-
公开(公告)号：CN113724359A
公开(公告)日：2021-11-30
申请号：CN202110795676.4
申请日：2021-07-14
Applicant: 鹏城实验室
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：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
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：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
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。
-
公开(公告)号：CN113344896B
公开(公告)日：2023-01-17
申请号：CN202110705914.8
申请日：2021-06-24
Applicant: 鹏城实验室
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。
-
-
-
Search Results
4
records
(took 0.02 seconds)
