-
公开(公告)号：CN118898580A
公开(公告)日：2024-11-05
申请号：CN202410916466.X
申请日：2024-07-09
申请人： 广州医科大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/25 , G06V10/74 , G06V10/82
摘要： 本发明属于智能领域，具体涉及一种基于度量学习预测肺动脉高压的构建方法、设备和介质。构建方法包括：获取心脏磁共振影像集和标签，所述标签包括正常被试、肺动脉高压患者；所述磁共振影像集经过嵌入层得到特征向量；所述特征向量经过线性层得到预测标签，基于所述标签和所述预测标签的差距得到分类损失；所述特征向量输入度量学习层进行度量学习得到度量学习的损失；基于所述分类损失和所述度量学习的损失，迭代训练后得到肺动脉高压分类器，所述肺动脉高压分类器包括嵌入层和线性层。本申请通过强制约束克服在三元组获取过程中出现无法区分距离度量问题，增强对肺动脉高压判别特征尤其是轻度肺动脉高压判断特征的学习。
-
公开(公告)号：CN118887458A
公开(公告)日：2024-11-01
申请号：CN202410916450.9
申请日：2024-07-09
申请人： 广州医科大学
摘要： 本发明提供了一种管状特征预测模型的构建方法、系统、设备、介质和程序产品，涉及智能医疗领域。所述方法包括：获取训练集样本中主动脉夹层配对的NCE‑CT、CE‑CT影像；所述NCE‑CT影像中管状结构的高尺度特征和低尺度特征；基于所述高尺度特征得到偏移量；基于所述偏移量指导所述低尺度特征的位置偏移，将低尺度特征发生位置偏移后的值和偏移量输入多头自注意力网络进行融合得到管状特征数据；基于所述管状特征数据得到学生模型分类结果；基于所述CE‑CT影像对预训练大模型做调整得到教师模型，得到对应的教师模型分类结果；基于教师模型分类结果与学生模型分类结果，利用知识蒸馏优化学生模型，得到构建好的学生模型即为所述预测模型。
-
公开(公告)号：CN118887401A
公开(公告)日：2024-11-01
申请号：CN202410916463.6
申请日：2024-07-09
申请人： 广州医科大学
IPC分类号： G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06T7/00
摘要： 本发明提供了一种基于多模态特征主动脉夹层预测模型的构建方法、系统、设备、介质和程序产品，涉及智能医疗领域。所述方法包括：获取训练集样本中主动脉夹层的NCE‑CT影像；基于NCE‑CT影像进行训练得到主动脉管状特征；基于所述NCE‑CT影像进行主动脉分割得到主动脉分割特征；获取分割提示，将主动脉分割特征和分割提示、主动脉管状特征输入具有多头注意力网络的交叉关注网络，得到融合分割特征；将所述融合分割特征输入多头自注意力网络，将输入后得到的结果与所述主动脉分割特征逐元素相加，得到显示分割结果的预测模型。
-
公开(公告)号：CN118887459A
公开(公告)日：2024-11-01
申请号：CN202410916464.0
申请日：2024-07-09
申请人： 广州医科大学
摘要： 本申请涉及智能医疗领域，具体涉及一种基于血栓影像重构图数据的方法、设备及程序产品。包括获取患者的血栓影像，影像含有血栓及周边组织；对所述影像中进行特征提取得到特征向量；基于血栓及周边组织的特征向量得到血栓及周边组织向量间的空间关系；基于所述空间关系和特征向量构建图结构得到图数据，本发明能够提取影像多个维度中形态特征及空间关系，能有效识别细微差别，具有很好临床价值。
-
公开(公告)号：CN118614896A
公开(公告)日：2024-09-10
申请号：CN202410916465.5
申请日：2024-07-09
申请人： 广州医科大学
摘要： 本申请涉及智能医疗领域，具体涉及一种计算血流压力的方法、设备及程序产品。包括S1：获取患者MRI加速度编码图像；S2：将所述加速度编码图像输至压力模型中进行计算得到血流压力；其中，所述压力模型通过计算加速度编码图像中的幅值与压力梯度得到像素压力关系，基于像素压力关系构建得到。本申请相比有创导管测压无创且无风险，适用于早期诊断和辅助常规检查，具有很好临床价值。
-
-
-
-
搜索结果
5 条记录 (耗时 0.025 秒)
