-
公开(公告)号：CN116309385A
公开(公告)日：2023-06-23
申请号：CN202310169846.7
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/774 , G06V10/762 , G06V10/28 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的腹部脂肪与肌肉组织测量方法及系统。本发明利用少量标注的CT图像，构建一个2D‑3D两阶段分割框架，进行三维CT序列的皮下脂肪、内脏脂肪和骨骼肌的自动测量。通过2D分割模型的训练，获得CT图像序列未标注层面的“伪标签”，这样可以大大减少三维分割模型训练数据所需的图像标注量。然后，提出一个活动轮廓正则化的三维深度卷积神经网络分割模型，用于三维腹壁结构的自动分割，以提高分割目标形状的正则性和边界光滑性。本发明具有自动化、精度高、可迁移扩展的特点，可以实现CT、核磁等影像上的不用脂肪及肌肉组织的自动测量。
-
公开(公告)号：CN115456918B
公开(公告)日：2023-03-24
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
IPC: G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
公开(公告)号：CN115456918A
公开(公告)日：2022-12-09
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
公开(公告)号：CN110349652B
公开(公告)日：2022-02-22
申请号：CN201910629798.9
申请日：2019-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种融合结构化影像数据的医疗数据分析系统，该系统包括影像信息结构化模块、融合与预处理模块、机器学习算法模块，本发明基于Spark和Hadoop实现的分布式数据分析平台，针对医学影像数据难以和医疗电子病历中结构化数据融合分析的难点，利用影像信息结构化模块通过计算机视觉技术对医学影像数据分析并进行关键信息的结构化转化，融合电子病历系统中同一病人的其他诊断信息、人口统计学信息等结构化数据，通过数据预处理模块进行缺失值处理和分类型数据转化，结合机器学习算法模块进行数据分析和结果可视化，形成高效率的医疗数据分析系统，提高多种类多维度医疗数据的利用率，可满足研究人员不同的课题研究需求。
-
公开(公告)号：CN110349652A
公开(公告)日：2019-10-18
申请号：CN201910629798.9
申请日：2019-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种融合结构化影像数据的医疗数据分析系统，该系统包括影像信息结构化模块、融合与预处理模块、机器学习算法模块，本发明基于Spark和Hadoop实现的分布式数据分析平台，针对医学影像数据难以和医疗电子病历中结构化数据融合分析的难点，利用影像信息结构化模块通过计算机视觉技术对医学影像数据分析并进行关键信息的结构化转化，融合电子病历系统中同一病人的其他诊断信息、人口统计学信息等结构化数据，通过数据预处理模块进行缺失值处理和分类型数据转化，结合机器学习算法模块进行数据分析和结果可视化，形成高效率的医疗数据分析系统，提高多种类多维度医疗数据的利用率，可满足研究人员不同的课题研究需求。
-
Patent Agency Ranking
公开(公告)号：CN119762787A
公开(公告)日：2025-04-04
申请号：CN202510248236.5
申请日：2025-03-04
Applicant: 之江实验室
Abstract: 本发明公开了一种基于自提示引导的动态决策图像分割方法，属于计算机视觉技术领域。所述方法包括如下步骤：获取数据集并对数据预处理；构建并通过结合特定领域知识优化SAM模型，使其能够更好地适应遥感图像和医学影像等复杂场景；通过引导模型自主生成适应性提示，摆脱传统方法对人工点、框或粗粒度掩码的依赖；设计了动态决策机制，根据图像内容动态调整决策策略，使决策过程更加灵活，有效应对复杂和变化多端的图像内容；通过优化决策过程，使模型推理过程更加透明，增强标注结果的可解释性和可信度，从而满足对高精度和高可信度有严格要求的领域需求。
-
公开(公告)号：CN119357315A
公开(公告)日：2025-01-24
申请号：CN202411918948.5
申请日：2024-12-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识检索多模态大模型的智能决策方法及装置，属于人工智能和医学数据处理技术领域，该方法包括：获取患者的多模态诊疗数据，预处理并生成相应的特征向量；基于增强融合模型，对各模态的特征向量进行增强及跨模态特征向量融合，得到患者个性化融合特征向量；基于其在肿瘤治疗全流程电子记录数据库中进行知识检索，得到若干相似临床表现下的治疗方案，将检索得到的治疗方案与所述患者个性化融合特征向量一并输入大语言模型进行决策，得到患者的个性化治疗方案并评估其风险，辅助医生给出实际治疗方案；若患者的多模态诊疗数据随实际治疗进程被更新，则进行所述个性化治疗方案及其风险的更新，从而为医生提供实时动态辅助。
-
公开(公告)号：CN118656683A
公开(公告)日：2024-09-17
申请号：CN202411132392.7
申请日：2024-08-19
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06F16/33 , G06V10/44 , G06V10/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G16H50/20 , G16H10/20 , G16H10/60
Abstract: 本发明公开了一种基于多模态可信渐进融合的分类系统，该系统包括：多模态数据预处理模块，用于对多模态数据进行预处理；特征提取与筛选模块，用于从不同模态中提取特征；神经网络模块，用于进一步处理以获取深层特征表示；特征融合模块，用于从特征层面对不同模态的特征进行渐进融合；不确定性建模模块，用于对各个单模态的深层特征表示和多模态融合特征的不确定性进行建模；证据融合模块，用于融合不确定性建模模块输出的多个模态的分类预测概率和不确定性，获得综合证据度量。本发明有效地提升了多模态数据处理的效率和准确性，提升了特征利用率、分类系统泛化能力和鲁棒性，增强了分类系统的分类性能，有效地识别和降低异常模态的负面影响。
-
公开(公告)号：CN116881725A
公开(公告)日：2023-10-13
申请号：CN202311152151.4
申请日：2023-09-07
Applicant: 之江实验室
IPC: G06F18/214 , G16H50/30 , G06F18/25 , G06F18/241 , G06F18/211
Abstract: 本说明书公开了一种癌症预后预测模型训练装置、介质及电子设备，包括：第二确定模块根据第一确定模块确定出的各训练样本对应的基因表达数据以及医学图像，分别确定各训练样本对应的基因特征以及图像特征。拼接模块再将各基因特征以及各图像特征分别进行拼接，得到各多模态特征。筛选模块根据各训练样本的多模态特征，从各训练样本的图像特征的各维度中，筛选用于表征各训练样本的多模态特征的维度，将筛选出的维度对应的特征作为各训练样本的输入特征。训练模块根据各输入特征以及各标注，对待训练的癌症预后预测模型进行训练，使得后续直接根据特征权重，将对图像特征进行筛选后的特征输入癌症预后预测模型预测复发情况，提高预测准确性。
-
公开(公告)号：CN116309924B
公开(公告)日：2023-08-18
申请号：CN202310598313.0
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06T7/10 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法、图像展示的方法及装置。本说明书实施例在图像生成模型的训练过程中，会将第一数量的第一CT图像作为该图像生成模型的输入，并且以最小化图像生成模型所输出的第二数量的生成图像与第二数量的第二CT图像之间的偏差为优化目标，来对该图像生成模型进行训练，以使得训练后的该图像生成模型能够根据输入的少量的第一CT图像生成大量的第二CT图像，再根据生成的大量的第二CT图像来确定出更高分辨率的CT图像，进而能够在保证患者不至接受更多的辐射剂量、降低扫描成本的同时，保证得到更高分辨率的CT图像。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.021 seconds)
