-
公开(公告)号：CN119380972A
公开(公告)日：2025-01-28
申请号：CN202411441024.0
申请日：2024-10-15
Abstract: 本发明公开了一种结合长文本生成方法的乳腺疾病ABUS筛查系统，包括模型训练模块，具有AI模型仓库和模型评估算法；数据收集模块，用于采集受检者乳腺超声影像；标注模块，通过AI或人工对影像异常区域自动标记和区域特征分析，且标记通过勾画方式标记；系统辅助诊断模块，用于配合用户交互，将标记和区域特征分析进行关联，通过与标记进行交互，快速定位区域特征分析内容。作为本发明的进一步改进，还包括诊断报告模块，用于配合用户交互，用于暂存用户的截图、描述、标记并生成诊断报告。本方案能够解决患者乳腺成像数据众多、信息量大，导致基层筛查医生工作繁重的问题，提高阅片质量以及筛查的高效性、顺利性和精准性。
-
公开(公告)号：CN119166817A
公开(公告)日：2024-12-20
申请号：CN202411291411.0
申请日：2024-09-14
Applicant: 杭州电子科技大学 , 先进计算与关键软件(信创)海河实验室
IPC: G06F16/35 , G06F40/279 , G06F16/33 , G06F40/166 , G06F40/103 , G16H15/00 , G16H10/60 , G16H30/20 , G16H50/20 , G06N3/0895 , G06N3/04
Abstract: 本发明公开了一种基于BioClinicalBERT模型的乳腺疾病语料库构建方法，通过乳腺MRI语料库构建方法，结合人机协同标注和先进的自监督学习技术，从乳腺MRI图像中提取出具有判别性的特征，并通过计算多级相似性，有效提升了乳腺MRI诊断的精确度和效率。不仅为乳腺疾病的早期诊断和治疗提供了有力支持，同时也因其通用性而展现出在其他医学图像分析和诊断领域的广泛应用潜力。并且应用在病例文本标准化方法中，还能够让这些病历文本不仅包含了准确的结构化标签和医学图像信息，还具有高度的可读性和可理解性。医生可以快速地浏览病历文本，准确地获取关键信息，从而更高效地做出诊断和治疗决策。
-
公开(公告)号：CN116797820A
公开(公告)日：2023-09-22
申请号：CN202310549198.8
申请日：2023-05-16
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 基于深度学习模型的时尚搭配检测识别方法，属于计算机视觉领域。本方法适用多个场景，该系统的识别效率及识别精度高；Pix2Seq将对象检测转换为以观察到的像素输入为条件的语言建模任务；对象描述和对象位置被表示为离散标记的目标序列；再训练神经网络来感知图像并生成构造序列，即通过Encoder结构对图片内容消化理解，并通过Decoder将其转化为描述这张图片的文本张量序列；将目标序列和源序列用最大似然方式构造损失函数，不断迭代更新神经网络，从而构造目标检测模型。该系统可以实现以下功能：对输入的时尚穿搭照片进行目标检测，识别出各部分的服装。
-
公开(公告)号：CN116778191A
公开(公告)日：2023-09-19
申请号：CN202310549202.0
申请日：2023-05-16
Applicant: 杭州电子科技大学
IPC: G06V10/56 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N20/00
Abstract: 基于卷积和自注意机制神经网络的织物颜色识别方法，属于图像识别技术领域。本发明提出一种全新的基于卷积神经网络的颜色预测模型CSAM，卷积层和注意层按原则穿插叠加，很好地提高了模型的泛化能力、容量和效率；通过考虑原始输入图像与一组参考彩色图像之间的差异，并在色差域对输入图像进行RGB编码，提取织物图像中的颜色识别特征，然后采用一种集成式的卷积神经网络架构，最后通过卷积层和最大池化层的特征计算降维后通过softmax激活函数的密集层，对各个分类器的预测结果加权平均，对织物颜色进行有效的分类预测。本发明采用了全新的神经网络架构，显著地提高织物颜色识别的识别成功率和准确率，且拥有良好的可移植性和泛用性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
