-
公开(公告)号：CN108520518A
公开(公告)日：2018-09-11
申请号：CN201810318306.X
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤超声图像识别方法及其装置，所述方法包括：选取甲状腺肿瘤超声图像中的肿瘤区域并扩增一定边缘范围后切割，进行良恶性标注，将切割下来的图像组成训练集；用训练集训练选定的卷积神经网络形成甲状腺肿瘤超声图像识别模型；获取待识别的甲状腺肿瘤超声图像，选取肿瘤区域并扩增一定边缘范围后，用所述甲状腺肿瘤超声图像识别模型进行良恶性识别。本发明所述方法及其装置用于辅助医生对甲状腺肿瘤的良恶性进行诊断，在甲状腺超声图像肿瘤良恶性检测试验中取得了超过90％的准确率，这对临床实际诊断具有重大的参考意义。
-
公开(公告)号：CN108564123A
公开(公告)日：2018-09-21
申请号：CN201810318242.3
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤细胞学涂片图像分类方法及其装置，所述方法包括：获取若干一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像；用获取的图像组成训练集，并对训练集进行数据扩增；生成初步卷积神经网络；用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络；获取待分类的甲状腺肿瘤细胞学涂片图像，用成熟卷积神经网络对该图像中的细胞进行良恶性判断：图像中所有细胞均判断为良性则输出良性结果，图像中有至少一个细胞为恶性则输出恶性结果。所述方法及装置用于辅助医生对甲状腺肿瘤进行诊断，提高诊断的准确率。
-
公开(公告)号：CN108564026A
公开(公告)日：2018-09-21
申请号：CN201810318298.9
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种用于甲状腺肿瘤细胞学涂片图像分类的网络构建方法及系统，该系统利用强化学习方法寻找最适合甲状腺肿瘤细胞学涂片图像分类的现有卷积神经网络，所述强化学习方法的具体流程为：首先，用循环神经网络生成一个卷积神经网络；接着，用甲状腺肿瘤细胞学涂片图像训练集训练该卷积神经网络；然后，用甲状腺肿瘤细胞学涂片图像验证集验证经训练后的该卷积神经网络的准确率，设定一个准确率阈值，判断其准确率是否高于阈值；最后将准确率最高的卷积神经网络作为初步卷积神经网络进行再训练，从而达到构建高准确率卷积神经网络用于辅助医生对甲状腺肿瘤进行诊断，提高了诊断准确率的目的。
-
公开(公告)号：CN108717554A
公开(公告)日：2018-10-30
申请号：CN201810495014.3
申请日：2018-05-22
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤病理组织切片图像分类方法及其装置，所述方法包括：获取已分类的甲状腺肿瘤病理组织切片原始图像集；在每张原始图像中自动截取若干张含有细胞的区域图像作为子图像集；将子图像集全部或部分作为训练集；构建初步卷积神经网络模型；用训练集训练初步卷积神经网络模型，获得成熟卷积神经网络模型；用成熟卷积神经网络模型对待分类的甲状腺肿瘤病理组织切片图像进行分类。采用高斯拉普拉斯算子特征去匹配病理组织切片中的细胞核从而找到细胞的位置，在细胞较多的区域实施自动化图像截取，从而实现全自动的细胞图像分类和癌症诊断，可以大量减少医生在审理病理组织切片时候的工作量，提高诊断准确率。
-
公开(公告)号：CN108364293A
公开(公告)日：2018-08-03
申请号：CN201810318236.8
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种在线训练甲状腺肿瘤超声图像识别方法及其装置，所述方法包括：获取一组甲状腺肿瘤超声图像，从中选取肿瘤区域并扩增一定边缘范围后切割，进行良恶性标注，将切割下来的图像存入图像库，并与所述图像库中部分原有的图像组成训练集；用训练集训初级甲状腺肿瘤超声图像识别模型形成进阶甲状腺肿瘤超声图像识别模型；获取待识别的甲状腺肿瘤超声图像，选取肿瘤区域并扩增一定边缘范围后切割，用所述进阶甲状腺肿瘤超声图像识别模型进行良恶性识别。该方法能够实现对病例图像的再利用，对甲状腺肿瘤图像特征的学习、记忆与积累；随着病例增加，能够逐渐提升模型的泛化能力与预测准确率，对临床诊断经验积累具有十分重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN108564026B
公开(公告)日：2021-11-02
申请号：CN201810318298.9
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种用于甲状腺肿瘤细胞学涂片图像分类的网络构建方法及系统，该系统利用强化学习方法寻找最适合甲状腺肿瘤细胞学涂片图像分类的现有卷积神经网络，所述强化学习方法的具体流程为：首先，用循环神经网络生成一个卷积神经网络；接着，用甲状腺肿瘤细胞学涂片图像训练集训练该卷积神经网络；然后，用甲状腺肿瘤细胞学涂片图像验证集验证经训练后的该卷积神经网络的准确率，设定一个准确率阈值，判断其准确率是否高于阈值；最后将准确率最高的卷积神经网络作为初步卷积神经网络进行再训练，从而达到构建高准确率卷积神经网络用于辅助医生对甲状腺肿瘤进行诊断，提高了诊断准确率的目的。
-
公开(公告)号：CN108564123B
公开(公告)日：2021-11-02
申请号：CN201810318242.3
申请日：2018-04-10
Applicant: 复旦大学附属肿瘤医院 , 上海交通大学
Abstract: 本发明公开了一种甲状腺肿瘤细胞学涂片图像分类方法及其装置，所述方法包括：获取若干一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像；用获取的图像组成训练集，并对训练集进行数据扩增；生成初步卷积神经网络；用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络；获取待分类的甲状腺肿瘤细胞学涂片图像，用成熟卷积神经网络对该图像中的细胞进行良恶性判断：图像中所有细胞均判断为良性则输出良性结果，图像中有至少一个细胞为恶性则输出恶性结果。所述方法及装置用于辅助医生对甲状腺肿瘤进行诊断，提高诊断的准确率。
-
公开(公告)号：CN118735781A
公开(公告)日：2024-10-01
申请号：CN202410802553.2
申请日：2024-06-20
Applicant: 上海交通大学
IPC: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06N3/045 , G06N3/08
Abstract: 本申请提供一种基于孪生标准化流神经网络的图像处理方法、介质及设备，所述方法包括：将低分辨率图像通过插值放大，标记为LR图像；将LR图像输入到预先训练的包含两个孪生标准化流模块的孪生标准化流网络模型进行处理，获取输出的张量，并分解为z_LL低频张量和z_LH高频张量；采样高频隐变量，并将高频隐变量逆向输入条件标准化流模块进行处理，获取输出的张量，并分解为z_HL低频张量和z_HH高频张量；将z_LL低频张量复制到z_HL低频张量的位置，并将z_LL低频张量与z_HH高频张量拼接成z_H’张量；将z_H张量逆向输入到孪生标准化流网络模型得到高分辨率图像。本申请可以有效解决超分辨率任务中的不适定问题。
-
公开(公告)号：CN117786225A
公开(公告)日：2024-03-29
申请号：CN202311868798.7
申请日：2023-12-29
Applicant: 上海交通大学
IPC: G06F16/9535 , G06N3/0464 , G06N3/08 , G06F17/18 , G06F17/16
Abstract: 本申请提供一种基于参数解耦和图卷积网络的多任务推荐方法及电子设备，所述方法包括：用于处理多任务的多个专家混合模型将每个任务的单个权重解耦成共享权重和任务独享权重；基于所述专家混合模型的输出构建表示节点之间边的概率的概率图作为各所述专家混合模型之间的关系图；基于各所述专家混合模型之间的关系图和图卷积网络聚合各所述专家混合模型的输出。本申请将参数解耦和图卷积网络运用于多任务推荐中，从而减少负迁移和跷跷板现象并防止门控网络崩溃。
-
公开(公告)号：CN111898555B
公开(公告)日：2023-05-19
申请号：CN202010762471.1
申请日：2020-07-31
IPC: G06V20/10 , G06V10/26 , G06V30/148
Abstract: 本发明提供一种基于图像与文本的图书盘点识别方法、装置、设备及系统，所述方法包括：包括：采集书架图像，并将所述书架图像切割为多个含有书脊的书脊图像；对所述书脊图像进行识别，获取各所述书脊对应的关键字；判断任一所述书脊对应的关键字与图书数据库中图书信息的相似度是否到第一相似度阈值：若是，则完成该书脊对应的图书的盘点；若否，则将该书脊对应的关键字和该书脊周围的至少一个所述书脊对应的关键字作为一个整体关键字，并继续判断所述整体关键字与图书数据库中图书信息的相似度是否到第二相似度阈值：若是，则完成形成所述整体关键字的各书脊所对应的图书的盘点；若否，则确定盘点失败。本发明可以辅助智能图书馆的自动图书盘点。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.03 seconds)
