-
公开(公告)号：CN112308834B
公开(公告)日：2024-04-05
申请号：CN202011182475.9
申请日：2020-10-29
Applicant: 厦门大学
Inventor： 王连生
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于前向相关性的one‑shot脑图像分割方法，其包括以下步骤：S1、获取有标注图像和未标注图像y；S2、将有标注图像进行预处理并划分为图集x；S3、构建SiamENet模型，图集x及未标注图像y输入孪生编码器模块得到相关特征图；S4、双注意模块接收孪生编码器模块的相关特征图，融合图集x和未标注图像y的特征，得到融合特征；S5、将融合特征输送给解码器模块，解码器模块将相关特征图和融合特征进行融合，得到前向映射Δp；S6、图集x和前向映射Δp分别通过warp操作，得到重建图像#imgabs0#和有标注重建图像#imgabs1#本发明通过计算机视觉学习，进行映射建模，在现有的有标注图像基础上，学习图像的分割标签，提高了效率。
-
公开(公告)号：CN112085717B
公开(公告)日：2024-03-19
申请号：CN202010924387.5
申请日：2020-09-04
Applicant: 厦门大学
Inventor： 王连生
IPC: G06T7/00 , G06T3/4038 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种用于腹腔镜手术的视频预测方法及其系统，该方法包括光流估算、函数变换和空间替换卷积(SDC)处理，此外还引入了损失函数处理，从而开发出一种能够根据输入视频序列准确、清晰地预测未来图像的视频下一帧预测系统，在难以获取高质量标注数据时，仍能完成对图像自动识别和预测任务，具有节约计算资源、无需对图像进行额外标注、所得预测图像清晰且接近真实情景的优点。
-
公开(公告)号：CN117524475A
公开(公告)日：2024-02-06
申请号：CN202311471925.X
申请日：2023-11-07
Applicant: 厦门大学附属中山医院
IPC: G16H50/30 , G16H50/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于人工智能辅助的内镜下胃癌风险评分系统，包括：图片采集模块，用于遍历胃内图片集，胃内图片集至少有22张胃内图片；部位识别模块，用于配置部位识别模型，部位识别模型基于ResNet‑50网络和ResNet‑18网络，结合深度信息，完成对胃部22个部位的识别任务，得到部位识别结果；胃炎分类模块，用于配置胃炎分类模型，胃炎分类模型基于最优网络结构对特定特征进行识别，得到胃炎分类结果；模型优化模块，用于以部位识别结果与医生先验知识完成模型优化，并结合胃炎分类结果，得到改进后的胃炎分类结果；胃炎评分模块，用于依据京都胃炎评分标准，根据患者的改进后的胃炎分类结果，得出胃癌风险评分。
-
公开(公告)号：CN116152574B
公开(公告)日：2023-06-30
申请号：CN202310403684.9
申请日：2023-04-17
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/26 , G06V10/40 , G06V10/82 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多阶段信息抽取和记忆的病理图像分类方法，包括以下步骤：S1、将病理图像分割出细胞核；S2、利用自然图像预训练权重对细胞核进行特征提取；S3、利用K近邻算法生成细胞核间边连接，将病理图像建模成一张细胞图数据；S4、对细胞图进行卷积，利用TopK抽取代表节点构成新细胞图；S5、将每一阶段细胞图利用LSTM进行记忆学习，将最终细胞图池化进行病理图像分类；该方法可有效解决图神经网络学习过程中存在的信息冗余问题，同时通过利用LSTM进行记忆学习，使得深层次网络也可以保留浅层次信息，有效提高了对病理图像分类的性能，分类准确性高。
-
公开(公告)号：CN116030025A
公开(公告)日：2023-04-28
申请号：CN202310058590.2
申请日：2023-01-18
Applicant: 厦门大学
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06N3/082 , G06V10/764 , G06V10/40 , G06V10/82 , G16H50/70 , G06N3/0464
Abstract: 本发明公开了一种基于模态感知蒸馏网络的肝细胞癌预测方法，包括以下步骤：S1、获取肝细胞癌患者的数据集，并根据五折交叉验证方案将整个数据集分成五折，在每一轮交叉验证中，将其中一折数据作为测试集，将其他四折数据作为训练集；S2、对数据进行预处理，为所有患者的肿瘤找到最大的外接立方体，再移除除立方体以外的其他非肿瘤区域；S3、建立模态感知蒸馏网络，并对模态感知蒸馏网络进行训练，模态感知蒸馏网络用于将教师网络通过临床数据模态和图像模态融合学习的知识转移到仅具有图像模态的学生网络；S4、通过训练后的模态感知蒸馏网络进行肝细胞癌预测。
-
Patent Agency Ranking
公开(公告)号：CN116013543A
公开(公告)日：2023-04-25
申请号：CN202310061478.4
申请日：2023-01-16
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的TACE疗效预测方法，包括以下步骤：S1、获取数据，并对数据进行预处理；S2、构建可实现多模态信息融合的预测模型，预测模型分为图像特征提取阶段与特征融合阶段；S3、将预处理后的数据输入到预测模型中，依次进行图像特征提取与特征融合；S4、对预测模型进行训练，并通过训练后的预测模型进行TACE疗效预测；该方法能够融合图像特征与多种临床信息，相比传统的仅依靠BCLC来决定是否对HCC患者使用TACE疗法，该方法充分融合了两种模态数据的互补信息，能够更加准确预测TACE的治疗效果。
-
公开(公告)号：CN112085760A
公开(公告)日：2020-12-15
申请号：CN202010924388.X
申请日：2020-09-04
Applicant: 厦门大学
Inventor： 王连生
Abstract: 本发明公开了一种腹腔镜手术视频的前景分割方法，其包括以下步骤：S1、获取腹腔镜手术视频，划分训练集及测试集；S2、对训练集内腹腔镜手术视频进行裁剪及手术器械像素的标注的预处理；S3、构建前景分割系统，将S2中腹腔镜手术视频输入前景分割系统，通过光流预测模块结合图像分割模块进行前景分割，得到分割结果；本发明在复杂的手术场景中精确分割腹腔镜手术器械，对腹腔镜手术器械进行细分，避免干扰，提高了腹腔镜手术的精确度。
-
-
公开(公告)号：CN112084930A
公开(公告)日：2020-12-15
申请号：CN202010923734.2
申请日：2020-09-04
Applicant: 厦门大学
Abstract: 本发明公开了一种全视野数字病理切片的病灶区域分类方法及其系统，构建了CSResNet系统，并对其进行学习训练，从而实现对全视野数字病理切片中病灶区域的自动分割，并对分割出的病灶区域进行进一步分类，判断病灶区域的类别。本发明的CSResNet系统中的残差注意力模块同时结合通道和空间两个方向注意力机制，使网络能够将学习重心转移到特征图中能够决定输入图像类别的关键区域，具有较高的计算效率、分类精度和识别能力。
-
公开(公告)号：CN106880353A
公开(公告)日：2017-06-23
申请号：CN201510943572.8
申请日：2015-12-16
Applicant: 厦门大学 , 腾讯科技(深圳)有限公司
IPC: A61B5/0402
Abstract: 本发明公开了一种心电逆处理方法及装置；方法包括：采集体表电位，使用采集的体表电位构造形成m维的体表电位向量ΦT，其中所述躯干均匀且各向同性，m为大于1的整数；将所述体表电位向量ΦT与心外膜节点对应的n维心外膜电位向量ΦE采用传递系数矩阵A进行关联，n小于m且为大于1的整数；构造平滑函数Fσ(ΦE)趋近所述心外膜电位向量ΦE的L0范数，以及，基于所述心外膜电位向量ΦE的L0范数的趋近结果得到所述心外膜电位向量ΦE的表示。实施本发明，能够基于体表电位的分布精确构建心外膜电位。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.027 seconds)
