公开(公告)号：CN118841163A

公开(公告)日：2024-10-25

申请号：CN202410880598.1

申请日：2024-07-02

申请人： 武汉大学人民医院(湖北省人民医院) ,  中国地质大学(武汉)

发明人： 袁磊 ,  季梦遥 ,  沈磊 ,  王承军 ,  王珊珊 ,  赵宇

IPC分类号： G16H50/20 ,  G16H50/70 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/096

摘要： 本申请公开了一种基于人工智能的病理图像数据分析方法，本申请属于人工智能领域。该方法包括：对第一病理图像数据集的每张病理图像进行癌症类型标注和多标签特征标注，更新第一病理图像数据集；创建多任务学习模型；创建联合损失函数；根据联合损失函数和更新后的第一病理图像数据集训练多任务学习模型，若多任务学习模型达到预设的模型判定标准，则训练完成；根据多任务学习模型识别病理图像的类型信息、病理特征以及癌症标志物，根据类型信息、病理特征以及癌症标志物确定诊断结果，并发送至医生的智能终端设备。本方案使得医生可以从一个模型中获取到更全面的诊断信息，减少进行多次诊断的时间，提高医疗服务的响应速度和诊断的效率。

公开(公告)号：CN118797292A

公开(公告)日：2024-10-18

申请号：CN202410937808.6

申请日：2024-07-12

申请人： 武汉大学人民医院(湖北省人民医院) ,  中国地质大学(武汉)

发明人： 袁磊 ,  季梦遥 ,  沈磊 ,  王承军 ,  王珊珊 ,  赵宇

IPC分类号： G06F18/21 ,  G06F18/2433 ,  G06F21/60 ,  G06F21/62 ,  G16H10/60 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

摘要： 本公开的实施例提供了一种基于深度学习的医疗数据智能识别方法及系统。所述方法包括响应于实时接收到的医疗数据，确定医疗数据的数据类型；将不同数据类型的医疗数据代入加密解密模型，使得根据医疗数据，确定医疗数据所对应的至少一个用户以及医疗数据的当前状态，并选择性地对所述医疗数据进行加密处理或者解密处理，得到处理后的医疗数据；将处理后的医疗数据代入基于深度学习的智能识别模型，得到与医疗数据相匹配的识别结果，其中，所述识别结果包括所述医疗数据中的异常标记。确保了医疗数据与用户相匹配，确保了系统与各个采集设备之间的数据安全性与数据完整性，以实现对医疗数据进行实时检测以及异常识别。

公开(公告)号：CN117765330A

公开(公告)日：2024-03-26

申请号：CN202311810565.1

申请日：2023-12-25

申请人： 武汉大学人民医院(湖北省人民医院)

发明人： 袁磊 ,  季梦遥 ,  陈尧 ,  李明 ,  刘梦雪 ,  胡薇 ,  高梦婷

IPC分类号： G06V10/764 ,  G06V10/30 ,  G06V10/44 ,  G06V10/774 ,  G06V10/54

摘要： 本发明涉及数据标注领域，提出了基于MRI图像的数据标注方法及系统，所述方法包括：通过图像去噪和平滑处理得到MRI去噪图像和MRI平滑图像，对MRI平滑图像进行目标区域分割，并提取该区域的参数，计算目标区域的边缘强度，基于边缘强度，在MRI平滑图像的剩余区域进行角点检测，提取角点抑制值和信息因子，用于识别剩余区域的纹理特征，根据纹理特征构建原始MRI图像的图像标注模型，并使用训练集对模型进行训练，得到训练好的图像标注模型，利用训练好的模型对原始MRI图像进行标注预测，得到预测标注图像，并去除重叠部分，得到最终的图像标注结果。本发明可以提高MRI图像数据标注的准确率。

公开(公告)号：CN118072102A

公开(公告)日：2024-05-24

申请号：CN202410358926.1

申请日：2024-03-27

申请人： 武汉大学人民医院(湖北省人民医院)

发明人： 袁磊 ,  季梦遥 ,  沈磊 ,  阮超 ,  俞承胜 ,  周文犁

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/40

摘要： 一种内窥镜图像分类模型构建方法、图像分类方法和装置，属于图像分类领域，包括获取训练数据集，其包括多个内窥镜图像以及所述多个内窥镜图像的类别标签；构建原始分类模型，所述模型包括顺序连接的特征提取层、特征优化层、以及分类层；利用训练数据集对所述原始分类模型进行训练，得到内窥镜图像分类模型。本申请通过结合平均池化特征图和最大池化特征图对原始特征图进行优化，使特征提取同时兼顾平均池化和最大池化的优点，从而使优化特征图中的特征与图像分类的关联度更高，提高分类模型的训练效率和精度，提到模型分类预测效果。

公开(公告)号：CN117788578A

公开(公告)日：2024-03-29

申请号：CN202311797846.8

申请日：2023-12-25

申请人： 武汉大学人民医院(湖北省人民医院)

发明人： 袁磊 ,  季梦遥 ,  陈尧 ,  张璐 ,  高梦婷 ,  王颖 ,  闫明珠

IPC分类号： G06T7/73 ,  G06T7/00 ,  G06T5/80 ,  G06T5/20 ,  A61B6/00

摘要： 本发明涉及图像位置定位领域，提出了基于多维度实现CT图像的位置定位方法及系统，所述方法包括：获取初始CT图像，并进行图像校准和频域滤波，得到CT滤波图像。然后确定图像维度，并识别特征向量，计算空间分布值，根据空间分布值确定定位点，并识别ROI区域，计算像素密度值，基于像素密度值进行病灶检测，得到病灶信息，并将二维数据还原成三维结构，将关键点标定在三维结构上，得到坐标信息，并与初始CT图像进行信息关联，生成位置定位报告。本发明可以提高CT图像位置定位的准确性。