公开(公告)号：CN114494215A

公开(公告)日：2022-05-13

申请号：CN202210110296.7

申请日：2022-01-29

申请人： 脉得智能科技(无锡)有限公司

发明人： 张雷 ,  赵婉君 ,  石一磊 ,  牟立超 ,  朱晓香 ,  赵星 ,  朱精强

IPC分类号： G06T7/00 ,  G06T7/70 ,  G06T5/40 ,  G06N3/04 ,  G06N3/08 ,  G16H30/20

摘要： 本发明公开了一种基于Transformer的甲状腺结节检测方法，涉及图像处理技术领域，该方法在获取甲状腺区域的待测超声图像并对获取到的待测超声图像进行图像预处理后，将其输入预先基于Transformer网络训练得到的结节检测模型中，根据结节检测模型的输出确定待测超声图像的结节的位置以及类型，完成对待测超声图像中的结节的检测，结节的类型用于指示结节为良性结节或恶性结节；该方法可以自动完成结节的定位和分类，自动化程度高、客观性好，且无需构建稠密的Anchor Box，无需使用NMS复杂的后处理操作，易于实现，对计算资源要求较低。

公开(公告)号：CN118608778A

公开(公告)日：2024-09-06

申请号：CN202410581852.8

申请日：2024-05-11

申请人： 四川大学华西医院 ,  脉得智能科技(无锡)有限公司

发明人： 邱逦 ,  石一磊 ,  周琛云 ,  曹旭 ,  唐忻逸 ,  胡敬良 ,  左妍 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G06V10/26 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

摘要： 本申请提供一种斑块分割网络训练方法、装置、电子设备及存储介质，其中，斑块分割网络训练方法包括：将颈动脉斑块的真实超声图像输入生成对抗网络中的生成器子网络，获取生成器子网络输出的生成超声图像；将生成超声图像输入斑块分割网络，获取斑块分割网络输出的生成斑块标注；对斑块分割网络和生成对抗网络进行共同训练，获取训练好的斑块分割网络。上述方案通过将包含有生成器子网络、图像判别器、结构判别器和匹配判别器的生成对抗网络与斑块分割网络进行共同训练，生成对抗网络中的结构判别器能够激励生成器子网络生成更加多样化的生成超声图像，采用多样化的生成超声图像对斑块分割网络进行训练，有利于改善斑块分割网络的分割准确率。

公开(公告)号：CN118380054A

公开(公告)日：2024-07-23

申请号：CN202410455118.7

申请日：2024-04-16

申请人： 四川大学华西医院 ,  脉得智能科技(无锡)有限公司

发明人： 李为民 ,  汪周峰 ,  石一磊 ,  赵颖 ,  曹旭 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G16B40/00 ,  G16B20/00 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了大队列宏基因组的条件致病菌的识别方法、装置及存储介质，涉及深度学习和生物信息学技术领域。本发明提出的深度学习网络采用分层(或分阶)识别策略，构建从单个物种到多个物种间的条件致病菌识别方法，与现有技术相比，本发明提供的条件致病菌的识别方法能更准确地识别条件致病菌的交互作用。通过分析多个物种间的复杂交互网络结构，来识别条件致病菌之间的相互作用模式，这有助于更全面地揭示微生物在疾病发生和发展中的作用，进而为临床诊断和治疗进行更精细的内因解读，有助于临床诊断和治疗策略的制定。

公开(公告)号：CN118351938A

公开(公告)日：2024-07-16

申请号：CN202410455116.8

申请日：2024-04-16

申请人： 四川大学华西医院 ,  脉得智能科技(无锡)有限公司

发明人： 李为民 ,  汪周峰 ,  石一磊 ,  赵颖 ,  曹旭 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G16B30/10 ,  G16B40/00 ,  G06N3/0464 ,  G06F18/213 ,  G06F18/22

摘要： 本发明公开了一种基于深度学习的短序列比对方法、设备及存储介质，涉及测序数据分析技术领域。本发明提供的基于深度学习的短序列比对方法，在保证比对准确率的基础上，能够加速索引查找步骤，加速序列比对过程，从而为精准医疗等行业的基因组分析节省宝贵的时间。

公开(公告)号：CN118197420A

公开(公告)日：2024-06-14

申请号：CN202410440081.0

申请日：2024-04-12

申请人： 四川大学华西医院 ,  脉得智能科技(无锡)有限公司

发明人： 李为民 ,  汪周峰 ,  石一磊 ,  赵颖 ,  曹旭 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G16B30/00 ,  G16B40/00 ,  G06N5/022 ,  G06N3/0455 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G16B40/20

摘要： 本发明公开了一种基于深度学习的变异识别方法、装置及存储介质，涉及基因组分析技术领域。本发明提供了一种基于先验数据集和基因序列多维度特征图像融合的Transformer变异识别算法，将Transformer和基因序列生成多维度特征图像应用于基因组学变异识别，可以有效提取图像中的底层特征，并建立不同维度图像间的长期依赖，不同维度特征图像的合理融合可以潜在地增强深度分类网络，可以捕获更丰富地基因组学信息。本发明的提出，有助于提升基因组学变异识别的准确性和效率。

公开(公告)号：CN118093527A

公开(公告)日：2024-05-28

申请号：CN202410495193.6

申请日：2024-04-24

申请人： 脉得智能科技(无锡)有限公司

发明人： 石一磊 ,  颜丙聪 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G06F16/16 ,  G06F40/284 ,  G06F16/35 ,  G06N3/0455 ,  G06N3/084

摘要： 本申请提供一种报告质检方法、装置及电子设备，该方法包括：对待处理报告进行文本提取，获得报告文本；对报告文本进行分词，获得分词后的文本；使用预训练语言模型对分词后的文本进行质检，获得质检类别及该质检类别的起始位置和结束位置。在上述方案的实现过程中，通过对待处理报告中提取的报文文本进行分词，获得分词后的文本，并使用预训练语言模型对分词后的文本进行质检，有效地改善了工作人员在质检过程中存在的人为因素影响质检效率的情况，从而提高了报告的质检效率。

公开(公告)号：CN117894454A

公开(公告)日：2024-04-16

申请号：CN202410122052.X

申请日：2024-01-29

申请人： 脉得智能科技(无锡)有限公司

发明人： 石一磊 ,  张雷 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G16H50/20 ,  G06T7/00 ,  G06V10/80

摘要： 本申请提供一种肌少症诊断方法、装置及电子设备，应用于图像处理技术领域，其中，肌少症诊断方法包括：获取目标肌肉超声扫查图像以及目标临床化验指标；将目标肌肉超声扫查图像以及目标临床化验指标输入肌少症诊断模型中，得到肌少症诊断模型输出的诊断结果；其中，肌少症诊断模型为基于多模态数据融合网络训练得到的。在上述方案中，首先可以获取多模态数据，其中，使用多模态数据可以充分利用不同类型的医学数据，从而可以提高诊断的准确率；其次，可以基于多模态数据融合网络训练得到肌少症诊断模型，从而可以学习到肌少症的显著特征，并利用上述肌少症诊断模型对上述多模态数据进行特征提取以及数据融合，以提高肌少症诊断的准确率。

公开(公告)号：CN117496563B

公开(公告)日：2024-03-19

申请号：CN202410004041.1

申请日：2024-01-03

申请人： 脉得智能科技(无锡)有限公司

发明人： 石一磊 ,  赵星 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G06V40/14 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/46 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

摘要： 本申请提供一种颈动脉斑块易损性分级方法、装置、电子设备及存储介质，其中，颈动脉斑块易损性分级方法包括：获取待分级斑块的超声造影图像；采用分级模型的特征提取子模型，提取超声造影图像的分类特征图；采用分级模型的分类子模型，根据分类特征图获取待分级斑块的斑块易损性分级结果。上述方案采用第一预设权重阈值弱化钙化点显影特征对分类特征图的影响，采用第二预设权重阈值弱化钙化点显影特征对通道信息交互的影响，提高斑块内微血管的识别准确率，有利于改善斑块易损性分级的准确性。

公开(公告)号：CN117456308A

公开(公告)日：2024-01-26

申请号：CN202311551555.0

申请日：2023-11-20

申请人： 脉得智能科技(无锡)有限公司

发明人： 石一磊 ,  陈亭秀 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06V20/40 ,  G06V10/82

摘要： 本申请提供一种模型训练方法、视频分类方法及相关装置，该方法包括：获取包含目标对象的待处理图像和目标对象的样本类别；将待处理图像输入图像生成视频I2V模型，获得包含目标对象的样本视频；以目标对象的样本视频为训练数据，以目标对象的样本类别为训练标签，对视频分类模型进行训练，获得视频分类模型。通过将待处理图像输入图像生成视频I2V模型，并将获得的目标对象的视频作为视频分类模型的训练数据，从而改善了训练数据不均衡问题，且将目标对象的类别作为视频分类模型的训练标签，从而克服了视频中的目标对象难以被标注的困难，减少了视频标注的工作量，有效地提高了视频分类模型对视频进行分类的鲁棒性能。

公开(公告)号：CN117274228A

公开(公告)日：2023-12-22

申请号：CN202311387976.4

申请日：2023-10-24

申请人： 脉得智能科技(无锡)有限公司

发明人： 石一磊 ,  谭斌 ,  胡敬良 ,  牟立超 ,  侯雨 ,  陈咏虹

IPC分类号： G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习血吸虫肝病超声图像风险分级系统，涉及超声图像风险分级技术领域，该系统可以快速准确地对肝脏超声图像进行是否由血吸虫感染引起的肝病判断，并针对血吸虫肝病超声图像预测疾病风险，为医生提供诊断建议，辅助医生作出决策治疗。采用Resnet101作为血吸虫肝脏超声与其他肝脏超声病症的分类网络，判断肝脏超声病症图像是否由血吸虫感染引起，采用ConVit作为血吸虫肝病超声图像风险分级网络，该风险分级网络可以准确快速对血吸虫肝病超声图像特征提取和计算，最后通过softmax函数对肝脏超声图像进行疾病风险判断，进而帮助医生更准确地进行诊断和评估。