前列腺癌诊断模型的构建方法、图像分类方法、设备、介质

    公开(公告)号:CN116705252A

    公开(公告)日:2023-09-05

    申请号:CN202310718899.X

    申请日:2023-06-16

    摘要: 本发明提供一种前列腺显著癌诊断模型的构建方法,应用于图像处理技术领域,包括如下步骤:基于2D卷积神经网络对ImageNet数据集进行预训练得到网络参数;将网络参数迁移到3D卷积神经网络中;使用样本数据集对诊断模型迁移训练。一种前列腺显著癌诊断模型的图像分类方法,通过上述前列腺显著癌诊断模型实现,包括如下步骤:获取患者的超声扫查视频并进行预处理;将待测超声扫查视频输入至诊断模型中得到预测概率;将预测概率与设定的阈值概率进行对比并输出诊断结果。通过3D卷积神经网络模型在卷积层中加入时间维度,可以同时考虑不同切面和不同位置的超声信号,提高诊断准确度和稳定性。

    一种报告质检方法、装置及电子设备

    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

    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。

    一种肌少症诊断方法、装置及电子设备

    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

    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。

    一种模型训练方法、视频分类方法及相关装置

    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

    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。