公开(公告)号：CN118334456A

公开(公告)日：2024-07-12

申请号：CN202410772479.4

申请日：2024-06-17

申请人： 山东师范大学

发明人： 郑向伟 ,  王召辉 ,  张明哲 ,  李真 ,  马铭骏 ,  陈宣池 ,  张兴宇 ,  董明翰

IPC分类号： G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0895

摘要： 本发明属于医学图像处理领域，提供了一种基于多特征融合和弱监督定位的胃肠化生图像分类系统，通过将RGB图像转换为HSV图像和局部二值模式图像来提取特征并基于多头自注意力机制和通道注意力机制设计了一种多特征融合模块，实现了GIM图像中颜色和纹理信息的有效利用，提高了模型的分类性能。同时，通过弱监督定位技术定位GIM图像中的病变区域，利用预训练网络的预测置信度对病变激活图进行加权，减轻了不准确的病变激活图带来的影响；RGB图像与加权后的病变激活图融合后再进行特征提取，解决了传统模型无法在只有图像级标注的情况下关注病变区域的问题，进一步提升了胃肠化生严重程度分级准确率。

公开(公告)号：CN118334456B

公开(公告)日：2024-09-10

申请号：CN202410772479.4

申请日：2024-06-17

申请人： 山东师范大学

发明人： 郑向伟 ,  王召辉 ,  张明哲 ,  李真 ,  马铭骏 ,  陈宣池 ,  张兴宇 ,  董明翰

IPC分类号： G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0895

摘要： 本发明属于医学图像处理领域，提供了一种基于多特征融合和弱监督定位的胃肠化生图像分类系统，通过将RGB图像转换为HSV图像和局部二值模式图像来提取特征并基于多头自注意力机制和通道注意力机制设计了一种多特征融合模块，实现了GIM图像中颜色和纹理信息的有效利用，提高了模型的分类性能。同时，通过弱监督定位技术定位GIM图像中的病变区域，利用预训练网络的预测置信度对病变激活图进行加权，减轻了不准确的病变激活图带来的影响；RGB图像与加权后的病变激活图融合后再进行特征提取，解决了传统模型无法在只有图像级标注的情况下关注病变区域的问题，进一步提升了胃肠化生严重程度分级准确率。

公开(公告)号：CN116758042A

公开(公告)日：2023-09-15

申请号：CN202310770355.8

申请日：2023-06-27

申请人： 山东师范大学

发明人： 郑向伟 ,  李政 ,  马铭骏 ,  李真 ,  李延青 ,  张明哲

IPC分类号： G06T7/00 ,  G06V10/74 ,  G06V10/77 ,  G06V10/80 ,  G06V20/69 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08

摘要： 本发明提出了一种基于形变Transformer的肠化生严重程度分级系统，通过将内窥镜图像进行划分得到多个特征单元，根据特征单元的相似度得到匹配的特征单元组，将特征单元组进行权重计算后进行融合，实现了Transformer中采样区域的形变，克服了Transformer固定区域采样的不足，提高了特征提取能力，提高肠化生严重程度分级准确率。

公开(公告)号：CN116306655A

公开(公告)日：2023-06-23

申请号：CN202310289061.3

申请日：2023-03-20

申请人： 山东师范大学

发明人： 于晓梅 ,  张劲松 ,  马铭骏 ,  李真 ,  李延青 ,  郑向伟

IPC分类号： G06F40/295 ,  G06F40/30 ,  G06F40/289 ,  G06N3/04 ,  G06N3/08

摘要： 本公开涉及自然语言处理技术领域，提出了一种基于汉字字形和词语边界特征的命名实体识别方法及系统，识别方法包括如下步骤：将获取的待处理医疗文本输入到微调好的BERT预训练语言模型中，获取包含上下文信息的字符级特征向量；对获取的待处理医疗文本进行字形特征提取，得到与字形相关的字形特征向量；基于事先构建的医疗命名实体库，对获取的待处理医疗文本进行边界特征提取，得到边界特征向量；对得到的字符级特征向量、字形特征向量以及边界特征向量进行连接、融合及降维，并通过条件随机场得到最终的实体识别结果。在BERT预训练语言模型的基础上增加了字形特征提取模块和边界特征提取模块，能够提高对医疗实体及其标签类别识别的准确率。

公开(公告)号：CN115994999A

公开(公告)日：2023-04-21

申请号：CN202211556621.9

申请日：2022-12-06

申请人： 山东师范大学

发明人： 郑向伟 ,  马铭骏 ,  苏德健 ,  李真 ,  李延青 ,  张明哲

IPC分类号： G06V10/26 ,  G06V10/82 ,  G06V10/56 ,  G06V20/69 ,  G06V20/70 ,  G06T7/11 ,  G06T7/00 ,  G06V10/774

摘要： 本发明提出了一种基于边界梯度注意力网络的杯状细胞语义分割方法及系统，该方法采用改进的基于边界梯度注意力U‑Net网络结构，通过改进现有深度神经网络模型，在编码层与解码层之间，引入三个边界梯度注意力机制，通过颜色梯度特征提取层用于学习杯状细胞周围的颜色特征变化，使得该语义分割网络在获取细胞形状信息的基础上，能有效捕获杯状细胞周围的颜色梯度特征，实现了共聚焦激光显微内镜图像中杯状细胞区域的精确分割。

公开(公告)号：CN115690518A

公开(公告)日：2023-02-03

申请号：CN202211465792.0

申请日：2022-11-22

申请人： 山东师范大学

发明人： 郑向伟 ,  李政 ,  马铭骏 ,  李真 ,  李延青 ,  张明哲

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G16H50/30 ,  G16H80/00 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种肠化生严重程度分类系统、电子设备及计算机可读存储介质，属于医学图像识别技术领域。包括数据预处理模块，被配置为：获取内窥镜图像并进行预处理；分类决策模块，被配置为：将预处理后的内窥镜图像输入训练好的肠化生严重程度分类模型，进行肠化生病变程度的分类；其中，肠化生严重程度分类模型包括依次连接的输入层、特征提取模块、偏移量生成模块、形变卷积模块以及输出层。能有效且准确生成形变卷积偏移量信息，提高了形变卷积的特征提取能力和严重程度分类的准确率；解决了现有技术中存在“肠化生严重程度分类不准确，容易过拟合以及难以对非显著性的病变区域定位”的问题。