公开(公告)号：CN117036811A

公开(公告)日：2023-11-10

申请号：CN202311020950.6

申请日：2023-08-14

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  宋世龙 ,  冯拯云 ,  卞新军 ,  李灵巧 ,  刘振丙 ,  陆铖 ,  刘再毅

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/25 ,  G06V10/26 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于双分支融合网络的病理图像智能分类系统及方法，包括：将病理图像进行图像预处理，获得病理图像的图数据结构和固定大小的病理图像；将所述病理图像的图数据结构和固定大小的病理图像进行特征提取，获得包含病理图像类别信息的图特征和包含病理图像类别信息的深度卷积特征；将所述包含病理图像类别信息的图特征和包含病理图像类别信息的深度卷积特征进行特征融合，获得病理图像的最终分类结果。模型主要针对乳腺癌病理图像分类进行设计，在BRACS上取得了目前最佳的分类性能67.03％。同时模型也在直肠癌CRA数据集上进行验证，同样取得了目前最佳的性能97.33％。

公开(公告)号：CN117594225A

公开(公告)日：2024-02-23

申请号：CN202311651602.9

申请日：2023-12-05

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  安娅君 ,  杨辉华 ,  刘振丙 ,  陆铖 ,  周南 ,  邓华虎 ,  王钰萌 ,  卞新军

IPC: G16H50/20 ,  G16B20/00 ,  G16B40/20 ,  G06T7/11 ,  G06F18/25 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于病理和基因的多模态融合生存预后方法及装置，方法包括：对病理组织学图像和基因数据进行预处理，获得病理切片和基因数据集；构建多模态融合模型，然后训练模型：利用病理预后模块提取病理切片的病理深度学习特征，然后进行生成预后；利用利用基因预后模块提取基因数据的基因组学特征，然后进行生成预后；利用多模态低秩交互融合模块将病理深度学习特征和基因组学特征多模态融合，生成多模态融合特征；利用多模态融合特征对患者进行生存预后分析，然后经过迭代计算损失后，获取预后预测结果。本发明，全面地将多模态数据进行整合，增强了特征融合模型的鲁棒性，提高了病患生存预后的准确性。