公开(公告)号：CN115661454A

公开(公告)日：2023-01-31

申请号：CN202211320016.1

申请日：2022-10-26

Applicant: 湖南大学

Inventor： 彭绍亮 ,  王练 ,  潘良睿 ,  王鹤恬 ,  刘明婷 ,  陈佐

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V20/70

Abstract: 本发明公开了一种用于病理图像分割的双端层次化的特征融合方法，包括：S1、将整个全视野数字切片分成切片小块，并行放入全局编码器和局部编码器中；S2、在全局编码器中，块嵌入层将切片分割成不重叠的补丁，将特征维度映射到维度转换后的特征通过连续的Swin Transformer块和块合并层在各个阶段以生成分层的全局特征表示；S3、在局部编码器中，Stem层生成补丁特征，通过ConvNeXt块和下采样层在各个阶段以生成相应的分层局部特征表示；S4、在解码器中，借助全局‑局部融合模块GLFusion和跳越连接，获取双分支同一层次的全局粗粒度信息和局部细粒度信息；S5、获得图像的像素级分割，并合并所有切片块分割结果以恢复最终的WSI的肿瘤分布图。本发明具有较高的实际应用价值。

公开(公告)号：CN117557483A

公开(公告)日：2024-02-13

申请号：CN202311531433.5

申请日：2023-11-16

Applicant: 湖南大学

Inventor： 彭绍亮 ,  刘明婷 ,  章成源 ,  潘良睿

IPC: G06T5/90 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于生成对抗网络增强肝脏磁共振病灶对比度的方法，包括：参数初始化；构建判别器D网络；构建生成器G网络；读取训练数据集图片x；生成训练数据集相应的目标域code集c_trg；生成验证数据集相应的目标域code集c_fixed_list；判别器D训练；判别器D损失计算；判断当前迭代次数加1能否被生成器G每迭代一次判别器应迭代次数n_critic整除。本发明利用不同期图像之间的连续变化关系来进行重建损失的计算，使得生成器G可以保留不同期图像的增强细节，准确合成病变区域的增强效果。

公开(公告)号：CN114758722B

公开(公告)日：2024-06-28

申请号：CN202210427451.8

申请日：2022-04-21

Applicant: 湖南大学

Inventor： 彭绍亮 ,  鲍雯萱 ,  刘文娟 ,  王小奇 ,  刘明婷 ,  王鹤恬

IPC: G16B30/00 ,  G16B40/00 ,  G06F18/2321 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于生成式对抗网络的基因序列插补方法，通过无监督聚类算法将基因序列按照缺失片段的分布情况分为两类,两个生成器分别学习并构造相应的基因序列缺失分布模型；再分别构建两个生成式对抗网络，通过注入与原数据等量的随机噪声，生成缺失片段的插补结果，并根据对方缺失分布模型的预测结果，丢弃此完整数据的部分信息，最后判别与真实数据的差异性，根据反馈调整插补模型，进而得到高精度的插补结果。本发明可以在不同类型的数据集上进行插补，具有良好的鲁棒性；能模拟基因数据产生缺失的过程，又避免了插补片段与掩盖片段重叠，能够防止训练中产生无意义的迭代；提高了插补的精度和效率，能够运用于大规模数据集的处理。

公开(公告)号：CN114758722A

公开(公告)日：2022-07-15

申请号：CN202210427451.8

申请日：2022-04-21

Applicant: 湖南大学

Inventor： 彭绍亮 ,  鲍雯萱 ,  刘文娟 ,  王小奇 ,  刘明婷 ,  王鹤恬

IPC: G16B30/00 ,  G16B40/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于生成式对抗网络的基因序列插补方法，通过无监督聚类算法将基因序列按照缺失片段的分布情况分为两类,两个生成器分别学习并构造相应的基因序列缺失分布模型；再分别构建两个生成式对抗网络，通过注入与原数据等量的随机噪声，生成缺失片段的插补结果，并根据对方缺失分布模型的预测结果，丢弃此完整数据的部分信息，最后判别与真实数据的差异性，根据反馈调整插补模型，进而得到高精度的插补结果。本发明可以在不同类型的数据集上进行插补，具有良好的鲁棒性；能模拟基因数据产生缺失的过程，又避免了插补片段与掩盖片段重叠，能够防止训练中产生无意义的迭代；提高了插补的精度和效率，能够运用于大规模数据集的处理。

公开(公告)号：CN116580848A

公开(公告)日：2023-08-11

申请号：CN202310538812.0

申请日：2023-05-15

Applicant: 湖南大学

Inventor： 彭绍亮 ,  潘良睿 ,  王练 ,  刘达政 ,  窦钰涛 ,  刘明婷 ,  许力文 ,  王鹤恬

IPC: G16H50/70 ,  G06F18/241 ,  G06F18/214 ,  G06F18/23 ,  G06N3/045 ,  G06N3/09 ,  G06N3/084 ,  G06F18/22 ,  G06F18/25 ,  G06N3/088

Abstract: 本发明公开了一种基于多头注意力机制的分析癌症多组学数据方法，包括：S1、对癌症多组学数据进行数据收集和预处理；S2、采用监督的多头注意力模型完成癌症多组学数据的分类任务；S3、采用基于多头注意力机制的解耦对比学习模型学习完成癌症多组学数据的聚类任务。本发明在分类任务和聚类任务上同时获得较好的效果，可以与临床信息的分析癌症的发病机理。

公开(公告)号：CN115527204A

公开(公告)日：2022-12-27

申请号：CN202211145469.5

申请日：2022-09-20

Applicant: 湖南大学

Inventor： 彭绍亮 ,  潘良睿 ,  刘达政 ,  窦钰涛 ,  王练 ,  刘明婷

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了人工智能和生物信息学技术领域的一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法，该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法包括以下步骤：对肝癌组织的全幻灯片图像进行数据收集和预处理；使用多标签诊断框架辅助全幻灯片图像完成分类任务；使用多标签诊断框架辅助全幻灯片图像完成分割任务。该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法通过深度学习技术的多标签诊断框架对肝癌组织全幻灯片图像。