公开(公告)号：CN116993689A

公开(公告)日：2023-11-03

申请号：CN202310913294.6

申请日：2023-07-20

Applicant: 河南大学淮河医院

Inventor： 王斌杰 ,  李宣乐 ,  杨晓慧 ,  秦长江 ,  王长福 ,  王智 ,  贺祥 ,  王小丹

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26

Abstract: 本发明涉及生物医学技术领域及医学图像处理领域，具体公开了一种预测胰腺癌间皮素表达水平的方法，该具体步骤为：S1、对胰腺癌患者胰腺部位肿瘤区域医学图像进行处理，获取所述肿瘤区域医学图像病灶的感兴趣区域图像；S2、提取所述感兴趣区域图像中的影像组学特征；S3、将步骤S2提取的影像组学特征的值输入评分预测模型，计算得到所述感兴趣区域图像的图像评分；S4、对步骤S3获得的图像评分进行定性分析，预测所述胰腺癌患者胰腺部位肿瘤细胞间皮素表达水平。本发明的方法能够有效预测建间皮素在胰腺癌患者中的表达水平，预测的AUC能够达到0.843，灵敏度达到了80.00%，特异度达到了75.68%，具有较高的准确性，不仅为当前临床上对胰腺癌肿瘤细胞间皮素表达水平检测提供了一种新的手段，还能够为胰腺癌临床治疗提供新的参考，有利于临床医生确定更精准的胰腺癌治疗方案。

公开(公告)号：CN116935182B

公开(公告)日：2024-12-17

申请号：CN202310598706.1

申请日：2023-05-20

Applicant: 河南大学

Inventor： 杨晓慧 ,  宋宇 ,  王斌杰 ,  彭李超 ,  王小丹 ,  杨利军 ,  郑晨

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明涉及智慧医疗技术领域，具体涉及一种基于RepCSC‑Net的乳腺肿瘤良恶性识别方法，包括：获取乳腺钼靶影像数据集，对乳腺钼靶影像数据集进行图像增强处理，并分为训练集、验证集和测试集；构建具有结构重参数化策略的RepCSC模块，获得RepCSC‑Net模型；获得训练后的RepCSC‑Net模型，进而获得验证后的RepCSC‑Net模型；将测试集输入到验证后的RepCSC‑Net模型，输出乳腺肿瘤的识别结果。本发明通过构建RepCSC‑Net模型，有效提高了乳腺肿瘤良恶性识别精度，可以应用于肿瘤良恶性识别领域。

公开(公告)号：CN115375630A

公开(公告)日：2022-11-22

申请号：CN202210936944.4

申请日：2022-08-05

Applicant: 河南大学

Inventor： 杨晓慧 ,  王斌杰 ,  廖豪杰 ,  王恒哲 ,  王小丹 ,  王长福

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于CBNet模型的乳腺肿瘤良恶性智能识别与预测系统，图片检测功能模块、CBNet特征提取与识别模块、模型参数调整功能模块、显示和保存检测识别详细信息功能模块、语言设置功能模块。本发明率先将卷积神经网络和CatBoost集成树模型结合构建成特征表示学习能力强且具有良好可解释性的CatNet网络，并用于乳腺肿瘤良/恶性智能检测与识别。

公开(公告)号：CN116935182A

公开(公告)日：2023-10-24

申请号：CN202310598706.1

申请日：2023-05-20

Applicant: 河南大学

Inventor： 杨晓慧 ,  宋宇 ,  王斌杰 ,  彭李超 ,  王小丹 ,  杨利军 ,  郑晨

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明涉及智慧医疗技术领域，具体涉及一种基于RepCSC‑Net的乳腺肿瘤良恶性识别方法，包括：获取乳腺钼靶影像数据集，对乳腺钼靶影像数据集进行图像增强处理，并分为训练集、验证集和测试集；构建具有结构重参数化策略的RepCSC模块，获得RepCSC‑Net模型；获得训练后的RepCSC‑Net模型，进而获得验证后的RepCSC‑Net模型；将测试集输入到验证后的RepCSC‑Net模型，输出乳腺肿瘤的识别结果。本发明通过构建RepCSC‑Net模型，有效提高了乳腺肿瘤良恶性识别精度，可以应用于肿瘤良恶性识别领域。