-
公开(公告)号：CN112634272A
公开(公告)日：2021-04-09
申请号：CN202110253347.7
申请日：2021-03-09
申请人： 四川大学
摘要： 本发明涉及乳腺超声成像质量监控技术领域，具体是基于深度神经网络的乳腺超声成像质量监控系统及方法，用于解决现有技术中对超声图像质量评价过于依赖于放射科技师，且不能及时对超声图像质量进行评价问题。本发明包括分类模型、生成模型和语言模型；所述分类模型用于初步判断超声图像是否满足质量标准；所述生成模型用于对导致超声图像质量不达标的因素进行判断，生成描述影响成像质量的不同因素的特征矩阵，再将特征矩阵送入语言模型；所述语言模型用于对特征矩阵中的问题给出操作建议。本发明中可以降低人工判定的主观因素，同时规避了用户拿到超声报告才发现成像质量有问题却已经失去最佳调整时机的问题。
-
公开(公告)号：CN112464579A
公开(公告)日：2021-03-09
申请号：CN202110141443.2
申请日：2021-02-02
申请人： 四川大学
IPC分类号： G06F30/27 , G06T7/00 , G06T3/40 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/08
摘要： 本发明公开了一种基于进化神经网络结构搜索的食管癌病变区域识别建模方法，涉及图像模式识别及医学图像的技术领域，包括如下步骤：S1：采集并标注用于训练神经网络模型的食管图像数据集；S2：构建用于食管癌病变区域识别的神经网络结构搜索空间；S3：训练面向食管癌病变区域识别的超网络模型；S4：使用进化算法在构建的超网络模型上搜索最优神经网络结构；S5：微调搜索到的神经网络结构，并预测新输入的食管图像上的病变区域。本发明消除食管癌智能识别任务中神经网络结构设计对于专家经验的依赖，使得深度神经网络方法在食管癌病变区域识别方面更加容易使用。
-
公开(公告)号：CN112634272B
公开(公告)日：2021-06-01
申请号：CN202110253347.7
申请日：2021-03-09
申请人： 四川大学
摘要： 本发明涉及乳腺超声成像质量监控技术领域，具体是基于深度神经网络的乳腺超声成像质量监控系统及方法，用于解决现有技术中对超声图像质量评价过于依赖于放射科技师，且不能及时对超声图像质量进行评价问题。本发明包括分类模型、生成模型和语言模型；所述分类模型用于初步判断超声图像是否满足质量标准；所述生成模型用于对导致超声图像质量不达标的因素进行判断，生成描述影响成像质量的不同因素的特征矩阵，再将特征矩阵送入语言模型；所述语言模型用于对特征矩阵中的问题给出操作建议。本发明中可以降低人工判定的主观因素，同时规避了用户拿到超声报告才发现成像质量有问题却已经失去最佳调整时机的问题。
-
公开(公告)号：CN112580639A
公开(公告)日：2021-03-30
申请号：CN202110223672.9
申请日：2021-03-01
申请人： 四川大学
摘要： 本发明公开一种基于进化神经网络模型压缩的早期胃癌图像识别方法，涉及计算机应用技术领域，解决现有卷积神经网络模型中的参数冗余、早期胃癌识别过程中神经网络模型计算量消耗大而导致的实时性差的问题；包括以下步骤：采集早期胃癌图像数据集;训练神经网络模型；构建二值编码方式来对神经网络模型中的参数进行编码;使用进化算法对训练后的神经网络模型进行压缩;微调压缩后的神经网络模型，并识别新输入的胃镜检查图像上的早期胃癌病变区域；本发明能够根据收集的胃镜检查图像数据压缩用于检测的神经网络模型，从而提高早期胃癌检测任务中神经网络模型的效率，使得深度神经网络方法在早期胃癌检测方面具有好的实时性能。
-
公开(公告)号：CN112580639B
公开(公告)日：2021-08-13
申请号：CN202110223672.9
申请日：2021-03-01
申请人： 四川大学
摘要： 本发明公开一种基于进化神经网络模型压缩的早期胃癌图像识别方法，涉及计算机应用技术领域，解决现有卷积神经网络模型中的参数冗余、早期胃癌识别过程中神经网络模型计算量消耗大而导致的实时性差的问题；包括以下步骤：采集早期胃癌图像数据集;训练神经网络模型；构建二值编码方式来对神经网络模型中的参数进行编码;使用进化算法对训练后的神经网络模型进行压缩;微调压缩后的神经网络模型，并识别新输入的胃镜检查图像上的早期胃癌病变区域；本发明能够根据收集的胃镜检查图像数据压缩用于检测的神经网络模型，从而提高早期胃癌检测任务中神经网络模型的效率，使得深度神经网络方法在早期胃癌检测方面具有好的实时性能。
-
公开(公告)号：CN112464579B
公开(公告)日：2021-06-01
申请号：CN202110141443.2
申请日：2021-02-02
申请人： 四川大学
IPC分类号： G06F30/27 , G06T7/00 , G06T3/40 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/08
摘要： 本发明公开了一种基于进化神经网络结构搜索的食管癌病变区域识别建模方法，涉及图像模式识别及医学图像的技术领域，包括如下步骤：S1：采集并标注用于训练神经网络模型的食管图像数据集；S2：构建用于食管癌病变区域识别的神经网络结构搜索空间；S3：训练面向食管癌病变区域识别的超网络模型；S4：使用进化算法在构建的超网络模型上搜索最优神经网络结构；S5：微调搜索到的神经网络结构，并预测新输入的食管图像上的病变区域。本发明消除食管癌智能识别任务中神经网络结构设计对于专家经验的依赖，使得深度神经网络方法在食管癌病变区域识别方面更加容易使用。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.015 秒)
