-
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：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：CN114004811B
公开(公告)日：2025-04-25
申请号：CN202111284039.7
申请日：2021-11-01
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明公开一种基于多尺度残差编解码网络的图像分割方法及系统，对皮肤病变图像进行预处理；对所述预处理后的图像进行数据增强，得到更多的图像数据，即输入特征图像；基于多尺度残差编解码网络对所述输入特征图进行特征提取、编码特征融合以及解码特征融合；对拼接后的特征F进行最大值池化、平均池化及soft池化，得到其空间注意力特征，然后再对其进行通道注意力操作，得到通道注意力后的特征，再对该特征进行sigmoid激活操作，得到最终的分割结果；皮肤病变分割网络Ms RED分割效果更好，尤其是于形状不规则，尺度变化大，对比度不明显，边界模糊的病变有良好的分割结果；本发明所设计的Ms RED网络，在临床皮肤病诊断中有巨大的应用潜力。
-
公开(公告)号：CN115190332B
公开(公告)日：2025-01-07
申请号：CN202210801636.0
申请日：2022-07-08
Applicant: 西安交通大学医学院第二附属医院
IPC: H04N21/234 , H04N21/44 , H04N21/488 , H04N5/278 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于全局视频特征的密集视频字幕生成方法，本发明通过自适应聚类的方法在只输入整段视频的情况下编码其全局特征，进而以端到端的方式指导事件定位和字幕生成，略去了先前模型利用先验阈值进行事件提案划分的步骤，从而在保证字幕生成准确性的条件下大大降低了计算复杂度。本发明在处理长序列特征时能够自适应地将相近的特征查询聚类进而降低冗余，节省内存。同时，作为传统Transformer中完整自注意力机制的快速近似，该方法在编码准确性方面也表现优异。
-
Patent Agency Ranking
公开(公告)号：CN118748077A
公开(公告)日：2024-10-08
申请号：CN202410731125.5
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 , G06N3/0464 , G06N3/0895
Abstract: 本申请公开了一种基于单次诊疗经验学习的大模型持续优化方法及装置，包括：进行编码步骤，获得用于存储经过编码器网络处理后的图像特征的空间；对于同一样本患者的两张随机图像，使用编码器网络生成其低维表示向量，并通过多实例对比学习损失最大化向量间的互信息；对综合图像中的非图像数据进行聚类，将具有相似特征的患者分为不同的类别；构建异构多图渐进式嵌入学习的模型；计算非图像数据的余弦相似度，优化嵌入表示；建立表达式融合历史知识与新知识；计算平均交叉熵损失并结合预测结果构建集成策略，使模型在持续学习中融合历史知识与新知识，解决了如何进行模型的参数优化、使模型持续学习和优化模型的可扩展性的问题。
-
公开(公告)号：CN116850489A
公开(公告)日：2023-10-10
申请号：CN202311076493.2
申请日：2023-08-24
Applicant: 西安交通大学医学院第二附属医院
IPC: A61N7/02
Abstract: 本发明公开了一种超声治疗系统，包括主机组件和LFIUS换能器组件，主机组件包括数据处理模块、彩超成像监控模块、信号采集模块和LFIUS编辑模块；LFIUS换能器组件通过三维定向机械移动组件与主机组件相连接；LFIUS换能器组件包括LFIUS换能器，彩超探头设置在LFIUS换能器的凹面外壳中央，单阵元换能器与水听器均朝向LFIUS换能器组件的焦域，确保LFIUS换能器在进行位置调整时，始终能精准接收LFIUS回波信号。彩超成像监控模块直接同步捕获目标组织的图像与LFIUS焦域图像，协同数据处理模块，引导三维定向机械移动组件调整LFIUS换能器组件的位置，使LFIUS更精准地辐照目标位置。应用此超声治疗系统可精准地、有效地、安全地对脾脏免疫功能进行刺激，针对炎症性疾病(癌症)具有显著疗效。
-
公开(公告)号：CN116758274A
公开(公告)日：2023-09-15
申请号：CN202310568227.5
申请日：2023-05-19
Applicant: 西安交通大学医学院第二附属医院
IPC: G06V10/25 , G06V10/40 , G06V10/774 , G06V10/80 , G16H50/20
Abstract: 一种有效融合临床知识和AI知识的肺结节诊断模型，包括检测模块、初始诊断模块、语义属性优化模块和最终诊断结果预测模块；检测模块用于从CT影像中提取结节的感兴趣区域；初始诊断模块，根据结节感兴趣区域，进行共享特征提取和多任务预测，预测结节语义属性得分和初始的良恶性诊断结果，完成初始化预测；语义属性优化模块，根据初始诊断模块得到的结节语义属性，选择性地优化语义得分，对相应的语义特征重新赋予权重，得到修改后的进行优化语义特征；最终诊断结果预测模块将优化后的语义特征进行特征向量的映射，最终得到结节恶性程度预测概率；本发明有效地融合语义特征(临床知识)和AI知识，增加了肺结节良恶性预测的准确性。
-
公开(公告)号：CN115644937A
公开(公告)日：2023-01-31
申请号：CN202211336815.8
申请日：2022-10-28
Applicant: 西安交通大学医学院第二附属医院
Abstract: 本发明提供一种冠状病毒超快速智能检测设备及方法，包括采集仓和设置于采集仓输出端的灭菌仓；采集仓内设置有病毒承载容器，病毒承载容器两侧单独设置有高光谱成像光源和图像采集装置，病毒承载容器内置病毒承载溶液；病毒承载容器连接有测试管和灭菌仓进气道，测试管端部为微孔结构且位于病毒承载溶液底部，灭菌仓进气道位于病毒承载溶液液面之上，且连接灭菌仓；图像采集装置输出端连接冠状病毒检测单元；本申请在高光谱成像技术及其对应的深度学习算法支持下，实现了新型冠状病毒及其其他病原微生物的检测，能够有效提取样本数据的深度特征，很好地实现新冠病毒超快速检测，且成本低、人力投入小，能够实现冠状病毒超快速智能检测。
-
公开(公告)号：CN115190332A
公开(公告)日：2022-10-14
申请号：CN202210801636.0
申请日：2022-07-08
Applicant: 西安交通大学医学院第二附属医院
IPC: H04N21/234 , H04N21/44 , H04N21/488 , H04N5/278 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于全局视频特征的密集视频字幕生成方法，本发明通过自适应聚类的方法在只输入整段视频的情况下编码其全局特征，进而以端到端的方式指导事件定位和字幕生成，略去了先前模型利用先验阈值进行事件提案划分的步骤，从而在保证字幕生成准确性的条件下大大降低了计算复杂度。本发明在处理长序列特征时能够自适应地将相近的特征查询聚类进而降低冗余，节省内存。同时，作为传统Transformer中完整自注意力机制的快速近似，该方法在编码准确性方面也表现优异。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.042 seconds)
