佳权重；步骤6：在网络中载入训练集，确定网络模型的参数，得到训练好的网络模型并保存，载入训练好的网络模型，输入测试集进行预测，得到结果并根据标签计算各评价指标值。本发明使用改进的粒子群优化算法可以根据粒子适应度来调节惯性权重，实现惯性权重的自适应调整。

公开(公告)号：CN115222007A

公开(公告)日：2022-10-21

申请号：CN202210611738.6

申请日：2022-05-31

Applicant: 复旦大学 ,  粤港澳大湾区精准医学研究院(广州)

Inventor： 耿道颖 ,  余荔恒 ,  于泽宽 ,  朱静逸 ,  陈卫强 ,  李强

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明提供了一种面向胶质瘤多任务一体化网络的改进粒子群参数优化方法，包括：步骤1：构建脑胶质瘤患者数据集：步骤2：进行数据预处理；步骤3：构建多任务学习框架；步骤4：构建多任务损失函数；步骤5：通过改进的粒子群优化算法对多任务学习框架进行优化训练，得到损失函数中两个任务的最佳权重；步骤6：在网络中载入训练集，确定网络模型的参数，得到训练好的网络模型并保存，载入训练好的网络模型，输入测试集进行预测，得到结果并根据标签计算各评价指标值。本发明使用改进的粒子群优化算法可以根据粒子适应度来调节惯性权重，实现惯性权重的自适应调整。

公开(公告)号：CN115272170A

公开(公告)日：2022-11-01

申请号：CN202210610244.6

申请日：2022-05-31

Applicant: 复旦大学

Inventor： 耿道颖 ,  朱静逸 ,  于泽宽 ,  李海庆 ,  金倞 ,  余荔恒

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于自适应多尺度Transformer优化的前列腺MRI影像分割方法及系统，包括：步骤S1：获取前列腺MRI影像数据集；步骤S2：对数据集中MRI图像进行预处理，得到预处理之后的训练集与测试集；步骤S3：初始化网络中的参数，使用带有Transformer模块的网络结合在前列腺图像标注的前列腺器官区域进行训练，更新参数得到前列腺自动分割模型；步骤S4：将测试数据集的图像输入训练完成的网络中，得到每幅MRI图像的前列腺分割图像。本发明引入了自适应卷积自适应地调制卷积核全局互补信息，采用自适应Transformer模块来增强全局语义提取能力，提升了对前列腺MRI图像的分割效果。