公开(公告)号：CN115861717A

公开(公告)日：2023-03-28

申请号：CN202310140716.0

申请日：2023-02-21

申请人： 华中科技大学协和深圳医院

发明人： 姜伟 ,  邓晓妃 ,  朱婷 ,  方静 ,  李金瑶

IPC分类号： G06V10/764 ,  G06V10/20 ,  G06V10/80 ,  G06N3/04

摘要： 本发明涉及乳腺肿瘤良恶性分类模型方法、系统、终端及存储介质，方法包括以下步骤：将原始ABVS图像进行预处理并提取多视角切片图像，得到主视角交叉图像和6个视角截面图像；扫描获取2D灰度图像和剪切波弹性图像；将主视角交叉图像中三个角度视图进行两两交叉组合形成3个交叉视角图像，将3个主视角交叉图像、6个辅助视角图像和普通二维超声、剪切波弹性成像图像分别切块嵌入操作处理后输入到深度自注意力编码器,之后分别输出它们的特征信息并进行特征融合，医生将最终融合结果输入到全连接层中进行良恶性分类，就可以得到肿瘤的分类结果，该方法在实验中使用私有ABVS数据集，进行5折交叉验证，取得了较好的分类成绩，证明了方法的有效性。

公开(公告)号：CN115187530A

公开(公告)日：2022-10-14

申请号：CN202210726680.X

申请日：2022-06-24

申请人： 华中科技大学协和深圳医院

发明人： 姜伟 ,  邓晓妃 ,  朱婷 ,  杨意 ,  柳懿垚 ,  雷柏英

IPC分类号： G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

摘要： 本发明公开了一种超声自动乳腺全容积图像的识别方法、装置、终端及介质，构建了用于提取局部信息的CNN网络分支和用于提取全局信息的Transformer网络分支，然后将同一超声自动乳腺全容积图像分别输入至两个网络分支，层级提取对应的特征图，并将两个分支提取的特征图结合上一层级输出的融合后特征图，通过空间和通道混合注意力机制进行融合，使得CNN网络分支的局部信息层级引导Transformer网络分支的全局信息，增强Transformer网络分支的特征提取能力。与现有技术相比，能够准确识别超声自动乳腺全容积图像中各种大小和形态的感兴趣区域。

公开(公告)号：CN114255867B

公开(公告)日：2024-01-16

申请号：CN202111582648.0

申请日：2021-12-22

申请人： 华中科技大学协和深圳医院 ,  深圳开立生物医疗科技股份有限公司

发明人： 姜伟 ,  张璐璐

IPC分类号： G16H50/20 ,  G16H30/40

摘要： 本申请公开了一种超声图像检测方法、装置、设备及介质，包括：获取超声图像；对所述超声图像进行标准切面识别；若识别到所述超声图像的切面类型为鼻唇冠状切面的标准切面，则将所述超声图像输入至唇裂分型检测模型进行唇裂分型检测，得到相应的检测结果。这样，获取超声图像之后，自动进行标准切面识别，并在识别到需要进行唇裂分型检测的标准切面，也即，切面类型为鼻唇冠状切面的标准切面，利用唇裂分型检测模型输出相应的分型结果，能够提升唇裂分型检测的效率，并降低医生主观因素对检测结果的影响。

公开(公告)号：CN115861717B

公开(公告)日：2023-05-23

申请号：CN202310140716.0

申请日：2023-02-21

申请人： 华中科技大学协和深圳医院

发明人： 姜伟 ,  邓晓妃 ,  朱婷 ,  方静 ,  李金瑶

IPC分类号： G06V10/764 ,  G06V10/20 ,  G06V10/80 ,  G06N3/04

摘要： 本发明涉及乳腺肿瘤良恶性分类模型方法、系统、终端及存储介质，方法包括以下步骤：将原始ABVS图像进行预处理并提取多视角切片图像，得到主视角交叉图像和6个视角截面图像；扫描获取2D灰度图像和剪切波弹性图像；将主视角交叉图像中三个角度视图进行两两交叉组合形成3个交叉视角图像，将3个主视角交叉图像、6个辅助视角图像和普通二维超声、剪切波弹性成像图像分别切块嵌入操作处理后输入到深度自注意力编码器,之后分别输出它们的特征信息并进行特征融合，医生将最终融合结果输入到全连接层中进行良恶性分类，就可以得到肿瘤的分类结果，该方法在实验中使用私有ABVS数据集，进行5折交叉验证，取得了较好的分类成绩，证明了方法的有效性。

公开(公告)号：CN114332040A

公开(公告)日：2022-04-12

申请号：CN202111660372.3

申请日：2021-12-30

申请人： 华中科技大学协和深圳医院

发明人： 姜伟 ,  邓晓妃 ,  朱婷 ,  汪天富 ,  雷柏英 ,  向卓 ,  柳懿垚 ,  赵程

IPC分类号： G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于多模态的甲状腺病理图像分类方法及终端设备，其中，方法包括步骤：采用三个ResNet18网络分别对三个模态的甲状腺病理图像进行信息特征提取，得到三模态信息特征，所述三个模态的甲状腺病理图像包括甲状腺超声图像、甲状腺弹性图像和甲状腺血流图像；采用多模态多头注意力模块提取三个模态的甲状腺病理图像的共有信息特征；将三模态信息特征和共有信息特征进行融合后，并利用残差网络进行甲状腺病理图像分类，输出分类结果。本发明在合作研究单位提供的多模态甲状腺超声数据集上验证了设计的多模态的甲状腺病理图像分类方法，结果证明了此方法可以准确地对甲状腺病理图像进行分类，为超声科医生对诊断甲状腺癌提供快速、准确的辅助。