-
公开(公告)号：CN119477845A
公开(公告)日：2025-02-18
申请号：CN202411558871.5
申请日：2024-11-04
Applicant: 中国人民解放军南部战区总医院
IPC: G06T7/00 , G06T7/73 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/096 , G06V10/764 , G06V10/80 , G06T5/70
Abstract: 本发明提供一种基于跨模态知识融合的心肌梗死定位方法，包括采集目标1D‑VCG信号并构建2D‑VCG图像数据集；通过教师模型和学生模型分别从2D‑VCG、1D‑VCG信号中提取空间特征、时序特征和伪标签；通过跨模态生成器将空间特征和时序特征进行对齐与变换；并通过跨模态生成器实现跨模态知识融合和MI定位。本发明通过知识增强和学生增强策略，不仅提升了心肌梗死定位的准确性，还通过自适应权重法优化了跨模态学习的整体框架；本发明以知识蒸馏的形式实现，成功将2D‑VCG的空间特征融合到1D‑VCG时序分析中，结合教师模型、学生模型与跨模态生成器的协同工作，显著提高了心肌梗死的定位准确性。
-
公开(公告)号：CN118177827A
公开(公告)日：2024-06-14
申请号：CN202410480147.9
申请日：2024-04-22
Applicant: 中国人民解放军南部战区总医院
Abstract: 本发明提供一种基于心电向量图的心肌梗死定位方法，本发明利用PointNet++的多尺度分组(MSG)模块获取3D‑VCG的全局时空特征，然后通过自注意力机制识别重要的点集，并通过PointNet++处理这些点集以获取其局部时空特征，然后使用Transformer的多头注意力机制再次关联和融合局部和全局特征，通过前向反馈网络减少生成的可训练列表的维度，并通过softmax层生成类概率，以实现心肌梗塞的精确定位。本发明的方法在11类MI定位任务上展现了优异的性能，整体准确率达到99.98％，显著优于现有的心肌梗塞定位技术；有效地利用3D空间中VCG的局部‑时空特征，实现了MI的精确定位。
-
公开(公告)号：CN111368899B
公开(公告)日：2023-07-25
申请号：CN202010129987.2
申请日：2020-02-28
Applicant: 中国人民解放军南部战区总医院
IPC: G06F18/214 , G06N3/0464 , G06N3/044 , G06T5/30 , G06T5/50 , G06T7/11
Abstract: 本发明提出了一种基于递归聚合深度学习分割超声心动图的方法和系统，包括如下步骤：提取超声心动图的t帧数据并发送至特征特征提取模块；特征提取模块将接收到的超声心动图的t帧数据进行特征提取；提取后，将特征发送给融合模块，融合模块进行处理，形成掩模和处理结果。本发明的特征提取模块采用扩张卷积块单元其感受野更大、参数更少、计算量更小；融合模块设有分割单元和分类单元且分割单元提供时间和空间信息来指导分类单元，而分类单元实时将结果发送至分割单元，分割单元与分类单元实时进行数据交换互为指导；得出高质量的掩模和正确率高的处理数据。
-
公开(公告)号：CN115204297A
公开(公告)日：2022-10-18
申请号：CN202210854195.0
申请日：2022-07-14
Applicant: 中国人民解放军南部战区总医院
Abstract: 本说明书实施例提供了一种基于多通道卷积神经网络的心电图分类方法及系统，该方法包括获取原始心电图信号，对信号进行滤波预处理；对滤波后的心电图信号安置滑动时间窗，将心电图信号重构为多个心电图片段，构成训练集；将训练集输入构建的智能心电图诊断模型进行深度特征提取，获得深度特征，通过降维单元进行降维后通过SVM分类器完成心电图分类。本发明将在不同时长心电图数据上使用滑动窗口，对原始数据进行重构，并输入到一个有多个并行卷积神经网络构成的智能心电图诊断模型中，使智能心电图诊断模型不仅能够对不等长的心电图数据集进行训练，并尽可能避免数据关键信息丢失问题，从而提高了智能心电图分类识别的准确率和降低了误诊率。
-
Patent Agency Ranking
公开(公告)号：CN119326719A
公开(公告)日：2025-01-21
申请号：CN202411456476.6
申请日：2024-10-18
Applicant: 中国人民解放军南部战区总医院
Abstract: 本发明提供了一种多功能无载体纳米药物的制备及其联合用药应用，属于医药技术领域。所述纳米药物包括共聚物材料以及封装于所述共聚物材料中的光敏剂和多西他赛；其中，所述共聚物材料、光敏剂和多西他赛的质量比为0.5‑2:0.075‑0.3:0.075‑0.3。本发明将药物多西他赛和光敏剂包封于共聚物材料中，以实现体内多种药物的共递送，可以有效提高提高肿瘤治疗效果、靶向性优异且生物相容性良好。
-
公开(公告)号：CN118177827B
公开(公告)日：2024-10-18
申请号：CN202410480147.9
申请日：2024-04-22
Applicant: 中国人民解放军南部战区总医院
Abstract: 本发明提供一种基于心电向量图的心肌梗死定位方法，本发明利用PointNet++的多尺度分组(MSG)模块获取3D‑VCG的全局时空特征，然后通过自注意力机制识别重要的点集，并通过PointNet++处理这些点集以获取其局部时空特征，然后使用Transformer的多头注意力机制再次关联和融合局部和全局特征，通过前向反馈网络减少生成的可训练列表的维度，并通过softmax层生成类概率，以实现心肌梗塞的精确定位。本发明的方法在11类MI定位任务上展现了优异的性能，整体准确率达到99.98％，显著优于现有的心肌梗塞定位技术；有效地利用3D空间中VCG的局部‑时空特征，实现了MI的精确定位。
-
公开(公告)号：CN118015009A
公开(公告)日：2024-05-10
申请号：CN202410162731.X
申请日：2024-02-05
Applicant: 中国人民解放军南部战区总医院 , 广东工业大学
IPC: G06T7/10 , G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/094 , G06N3/0464
Abstract: 本发明提出一种基于多模态的心脏影像分割方法及系统，涉及心脏影像分割技术领域。包括获取多模态医学图像；将预处理后的图像输入至包含正向分割网络和反向映射网络的心脏分割算法模型，利用正向分割网络来预测心脏分割，之后利用反向映射网络从上一个正向分割网络中恢复原图，基于对抗性训练方法对心脏分割算法模型进行训练，得到训练好的心脏分割算法模型；将训练好的心脏分割算法模型迁移到跨媒体的心脏影像，完成多模态的图像分割。本发明的方法深/浅层特征有着各自意义：网络越深，感受野越大，网络关注全局特征；浅层网络则更加关注纹理等局部特征；通过特征拼接来实现边缘特征的找回。
-
公开(公告)号：CN111368899A
公开(公告)日：2020-07-03
申请号：CN202010129987.2
申请日：2020-02-28
Applicant: 中国人民解放军南部战区总医院
Abstract: 本发明提出了一种基于递归聚合深度学习分割超声心动图的方法和系统，包括如下步骤：提取超声心动图的t帧数据并发送至特征特征提取模块；特征提取模块将接收到的超声心动图的t帧数据进行特征提取；提取后，将特征发送给融合模块，融合模块进行处理，形成掩模和处理结果。本发明的特征提取模块采用扩张卷积块单元其感受野更大、参数更少、计算量更小；融合模块设有分割单元和分类单元且分割单元提供时间和空间信息来指导分类单元，而分类单元实时将结果发送至分割单元，分割单元与分类单元实时进行数据交换互为指导；得出高质量的掩模和正确率高的处理数据。
-
公开(公告)号：CN216133248U
公开(公告)日：2022-03-25
申请号：CN202121812855.6
申请日：2021-08-04
Applicant: 中国人民解放军南部战区总医院
Abstract: 本实用新型涉及一种用于显微镜的智能阅片装置，包括用于套设在显微镜的目镜外围的装置主体，设于装置主体内用于采集目镜显示画面的数据采集器，输入端连接数据采集器的输出端的控制装置，还包括用于涂片异常报警的警报装置，以及用于给第三方显示终端传输阅片信息的通信模块，控制装置中包含用于处理采集数据的微型处理器，警报装置和通信模块分别与控制装置连接。本实用新型解决了现有用于显微镜的辅助阅片装置在实现阅片的同时无法实现对涂片的检测和异常报警的问题，能够进行智能阅片，传输阅片分析报告至第三方显示终端，同时在标本涂片异常(即涂片标本组织异常)时通过警报装置进行警报提醒。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.046 seconds)
