公开(公告)号：CN113724359B

公开(公告)日：2024-09-24

申请号：CN202110795676.4

申请日：2021-07-14

Applicant: 鹏城实验室

Inventor： 黄锦发 ,  陈杰 ,  高志强 ,  田永鸿

IPC: G06T11/60 ,  G06V30/18 ,  G06V30/148 ,  G16H15/00

Abstract: 本发明公开了一种基于Transformer的CT报告生成方法，所述方法包括：获取CT图像，并基于预设的CT报告生成模型提取所述CT图像的视觉特征序列；对所述视觉特征序列进行编码，得到隐含层特征序列；对所述隐含层特征序列进行解码，得到与所述CT图像对应的单词概率，其中，所述单词概率用于表征将CT图像转换成文字时的单词识别概率；根据所述单词概率，生成CT医学报告文本。本发明通过在图像编码时建立不同对象之间的关系，在解码时对不同医学报告的相似模式进行建模和存储，从而生成准确且内容丰富的医学报告，减少放射科医生的工作量并且有助于促进临床自动化。

公开(公告)号：CN117497054A

公开(公告)日：2024-02-02

申请号：CN202311394977.1

申请日：2023-10-25

Applicant: 鹏城实验室

Inventor： 陈杰 ,  聂志伟 ,  徐凡 ,  叶芃 ,  王振楠 ,  田永鸿

IPC: G16B30/00 ,  G16B5/00 ,  G06F18/214

Abstract: 本申请实施例提供了一种多肽序列构建方法和装置、设备及存储介质，属于生物信息技术领域。该方法包括：获取包含具备靶向信息和预设性质信息的多肽训练序列的蛋白质训练数据集；根据多肽训练序列对预设的原始多肽序列预测模型进行模型参数微调得到目标多肽序列预测模型；获取包括参考多肽序列的参考多肽序列集；通过目标多肽序列预测模型对参考多肽序列进行序列预测得到多肽预测序列；根据参考多肽序列和多肽预测序列组合形成候选多肽序列；对候选多肽序列进行结构预测得到多肽结构信息；根据预设的筛选条件和多肽结构信息对候选多肽序列进行筛选处理得到目标多肽序列。本申请实施例能够生成方向性且质量更高的多肽序列。

公开(公告)号：CN117390195A

公开(公告)日：2024-01-12

申请号：CN202311240225.X

申请日：2023-09-22

Applicant: 鹏城实验室

Inventor： 陈杰 ,  田永鸿 ,  徐凡

IPC: G06F16/36 ,  G06F16/26 ,  G06F8/34

Abstract: 本发明提供了一种基于图编辑器的知识溯源连线方法、装置、设备和介质，方法包括：通过前端框架搭建前端界面，获取溯源信息数据，并在图编辑器窗口中根据溯源信息数据生成知识图谱，在确定点击信号选中的目标实体节点的情况下，在溯源片段窗口中生成多个相关溯源片段对应的溯源片段卡片，并根据关联系数从多个溯源片段卡片中确定目标溯源片段卡片，进而获取目标实体节点和目标溯源片段卡片的位置信息，并根据位置信息对目标实体节点和目标溯源片段卡片进行连线处理，进而实现自动化的溯源信息连线功能，解决知识图谱和知识溯源信息之间缺乏直观交互的问题，提高知识图谱系统的可视化能力，使得用户可以更快速有效的查看知识溯源信息。

公开(公告)号：CN117292756A

公开(公告)日：2023-12-26

申请号：CN202311136170.8

申请日：2023-09-01

Applicant: 鹏城实验室

Inventor： 陈杰 ,  聂志伟 ,  刘旭东 ,  王振楠 ,  黄显淞 ,  田永鸿

IPC: G16B40/20 ,  G16B20/00 ,  G06F18/211 ,  G06F18/214 ,  G06F18/24 ,  G06F18/27 ,  G06N3/0464 ,  G06N3/047

Abstract: 本申请实施例提供了病毒性质预测模型训练方法和病毒性质预测方法，通过由病毒蛋白质序列数据集提取的特征训练预测模型得到目标预测模型；在训练模型的过程中，根据第一模型预测结果、回归标签和第一惩罚指数得到回归任务的回归损失函数值，根据第二模型预测结果、分类标签、第二惩罚指数和权重系数得到分类任务的分类损失函数值，根据回归损失函数值和分类损失函数值调整模型参数，通过第一惩罚指数指导对回归任务中的负样本的惩罚程度，通过第二惩罚指数指导对分类任务中的负样本的惩罚程度，通过权重系数调整分类损失函数对于分类任务的正样本的注重程度，从而解决训练数据正负样本不平衡问题。

公开(公告)号：CN117251527A

公开(公告)日：2023-12-19

申请号：CN202311192737.3

申请日：2023-09-14

Applicant: 鹏城实验室

Inventor： 陈杰 ,  田永鸿 ,  黄显淞 ,  徐凡

IPC: G06F16/33 ,  G06F40/30 ,  G06F40/295 ,  G16H50/70 ,  G06N20/00 ,  G06F16/35 ,  G06F18/22

Abstract: 本申请实施例提供了一种医学循证方法、系统、电子设备及存储介质，属于医学技术领域。该方法包括：获取目标实体对，目标实体对包括目标检索信息和目标检索信息对应的目标要素信息；根据目标实体对，在预设的医学数据库中检索得到医学文档信息，其中，医学文档信息包括来源信息和标题信息；将目标实体对输入预训练模型，得到第一特征嵌入信息；将医学文档信息输入预训练模型，根据来源信息和标题信息确定医学证据信息，得到表征医学证据信息特征的第二特征嵌入信息；将第一特征嵌入信息和第二特征嵌入信息输入证据鉴别器中得到关联值，当该关联值超过关联阈值时，确定医学证据信息为目标实体对的目标证据。本申请能够提高医学循证准确度和效率。

公开(公告)号：CN117197424A

公开(公告)日：2023-12-08

申请号：CN202310968911.2

申请日：2023-08-02

Applicant: 鹏城实验室

Inventor： 王珊珊 ,  杨浩 ,  郑海荣 ,  徐凡 ,  陈杰 ,  田永鸿 ,  高文

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/74 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/08 ,  G06V10/44

Abstract: 本发明实施例提供目标检测方法、样本增强方法、装置、设备和存储介质，涉及人工智能技术领域。目标检测方法利用流数据动态更新数据存储空间中的数据样本，在训练阶段利用样本增强模型对数据存储空间中的部分样本进行增强，以增加样本多样性，然后利用增强样本集、流数据样本和数据存储空间中剩余的数据样本共同作为训练样本进行模型训练，训练样本中包含在一定时间范围内的新数据、旧数据以及伪数据，这样使得目标检测任务模型能够在不断学习新任务的同时，保留以前学过的旧任务的知识，从而提高目标检测任务模型的学习效率和泛化性能，进而提升目标检测任务模型的检测准确率。

公开(公告)号：CN114339564B

公开(公告)日：2023-06-16

申请号：CN202111586513.1

申请日：2021-12-23

Applicant: 清华大学深圳国际研究生院 ,  鹏城实验室

Inventor： 吴志勇 ,  陈杰 ,  叶文轩 ,  陈玉鹏

IPC: H04R25/00

Abstract: 一种基于神经网络的用户自适应助听器自验配方法，包括：根据用户纯音测听得到的听力图，拟合一组初始的信号处理参数；通过用户佩戴的预调了所述信号处理参数的助听器，进行多轮的言语测听和参数调整；其中，每次言语测听完毕后，基于神经网络的言语测听识别概率模型根据用户的言语测听记录，预测用户在各种参数组下对不同言语测听语料的识别概率；参数组优化系统根据预测结果，获得使用户的言语测听识别率最高的几组参数组供用户选择，并基于用户选择的参数组，继续微调参数；持续迭代进行言语测听和参数调整，直到助听器调配到满足预定的助听效果为止。本发明使助听器验配便捷化的同时提高了验配结果的精确性。

公开(公告)号：CN116246064A

公开(公告)日：2023-06-09

申请号：CN202211569881.X

申请日：2022-12-08

Applicant: 鹏城实验室

Inventor： 高文 ,  陈杰 ,  田永鸿 ,  徐凡 ,  耿睿哲

IPC: G06V10/26 ,  G06V10/46 ,  G06V10/82 ,  G06V10/25 ,  G06T7/00 ,  G06N3/045

Abstract: 本发明所提供的一种多尺度空间特征增强方法及装置，所述方法包括：对待分割病理图像进行处理，得到目标病理图像；将所述目标病理图像输入图像特征提取网络，提取所述目标病理图像中的不同尺度的特征，得到不同尺度层级的特征图像；将不同尺度层级的所述特征图像输入自注意力机制，进行空间特征增强处理，得到最终特征图；将所述最终特征图输入基于两阶段检测器的基线模型，生成分割结果。本发明通过将不同尺度层级的所述特征图像输入自注意力机制，进行空间特征增强处理，提取到了信息更丰富的特征图，可以更好地对图像上的目标进行识别和定位，避免了仅依赖于最后一个特征图上的像素，提高了分割精度。

公开(公告)号：CN116051470A

公开(公告)日：2023-05-02

申请号：CN202211623471.9

申请日：2022-12-16

Applicant: 鹏城实验室

Inventor： 高文 ,  陈杰 ,  田永鸿 ,  王兆玮

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于数据增强的肝脏CT术后肿瘤分割方法及装置，所述方法包括：构建SPADE生成对抗网络模型；其中所述SPADE生成对抗网络模型包括生成器和判别器；对所述SPADE生成对抗网络模型进行训练，得到训练完成的SPADE生成对抗网络模型；获取2D常规肝脏肿瘤的轮廓掩模，并将所述轮廓掩模输入到所述训练完成的SPADE生成对抗网络模型中的所述生成器，得到生成的2D术后肝脏肿瘤图像；根据所述生成的2D术后肝脏肿瘤图像，得到3D术后肝脏肿瘤数据集。本发明可从各种形态的常规肿瘤中提取轮廓掩模，生成得到生成的2D术后肝脏肿瘤图像，从而扩充了数据量稀少的术后肿瘤的样本个数。

公开(公告)号：CN113344896A

公开(公告)日：2021-09-03

申请号：CN202110705914.8

申请日：2021-06-24

Applicant: 鹏城实验室

Inventor： 高志强 ,  陈杰 ,  乔鹏冲 ,  田永鸿

IPC: G06T7/00 ,  G06T7/10

Abstract: 本发明公开了一种半监督的胸部CT图像病灶分割模型的训练方法及系统，所述方法包括：获取样本CT图像，并计算所述样本CT图像的可信度，其中，所述样本CT图像包括有标注图像和无标注图像；根据所述样本CT图像的可信度，进行CT图像的配对，并生成增广CT图像，所述CT图像为仅含有病灶的图像；根据所述增广CT图像训练深度学习网络，得到病灶分割模型；基于教师‑学生模型的自学习策略优化所述病灶分割模型的分割精度。本发明提出一种半监督的胸部CT图像病灶分割模型的训练方法，保留了病灶信息，整合了全监督损失函数和普通半监督损失函数的优点，节省大量的人力成本，避免了海量标注数据的需求。