-
公开(公告)号：CN114399510B
公开(公告)日：2024-06-25
申请号：CN202111606058.7
申请日：2021-12-25
Applicant: 西安交通大学医学院第二附属医院
IPC: G06T7/10 , G06V10/40 , G06V10/764
Abstract: 本发明公开了一种结合图像和临床元数据的皮肤病灶分割和分类方法及系统，方法包括以下步骤：基于皮肤病灶分割网络，引入感受野模块来取代编码和解码阶段的卷积单元，用多尺度整体特征探索模块实现跨多个尺度特征的整体探索，挖掘解码器合成的多尺度特征；皮肤病灶分类网络引入两个特征提取器以及提出跨模态协作特征探索模块，分别从皮肤镜图像和临床元数据中提取跨模态特征；利用跨模态协作特征探索模块在模型的表示学习过程中，通过区分和自适应地学习与每个跨模态特征对相关联的交互权重，动态捕获跨模态特征之间的多功能交互效果，挖掘皮肤镜图像与临床元数据的跨模态特征之间的潜在关系，对跨模态特征进行分类，获得皮肤病灶的类别。
-
公开(公告)号：CN116168820A
公开(公告)日：2023-05-26
申请号：CN202310205672.5
申请日：2023-03-06
Applicant: 西安交通大学
IPC: G16H40/20 , G16H10/60 , G06F16/27 , G06F16/2458 , G06F21/62 , G06F21/64 , G06F16/25 , G06Q40/04
Abstract: 基于虚拟集成与区块链融合的医疗数据互操作方法，在区块链上，将原始数据从数据管道中以流数据的形式整合成一个虚拟的集成数据库；虚拟的集成数据库在智能合约下面，根据智能协议规定的权限，选择性地打开虚拟集成数据库的数据通道，从而实现在智能合约监管下的虚拟集成；同时区块链中的记账本用于记录各种流通行为进行监督记账，用于日后的合规审计，为医疗数据的确权提供保障；本发明在虚拟集成基础上，融合区块链技术实现系统间高度互操作性，进一步实现医联体、医共体模式下多方医疗机构的有效协作，实现区域医学中心的高效率数字化协同管理，实现相似病例检索与共病管理，同时实现管理部门的有效监督管理。
-
公开(公告)号：CN115953673A
公开(公告)日：2023-04-11
申请号：CN202211215326.7
申请日：2022-09-30
Applicant: 西安交通大学医学院第二附属医院
IPC: G06V20/10 , G06V20/69 , G06V10/58 , G06V10/764
Abstract: 本发明提供一种液态环境微生物浓度的智能检测方法及系统，通过采集不同浓度等级的多个源域液态样本的初始高光谱数据，校准高光谱数据，基于校准高光谱数据进行高光谱超立方体的裁切得到源域数据集，并将源域数据集随机均衡的分成训练验证集，使用K折交叉验证方法将训练验证集划分为一一对应的K个训练集和K个验证集，在每个训练集上进行多通道联合特征提取、深度特征提取和折内浓度预测，并基于对应折验证集分别选择初始最优浓度检测模型，在K折上得到K个初始最优浓度检测模型；基于K个初始最优浓度检测模型通过定性分析和定量分析得到最终最优浓度检测模型和浓度集体决策结果。相较于现有技术，本申请具有更好的鲁棒性和域泛化能力。
-
公开(公告)号：CN114399510A
公开(公告)日：2022-04-26
申请号：CN202111606058.7
申请日：2021-12-25
Applicant: 西安交通大学医学院第二附属医院
IPC: G06T7/10 , G06V10/40 , G06V10/764
Abstract: 本发明公开了一种结合图像和临床元数据的皮肤病灶分割和分类方法及系统，方法包括以下步骤：基于皮肤病灶分割网络，引入感受野模块来取代编码和解码阶段的卷积单元，用多尺度整体特征探索模块实现跨多个尺度特征的整体探索，挖掘解码器合成的多尺度特征；皮肤病灶分类网络引入两个特征提取器以及提出跨模态协作特征探索模块，分别从皮肤镜图像和临床元数据中提取跨模态特征；利用跨模态协作特征探索模块在模型的表示学习过程中，通过区分和自适应地学习与每个跨模态特征对相关联的交互权重，动态捕获跨模态特征之间的多功能交互效果，挖掘皮肤镜图像与临床元数据的跨模态特征之间的潜在关系，对跨模态特征进行分类，获得皮肤病灶的类别。
-
公开(公告)号：CN119693644A
公开(公告)日：2025-03-25
申请号：CN202411771807.5
申请日：2024-12-04
Applicant: 西安交通大学医学院第二附属医院
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/043
Abstract: 本发明涉及医学图像处理领域，具体为一种基于模糊逻辑建模和动态图卷积网络的医学图像分割方法、系统、设备及介质，包括以下步骤：S1，构建集成有边界完整性增强模块和轨迹连续性增强模块的BT‑Net 3D U型深度网络；S2，提取输入特征；S3，边界完整性增强模块基于不确定估计和模糊神经网络获取增强的边界特征；轨迹连续性增强模块基于动态图卷积网络获取增强的连续性成像特征；S4，特征重建，获得最终的分割结果。本发明基于模糊逻辑建模减少不确定性，能够迭代增强血管边界的完整性，从而提高网络在复杂情况下确定血管边界的能力，基于动态图卷积网络迭代增强血管轨迹的连续性，从而提高网络处理跨尺度复杂微小血管结构的能力。
-
Patent Agency Ranking
公开(公告)号：CN118748076A
公开(公告)日：2024-10-08
申请号：CN202410730971.5
申请日：2024-06-06
Applicant: 西安交通大学医学院第二附属医院
IPC: G16H50/20
Abstract: 本申请公开了一种基于多模型间交互反馈的诊疗方法及装置，该方法包括：将检查图像输入视觉大模型得到视觉特征向量，并将视觉特征向量转换为自然提示语言；将文字检查报告输入大语言模型得到语言特征向量；分别抽取自然提示语言与语言特征向量的语言信息得到自然语言信息与特征语言信息；对自然语言信息与特征语言信息对进行翻译对齐；获取视觉大模型与大语言模型的不确定性，并基于不确定性确定视觉大模型与大语言模型的交互程度；视觉大模型与大语言模型根据交互程度进行交互诊断得到诊断结果。解决了现有技术中医学图像分析方法对人工的依赖程度较高的问题，能够大幅度减少人工干预，实现高效地疾病诊断，提升患者就诊体验。
-
公开(公告)号：CN112151175B
公开(公告)日：2024-08-20
申请号：CN202011012722.0
申请日：2020-09-23
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开了一种基于影像学数据的计算机辅助多人决策方法、系统及设备，方法包括以下步骤：提取和构建病变组织影像预测所需的特征数据集，基于所述增广后的反映组织形态的影像学特征数据集，使用点估计网络分别进行最大值、最小值、中位值和平均值的点预测，得到病变良恶性点分布，基于反映病变良恶性点分布，使用综合预测网络进行良恶性统计分布指标预测，得到反映病变的影像学统计分布指标，良恶性范围、平均值和中位值；将所得良恶性范围、平均值和中位值映射至反映病变良恶性范围内；预测具有医学临床价值的统计分布指标，包括良恶性指标范围、平均值和中位值，本方法可深度学习多个专家标注/决策特征，提高病变良恶性预测准确率。
-
公开(公告)号：CN113609773B
公开(公告)日：2024-04-05
申请号：CN202110902904.3
申请日：2021-08-06
Applicant: 西安交通大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F113/26 , G06F119/02
Abstract: 本发明公开一种基于小样本的数据可靠性评估结果预测性能的方法及系统；方法包括：获取原始数据，根据原始数据所属类别选择领域内多个专家对每个数据点的可靠性进行评分，结合原始数据形成融合领域专家知识的数据库；基于数据可靠性评估模型对数据集中的数据进行可靠性估计，形成具有可靠性评分的数据集；将具有可靠性评分的数据集作为性能预测模型的训练数据集，建立原始数据与性能之间的映射关系，即得到性能预测模型；根据所述性能预测模型对材料的性能进行预测，本发明将碎片化领域知识融合起来，辅助进行小样本条件下的数据可靠性评估，在实验数据和专家知识均不可靠的情况下，解决数据无标签及可靠度低条件下的数据甄别问题。
-
公开(公告)号：CN116580240A
公开(公告)日：2023-08-11
申请号：CN202310568224.1
申请日：2023-05-19
Applicant: 西安交通大学医学院第二附属医院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G16H50/30
Abstract: 一种多尺度特征提取及其内在关系建模的深度学习方法，包括以下步骤：基于现有技术的多尺度特征提取模块Res2Net，使用轻量级Transformer对多尺度上下文特征进行整合，形成多尺度感知特征提取模块；根据现有技术的多尺度特征提取模块Res2Net和多尺度感知特征提取模块SAFE，设计尺度感知残差模块；根据尺度感知残差模块，构建三维尺度感知残差神经网络；本发明不仅能够有效的提取多尺度特征，还使用了轻量化的Transformer对多尺度特征之间的内在关系进行了建模和整合，相比于现有技术的多尺度特征提取模块，本发明具有更强的特征学习能力，获取到的多尺度特征整合为一个更具分辨力的特征。
-
公开(公告)号：CN113935976A
公开(公告)日：2022-01-14
申请号：CN202111229422.2
申请日：2021-10-21
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明提供一种增强CT图像的脏器内血管自动分割方法及系统，方法包括对增强CT图像进行脏器分割处理提取脏器区域，由脏器区域得到三维脏器感兴趣区域；对所述三维脏器感兴趣区内，分别进行全局脏器内血管分割和局部脏器内血管分割产生全局脏器内血管自动分割结果和局部脏器内血管自动分割结果；将全局脏器内血管自动分割结果和局部脏器内血管自动分割结果融合，得到最终的脏器内血管自动分割结果。本发明提出了一种全自动渐进式的脏器内血管分割的深度学习解决方案，旨在保持血管在其形状细节和连续性方面的完整性。实验结果表明，该方案具有较高的准确性、效率和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.041 seconds)
