公开(公告)号：CN116958680A

公开(公告)日：2023-10-27

申请号：CN202310925053.3

申请日：2023-07-26

Applicant: 杭州电子科技大学

Inventor： 薛梦凡 ,  乔韶华 ,  曾祥爱 ,  江浩东

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/82 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明公开了一种基于多模态特征辅助的肝癌CT图像分类方法及装置。该方法通过构建两个神经网络，分别提取四相期CT特征与单相期CT特征，单独训练后，使用四相期CT分类模型网络参数辅助训练基于单相期CT的分类神经网络，利用四相期CT图像丰富的特征，提高单相期CT影像分类网络的精度。同时，在测试应用阶段，不需要使用四相期CT图像作为网络的输入，而仅使用基于单相期CT的分类神经网络对单相期CT图像进行分类识别，在提高单相期CT图像分类准确性的同时，辅助医生减少工作量，且有助于减少造影剂注射与连续扫描对病人造成的不良影响。

公开(公告)号：CN116863464A

公开(公告)日：2023-10-10

申请号：CN202310910473.4

申请日：2023-07-24

Applicant: 杭州电子科技大学

Inventor： 薛梦凡 ,  曾祥爱 ,  乔韶华 ,  江浩东

IPC: G06V20/69 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明公开了基于分层图卷积和注意力的病理图像生存分析方法。该方法收集全视野数字图像并进行染色预处理。对预处理后的病理图像分割出细胞核并进行特征提取，随后构建细胞图。同时对预处理后的病理图像切块并提取特征，随后构造切片图。构建多层次细胞图和切片图特征融合模型，包括细胞图卷积模块、切片图卷积模块和基于门控注意力读出模块，提取细胞图特征，融合进切片图后，进一步提取切片图特征。最后对病理图级表示利用cox回归进行生存预测。通过提取不同尺度的病理图像信息，并考虑了它们的空间连通性从而探索整张全视野病理图像多层次拓扑结构，平衡效率和粒度，从低层次到高层次对全视野数字病理图像进行预后分析。

公开(公告)号：CN118196508A

公开(公告)日：2024-06-14

申请号：CN202410330689.8

申请日：2024-03-22

Applicant: 杭州电子科技大学

Inventor： 左燕 ,  乔韶华 ,  薛梦凡

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40

Abstract: 本发明公开了一种基于多维特征交互的四相期CT图像分类方法，该方法首先收集四相期CT图像，进行预处理并标注，构建训练集。其次构建特征提取网络，分别对四相期CT图像进行特征提取，获得各相期的一维特征表示。然后构建时空预测模块，基于各相期的一维特征表示，获取预测结果P1；将各相期的一维特征，经过平均池化层和分类器得到单相期的分类结果，将四个单相期的分类结果相加进行平均，得到平均预测结果P2。最后将P1和P2进行加权平均输出分类结果，并进行训练。本发明提高了CT图像识别准确性，能够更好的适应不同的数据和场景。为医学影像技术的发展注入新的思路和方法。