-
公开(公告)号：CN113487614B
公开(公告)日：2021-11-30
申请号：CN202111047127.5
申请日：2021-09-08
申请人： 四川大学
摘要： 本发明涉及人工智能技术领域，公开了一种胎儿超声标准切面图像识别网络模型的训练方法和装置，所述方法包括：构建已完成预训练的教师网络模型和未训练的第一学生网络模型，教师网络模型和第一学生网络模型均是残差连接的卷积神经网络；基于教师网络模型的隐藏层知识训练第一学生网络模型的中间层获得第二学生网络模型；基于第二学生网络模型的自蒸馏知识和教师网络模型与第二学生网络模型输出样本间的相似度矩阵预测信息训练第二学生网络模型得到胎儿超声标准切面图像识别网络模型。本发明以此训练获得的胎儿超声标准切面图像识别网络模型其具有识别效率高、结构轻量便于部署的优点。
-
公开(公告)号：CN113643317B
公开(公告)日：2022-01-04
申请号：CN202111206833.X
申请日：2021-10-18
申请人： 四川大学
IPC分类号： G06T7/155
摘要： 本发明公开了基于深度几何演化模型的冠状动脉分割方法，涉及深度学习图像分割领域，包括获取数据集、数据预处理、利用编码模块、构建的深度几何演化分割模型进行训练和评判、利用上述步骤进行新的CCTA图像训练等步骤，得到两个结果，预分割结果进行骨架提取，距离变化结果求冠状动脉的半径，通过骨架和半径构建球模型得到演化后的冠状动脉与预分割结果求并集得到最终分割结果；步骤六、新数据预测；本发明将CCTA数据冠状动脉几何结构，利用骨架和半径来重构冠状动脉，像素以及空间结构之间的关系，提高冠状动脉分割有效性，准确给医生提供评判依据。
-
公开(公告)号：CN112667799A
公开(公告)日：2021-04-16
申请号：CN202110273760.X
申请日：2021-03-15
申请人： 四川大学
IPC分类号： G06F16/332 , G06F16/33 , G06F16/36 , G06F16/9535 , G06F40/126 , G06F40/216 , G06F40/295 , G06N3/04 , G16H70/00
摘要： 本发明公开了一种基于语言模型和实体匹配的医疗问答系统构建方法，包括S1.数据收集，S2.深度神经网络模型设计，S3.训练命名实体识别模型并构建知识图谱，S4.构建完整的医疗检索式问答系统。收集网络医疗讨论帖清洗后存入到ElasticSearch中，用于作为检索数据集；使用医疗自然语言处理比赛数据集的开源数据，训练出医疗相关的命名实体识别模型；收集开源网站的公开数据集构成医疗知识图谱，来扩充检索流程。本发明基于语言模型和实体匹配的医疗问答系统方法，构建问答系统在经过召回、精排和综合评分几个步骤之后，结合合理的评分机制，输出一个最为合适的回答，弥补检索式问答系统和知识图谱式问答系统的缺陷。
-
公开(公告)号：CN113487614A
公开(公告)日：2021-10-08
申请号：CN202111047127.5
申请日：2021-09-08
申请人： 四川大学
摘要： 本发明涉及人工智能技术领域，公开了一种胎儿超声标准切面图像识别网络模型的训练方法和装置，所述方法包括：构建已完成预训练的教师网络模型和未训练的第一学生网络模型，教师网络模型和第一学生网络模型均是残差连接的卷积神经网络；基于教师网络模型的隐藏层知识训练第一学生网络模型的中间层获得第二学生网络模型；基于第二学生网络模型的自蒸馏知识和教师网络模型与第二学生网络模型输出样本间的相似度矩阵预测信息训练第二学生网络模型得到胎儿超声标准切面图像识别网络模型。本发明以此训练获得的胎儿超声标准切面图像识别网络模型其具有识别效率高、结构轻量便于部署的优点。
-
公开(公告)号：CN112667799B
公开(公告)日：2021-06-01
申请号：CN202110273760.X
申请日：2021-03-15
申请人： 四川大学
IPC分类号： G06F16/332 , G06F16/33 , G06F16/36 , G06F16/9535 , G06F40/126 , G06F40/216 , G06F40/295 , G06N3/04 , G16H70/00
摘要： 本发明公开了一种基于语言模型和实体匹配的医疗问答系统构建方法，包括S1.数据收集，S2.深度神经网络模型设计，S3.训练命名实体识别模型并构建知识图谱，S4.构建完整的医疗检索式问答系统。收集网络医疗讨论帖清洗后存入到ElasticSearch中，用于作为检索数据集；使用医疗自然语言处理比赛数据集的开源数据，训练出医疗相关的命名实体识别模型；收集开源网站的公开数据集构成医疗知识图谱，来扩充检索流程。本发明基于语言模型和实体匹配的医疗问答系统方法，构建问答系统在经过召回、精排和综合评分几个步骤之后，结合合理的评分机制，输出一个最为合适的回答，弥补检索式问答系统和知识图谱式问答系统的缺陷。
-
公开(公告)号：CN113643317A
公开(公告)日：2021-11-12
申请号：CN202111206833.X
申请日：2021-10-18
申请人： 四川大学
IPC分类号： G06T7/155
摘要： 本发明公开了基于深度几何演化模型的冠状动脉分割方法，涉及深度学习图像分割领域，包括获取数据集、数据预处理、利用编码模块、构建的深度几何演化分割模型进行训练和评判、利用上述步骤进行新的CCTA图像训练等步骤，得到两个结果，预分割结果进行骨架提取，距离变化结果求冠状动脉的半径，通过骨架和半径构建球模型得到演化后的冠状动脉与预分割结果求并集得到最终分割结果；步骤六、新数据预测；本发明将CCTA数据冠状动脉几何结构，利用骨架和半径来重构冠状动脉，像素以及空间结构之间的关系，提高冠状动脉分割有效性，准确给医生提供评判依据。
-
公开(公告)号：CN113034507A
公开(公告)日：2021-06-25
申请号：CN202110575478.7
申请日：2021-05-26
申请人： 四川大学
摘要： 本发明涉及深度学习的图像分割领域，具体是基于CCTA影像的冠状动脉三维分割方法，包括如下步骤：首先、获取患者的CCTA图像；其次、对CCTA图像进行预处理，包括归一化CT值和归一化CT尺寸；其次、构建基于神经网络的分割模型，设计分割模型的网络结构；其次、将步骤2的CCTA图像进行数据增广后分割为多个子块，将每一个子块分批次输入分割模型，对分割模型进行训练；最后、使用训练好的分割模型对输入的CCTA图像进行冠状动脉三维分割，输出预测的分割结果。解决了传统方法有效性差，忽略了像素与像素之间的关联，且对CCTA的冠状动脉分割完整度及精度低的问题。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.021 秒)
