-
公开(公告)号：CN119474883A
公开(公告)日：2025-02-18
申请号：CN202510051703.5
申请日：2025-01-14
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/214 , G06F18/20 , G06F18/25 , G06F18/213
Abstract: 本发明公开了一种医学多模态基座模型的训练方法、系统、设备和存储介质，涉及模型训练技术领域，方法包括：构建医学多模态基座模型；对每个数据处理分支进行训练；当对每个数据处理分支训练完成后，利用每个数据处理分支的输出数据，对多任务解码器进行训练。一方面，基于模型迁移能力，能够利用少量的多模态数据，对多任务解码器进行更好的训练，且得到的训练好的医学多模态基座模型能够支持输入多模态数据；另一方面，通过对数据处理分支和多任务解码器进行解耦训练，能够减少数据处理分支与多任务解码器之间的相互依赖，从而提高训练好的医学多模态基座模型的稳定性、泛化能力和预测精准度。
-
公开(公告)号：CN117952988A
公开(公告)日：2024-04-30
申请号：CN202410120321.9
申请日：2024-01-29
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及一种腹部CT图像的肝脏和肝脏肿瘤3D分割后处理方法，该方法包括以下步骤：获取腹部CT图像，并进行肝脏和肝脏肿瘤的分割，得到第一肝脏分割结果和第一肝脏肿瘤分割结果；分别对所述第一肝脏分割结果和所述第一肝脏肿瘤分割结果进行第一次处理，得到第三肝脏分割结果和第三肝脏肿瘤分割结果，取并集后得到第四肝脏分割结果；对所述第四肝脏分割结果进行第二次处理，得到第八肝脏分割结果；对所述第八肝脏分割结果进行第三次处理，得到最终的肝脏分割输出结果，将所述肝脏输出图像与所述第三肝脏肿瘤分割结果取交集，得到最终的肝脏肿瘤分割输出结果。本发明，能够实现降低分割偏差的目的，提高肝脏及肝脏肿瘤分割的精度。
-
公开(公告)号：CN117649418B
公开(公告)日：2024-04-19
申请号：CN202410128271.9
申请日：2024-01-30
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种胸部多器官分割方法及系统和计算机可读存储介质；本发明采用STUNet模型作为分割模型的基础模型，采用对部分器官标记的胸部CT图像进行训练，对缺标数据赋予伪标签，最终实现将无标或缺标的胸部CT图像形成全标记CT图像，进而训练得到胸部多器官分割模型，实现对无标或缺标的胸部CT图像的分割，解决了胸部CT图像全数据少的问题，使缺标或无标的胸部CT图像得到充分利用，实现准确的胸部多器官分割模型的构建。
-
公开(公告)号：CN116703896A
公开(公告)日：2023-09-05
申请号：CN202310963187.4
申请日：2023-08-02
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于多模态的前列腺癌与增生预测系统及构建方法；本方法包括采集患者的临床数据以及前列腺序列的CT影像，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注，经VIT算法模型处理后得出患者的前列腺影像embedding，对患者的临床数据进行预处理后得到患者的临床embedding，将对应的影像和临床embedding进行拼接，得到前列腺癌与增生预测模型；本发明通过将临床数据与影响数据进行结合形成多模态数据，并构建预测模型，实现对前列腺癌与增生的预测，解决了临床上医生对PSA值处于4到6的患者影像判断的挑战，避免患者做活检带来的痛苦。
-
公开(公告)号：CN115797638A
公开(公告)日：2023-03-14
申请号：CN202310054375.5
申请日：2023-02-03
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本申请提出一种医学图像分割方法、装置、电子设备及存储介质，方法包括：用少量人工标注的图像训练全监督医学图像分割模型；采用该模型对未进行标注的医学图像进行预测，得到伪标注医学图像；从伪标注医学图像中选出高质量伪标注图像，使用少量人工标注的图像与高质量伪标注图像来对全监督医学图像分割模型进行微调，得到半监督模型；重复进行n轮生成n个半监督模型，用最终的半监督模型预测未进行人工标注的图像。装置包括：人工标注模块、全监督模型训练模块、伪标注图像生成模块、高质量伪标注图像选择模块、半监督模型训练模块、标注结果输出模块。本申请仅用少量人工标注，就能够得到准确的多器官分割模型，并实现所有医学图像的标注。
-
Patent Agency Ranking
公开(公告)号：CN119905260A
公开(公告)日：2025-04-29
申请号：CN202411986050.1
申请日：2024-12-31
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G16H50/70 , G06V10/82 , G06V10/26 , G06V10/40 , G06F40/30 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种风险预测方法、系统、电子设备和存储介质，涉及风险预测技术领域，方法包括：对每个预设图像进行预处理，得到多个图块；分别对每个图块进行特征提取，并得到每个图块对应的第一预设事件的第一风险概率预测值，然后生成每个预设图像对应的图像级别特征；对每个预设图像对应的图像级别特征和解释性文本数据进行融合，得到多个样本；基于多个样本，对第二学习模型进行训练，得到训练好的第二学习模型；利用训练好的第一学习模型和训练好的第二学习模型对第二预设事件进行风险预测，其中，每个图块对应的第一预设事件的第一风险概率预测值表征了该图块对第二预设事件的重要度。本发明能够有效提高风险预测精度。
-
公开(公告)号：CN119475237A
公开(公告)日：2025-02-18
申请号：CN202411586167.0
申请日：2024-11-08
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/214 , G16H10/40 , G16H50/30
Abstract: 本发明涉及医疗领域，特别涉及一种肝硬化预后预测的模型融合方法及系统，该方法包括：获取历史肝硬化患者的特征数据和类型标签数据；构建数据集；构建并训练三种多分类模型；基于预设的多分类对数损失公式，计算三种多分类对数损失值；基于预设的模型融合权重公式和三种多分类对数损失值，分别计算融合权重值；将目标肝硬化患者的特征数据输入至训练后的三种多分类模型中，得到预测对应类型标签的预测结果；基于预设的模型融合策略，得到模型融合预测结果。本发明通过融合多分类对数损失公式、模型融合权重公式和模型融合策略对模型输出结果进行模型融合分析，以便提高模型融合预测结果的准确性，从而为医务人员提供更好的决策支持。
-
公开(公告)号：CN117576127A
公开(公告)日：2024-02-20
申请号：CN202410067270.8
申请日：2024-01-17
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06V10/28 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于病理图像的肝癌区域自动勾画方法，具体涉及肝癌病理图像预测技术领域。本申请基于肝癌病理图像建立了预测肝癌癌区的模型流程，并且模型效果较好，其中dice值达到0.92，具体的是构建了深度学习病理图片识别模型，具体的是通过深度学习勾画癌区、再利用影像组学提取特征并根据特征训练模型以及判别任务，具备步骤详细、方案清晰和预测准确的优点；解决了医生看病理图片费时标注癌区费力的问题，并且也避免出现假阳性患者浪费医疗资源，分析准确率高；通过预测时截取patches中心部分预测并应用于patches其他区域，有效节约了模型训练与预测的时间，同时模型训练与预测精度损失也较小。
-
公开(公告)号：CN117290686A
公开(公告)日：2023-12-26
申请号：CN202311560971.7
申请日：2023-11-22
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/20 , G16H50/20 , G06F18/10 , G06F18/2113 , G06F18/2411 , G06F18/2413 , G06F18/243 , A61B5/11 , A61B5/00
Abstract: 本发明涉及一种预测患者跌倒风险的模型的构建方法，该构建方法包括：数据的采集、数据的预处理以及模型构建等步骤。本发明针对平衡能力数据以及步态能力数据，通过筛选出与平衡能力数据相关性较高的第一风险特征以及与步态能力数据相关性较高的第二风险特征，采用8种二分类的机器学习模型针对平衡能力和步态能力分别进行模型构建，并分别计算7种模型评价指标，分别选取AUROC最高的预测患者跌倒风险的模型作为最终模型，该模型能够实现对患者步态和平衡能力的快速预测，模型效果较好，且得到的评估结果更加能体现真实的平衡能力与步态能力，提高了患者跌倒风险预测结果的准确度。
-
公开(公告)号：CN119228789B
公开(公告)日：2025-03-14
申请号：CN202411727880.2
申请日：2024-11-28
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T5/40 , G06T5/70 , G06T7/136 , G06T7/194 , G06T7/90 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种面向病理图像的基于大模型的图像分析和诊断方法及系统，涉及图像处理技术领域。具体公开了面向病理图像的基于大模型的图像分析和诊断方法，包括：将多个病理图像类型、多个癌种的多个病理图像进行归一化处理，并对各病理图像进行前景提取；将每个病理图像前景进行归一化处理后，将处理后的各病理图像前景切分为多个patch图像块；对每个病理图像的多个patch图像块进行癌种预测训练。本发明能够快速定位到病理图像的显著区域，从而实现更高效、准确的病理图像的疾病癌种预测。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
