-
公开(公告)号：CN111915576B
公开(公告)日：2024-10-15
申请号：CN202010681303.X
申请日：2020-07-15
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC分类号： G06T7/00 , G06T7/11 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种循环残差乳腺X射线良恶性诊断学习方法及装置，其中方法包括：获取乳腺X射线原始目标图像，对乳腺X射线原始目标图像进行预处理，得到原始图像信息；基于预训练模型提取原始图像信息的特征，得到双侧图像特征；利用循环残差网络模型结合双侧图像特征生成目标图像的健康特征；将生成的目标图像的健康特征与原始目标图像的特征同时作为分类器的输入进行学习。提供了基于对称性的模型有效的将双侧信息结合起来，从而提高仅利用病理标注的基于全图的X射线良恶性诊断的准确率。
-
公开(公告)号：CN111415333B
公开(公告)日：2023-12-01
申请号：CN202010147836.X
申请日：2020-03-05
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要： 本申请实施例提供了一种乳腺X射线影像反对称生成分析模型训练方法和装置，解决了现有乳腺X射线影像分析方式的效率低和准确率低的问题。该乳腺X射线影像反对称生成分析模型训练方法包括：基于预训练的特征提取模型分别提取双侧乳腺X射线影像的原双侧乳腺图像特征，其中，所述双侧乳腺X射线影像分别对应左乳和右乳；将所述原双侧乳腺图像特征输入神经网络模型以获取与所述原双侧乳腺图像特征的特征信息相反的反对称分析结果；计算所生成的所述反对称分析结果与原双侧乳腺图像特征之间的损失函数取值；以及基于所述损失函数取值调整(56)对比文件杜燕连等.用差分迭代算法求解实反对称矩阵特征值《.2011 International Conferenceon Future Computer Science andApplication》.2011,全文.
-
公开(公告)号：CN111915576A
公开(公告)日：2020-11-10
申请号：CN202010681303.X
申请日：2020-07-15
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
摘要： 本发明提供了一种循环残差乳腺X射线良恶性诊断学习方法及装置，其中方法包括：获取乳腺X射线原始目标图像，对乳腺X射线原始目标图像进行预处理，得到原始图像信息；基于预训练模型提取原始图像信息的特征，得到双侧图像特征；利用循环残差网络模型结合双侧图像特征生成目标图像的健康特征；将生成的目标图像的健康特征与原始目标图像的特征同时作为分类器的输入进行学习。提供了基于对称性的模型有效的将双侧信息结合起来，从而提高仅利用病理标注的基于全图的X射线良恶性诊断的准确率。
-
公开(公告)号：CN111415333A
公开(公告)日：2020-07-14
申请号：CN202010147836.X
申请日：2020-03-05
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本申请实施例提供了一种乳腺X射线影像反对称生成分析模型训练方法和装置，解决了现有乳腺X射线影像分析方式的效率低和准确率低的问题。该乳腺X射线影像反对称生成分析模型训练方法包括：基于预训练的特征提取模型分别提取双侧乳腺X射线影像的原双侧乳腺图像特征，其中，所述双侧乳腺X射线影像分别对应左乳和右乳；将所述原双侧乳腺图像特征输入神经网络模型以获取与所述原双侧乳腺图像特征的特征信息相反的反对称分析结果；计算所生成的所述反对称分析结果与原双侧乳腺图像特征之间的损失函数取值；以及基于所述损失函数取值调整所述神经网络模型的参数。
-
公开(公告)号：CN111325743A
公开(公告)日：2020-06-23
申请号：CN202010147809.2
申请日：2020-03-05
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/00
摘要： 本申请实施例提供了一种基于联合征象的乳腺X射线影像分析方法和装置该方法包括：获取病灶区域；基于预训练的特征提取模型提取乳腺X射线影像的病灶区域图像特征；将病灶区域图像特征输入到病灶类型图模型中以得到病灶类型表征向量；根据病灶区域图像特征结合病灶类型图模型得到的病灶类型进行特征变换处理以获取病灶的确定类型，将病灶区域图像特征输入到与确定类型对应的具体征象图模型，其中，具体征象图模型包括多个征象节点，多个征象节点中至少两个征象节点之间通过用于表征相关度的连接线连接；获取具体征象图模型输出的图像征象特征。
-
-
-
-
搜索结果
5 条记录 (耗时 0.048 秒)
