-
公开(公告)号:CN118571309A
公开(公告)日:2024-08-30
申请号:CN202410455114.9
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
IPC分类号: G16B15/30 , G16B40/00 , G16B50/30 , G06F18/10 , G06F18/22 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/08
摘要: 本发明公开了抗生素耐药基因或毒力因子的基因预测或分类方法、装置、设备,涉及深度学习和生物信息学技术领域。通过提取六种基因相关特征,包括:基于bit分数的相似性特征、序列信息特征,物理化学性质特征,进化信息特征、氨基酸组成特征和结构域信息特征,能够更好地捕捉基因的综合特性,经过特征融合,由此构建的模型能够提高抗生素耐药基因或毒力因子的基因预测准确性。对于抗生素耐药基因或毒力因子的基因筛选、分类和预测具有广阔的应用前景。
-
公开(公告)号:CN118196495A
公开(公告)日:2024-06-14
申请号:CN202410304270.5
申请日:2024-03-18
申请人: 四川大学华西医院 , 脉得智能科技(无锡)有限公司
摘要: 本申请提供一种目标分类方法、装置、电子设备及存储介质,该方法包括:获取针对同一目标对象采集的超声灰阶图像和超声造影图像;对超声灰阶图像进行特征提取,获得灰阶特征,并对超声造影图像进行特征提取,获得造影特征;对灰阶特征和造影特征进行特征融合,获得融合特征;对融合特征进行分类,获得目标对象的类别。在上述方案的实现过程中,通过对同一目标对象采集的超声灰阶图像提取出的灰阶特征和超声造影图像提取出的造影特征进行特征融合,获得融合特征,并对所述融合特征进行分类,从而有效地利用了灰阶特征和造影特征在不同模态之间的互补信息,且有效地利用图像表征的多样性来提高了对图像进行分类的正确率。
-
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
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
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
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
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:CN118864439A
公开(公告)日:2024-10-29
申请号:CN202411116224.9
申请日:2024-08-14
申请人: 上海市第一人民医院 , 脉得智能科技(无锡)有限公司
IPC分类号: G06T7/00 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明的实施例提供了一种颈动脉管腔狭窄率评估方法及电子设备,涉及医学图像处理技术领域。通过将待评估狭窄率的颈动脉斑块超声造影图像处理成预设尺寸的初始特征图,将初始特征图输入狭窄率评估模型的特征缩小提取网络,得到缩小特征图集合,将最终缩小特征图输入狭窄率评估模型的颈动脉特征提取分支网络,得到颈动脉指示特征图,将最终缩小特征图输入狭窄率评估模型的斑块特征提取分支网络,得到斑块指示特征图,根据颈动脉指示特征图以及斑块指示特征图,计算出颈动脉斑块处管腔的狭窄率。从而可以对颈动脉斑块处血管腔狭窄程度实现自动评估,更好的辅助医生在超声造影检查中判断斑块风险。
-
公开(公告)号:CN118628648A
公开(公告)日:2024-09-10
申请号:CN202410697322.X
申请日:2024-05-31
申请人: 脉得智能科技(无锡)有限公司
摘要: 本发明的实施例提供了一种三维重建方法、装置、电子设备及存储介质,涉及图像处理技术领域。通过获取目标腺体的所有超声图像,并计算出各超声图像在世界坐标系中的第一坐标信息,将各超声图像输入腺体分割网络得到腺体轮廓掩码图,将各超声图像输入结节检测网络得到结节轮廓掩码图,并将各结节轮廓掩码图映射到各腺体轮廓掩码图,得到各超声图像分别对应的腺体掩码图,选取任一张腺体掩码图作为第一腺体掩码图,将其余腺体掩码图作为第二腺体掩码图,并根据第一坐标信息计算出各第二腺体掩码图相对于第一腺体掩码图的相对像素距离,将各腺体掩码图的像素坐标数据放入三维矩阵中,得到腺体三维矩阵。从而能够快速的构建出腺体的三维模型。
-
公开(公告)号:CN118093527B
公开(公告)日:2024-08-16
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
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:CN118470606A
公开(公告)日:2024-08-09
申请号:CN202410715681.3
申请日:2024-06-04
申请人: 复旦大学附属中山医院 , 脉得智能科技(无锡)有限公司
IPC分类号: G06V20/40 , G06V20/64 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0985 , G06N3/048
摘要: 本申请提供一种超声视频处理方法、装置及电子设备,该方法包括:使用神经网络模型中的关键帧提取模块从待处理超声视频中提取出关键帧;使用神经网络模型中的特征提取模块从关键帧中提取出关键特征;使用神经网络模型中的特征聚合模块对关键特征进行聚合,获得聚合特征;使用神经网络模型中的分类器模块对聚合特征进行分类,获得待处理超声视频的类别。通过使用关键帧提取模块和特征提取模块能够有效地提高视频分类的推理速度,且使用特征聚合模块和分类器模块能够有效地提高视频分类的准确率,从而使用包含这些模块的神经网络模型能够兼顾超声视频处理的推理速度和准确率。
-
-
-
-
-
-
-
-
-