基于多粒度知识融合的影像报告生成方法、系统及设备

    公开(公告)号:CN119851852A

    公开(公告)日:2025-04-18

    申请号:CN202510318397.7

    申请日:2025-03-18

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于多粒度知识融合的影像报告生成方法、系统及设备,方法包括:影像报告预生成单元,用于接收医学影像作为输入,并通过影像报告生成模型对医学影像进行处理以获取初始影像报告文本;知识检索单元,用于基于初始影像报告文本从公开医学知识库、本地自建医学知识库及实时数据源中检索相关医学实体及其定义知识,得到多源医学知识;知识融合单元,用于对所述多源医学知识进行融合,以获取融合知识文本;最终报告生成单元,用于结合医学影像、初始影像报告文本及融合知识文本,通过影像报告生成模型进行影像报告的再生成,获得最终影像报告。本发明能够显著减少诊断错误,提高医生的工作效率,同时为患者提供更易理解的报告。

    基于多任务深度卷积网络的肝脏及其肿瘤分割方法及系统

    公开(公告)号:CN107784647A

    公开(公告)日:2018-03-09

    申请号:CN201710908752.1

    申请日:2017-09-29

    Applicant: 华侨大学

    Abstract: 本发明提供一种基于多任务深度卷积网络的肝脏及其肿瘤分割方法及系统,方法包括:数据预处理和扩充;多任务深度卷积网络的搭建;带有任务间约束的监督层的构建;网络的训练;数据测试结果生成。本发明提出的多任务网络含有两个通路,分别实现肝脏和肝脏肿瘤的识别分割;本发明通过通路部分共享的方法来缩小深度卷积网络体积并降低模型学习对训练数据量的要求;本发明通过在共享通路之后连接各自任务相关的特征提取模块和相应输出模块实现多任务输出;关键的是,本发明提出了一种可以利用多任务间几何关联信息的监督学习模块来达到肝脏和肝脏肿瘤分割相互约束的目的。本发明能够准确地识别和分割肝脏及其肿瘤。

    基于结构稀疏多核学习的多模态数据特征筛选和分类方法

    公开(公告)号:CN106250914A

    公开(公告)日:2016-12-21

    申请号:CN201610581635.4

    申请日:2016-07-22

    Applicant: 华侨大学

    CPC classification number: G06K9/6268 G06K9/6259

    Abstract: 本发明公开了一种基于结构稀疏多核学习的多模态数据特征筛选和分类方法,包括:提取数据特征,并对特征进行归一化;利用核函数为数据的每个特征构建一个核矩阵;根据数据特征将所有特征和其对应的核函数进行分组;利用带有类标签的训练数据训练结构稀疏化多核分类模型,并优化模型参数;使用训练好的结构稀疏化多核分类模型对测试数据进行分类。本发明方法将数据特征的选择和数据模态融合在统一的结构稀疏化多核分类模型中进行建模,并将结构稀疏化特征选择和基于最优核表示的分类器学习同时进行,提供了一种多模态数据特征筛选、融合和分类方法。

    一种基于多特征融合神经网络的微创手术视频分割方法

    公开(公告)号:CN117788491A

    公开(公告)日:2024-03-29

    申请号:CN202410090971.3

    申请日:2024-01-23

    Applicant: 华侨大学

    Inventor: 董笑 彭佳林 黄潇

    Abstract: 本发明公开了一种基于多特征融合神经网络的微创手术视频分割方法,包括以下步骤:获取微创手术视频帧作为样本数据集,划分为训练集、验证集和测试集;对训练集进行数据扩充,获得扩充训练集;构建多特征融合神经网络;利用扩充训练集和验证集,结合旋转一致性对所述多特征融合神经网络进行训练,获得分割模型,基于测试集测试分割模型的性能;利用分割模型实现微创手术视频分割。本发明针对多尺度特征在特征上的差异,使用不同注意力机制,提高模型应对手术器械大小变化的能力;微型解耦U‑Net模块进一步提高了模型提取多尺度特征的能力,并减少模型参数量;基于旋转一致性的训练方法,提高了模型对手术器械方向变化的鲁棒性。

    一种腹部CT扫描序列图像的主动脉瘤分割方法

    公开(公告)号:CN108335304B

    公开(公告)日:2021-08-03

    申请号:CN201810122546.2

    申请日:2018-02-07

    Applicant: 华侨大学

    Abstract: 本发明涉及一种腹部CT扫描序列图像的主动脉瘤分割方法,包括五个部分:图像预处理;主动脉血管内腔提取;主动脉分割;主动脉瘤提取;三维重建主动脉瘤。本发明不需要任何已知标签的样本数据进行学习训练,适用范围广泛;将血管内腔和主动脉轮廓分别使用不同的分割算法提取,然后将得到的主动脉去除血管内腔区域得到空心的主动脉内壁和外壁动脉瘤轮廓,并对主动脉分割提出一种新的基于序列间先验约束的图割算法;充分利用了CT图像序列间特有的关联关系和相似性;能够很好的解决主动脉瘤病变等情况带来的欠分割和过分割影响。本发明可以为体外模拟手术提供3D打印的主动脉瘤模型,方便手术预案的制定和规划,降低主动脉手术的高风险。

    一种基于多任务协同跨域迁移的医学图像自动分割方法

    公开(公告)号:CN111402257A

    公开(公告)日:2020-07-10

    申请号:CN202010165367.4

    申请日:2020-03-11

    Applicant: 华侨大学

    Abstract: 本发明提供了一种基于多任务协同跨域迁移的医学图像自动分割方法,主要涉及利用基于多任务引导的跨域迁移网络进行无监督自动分割。该方法包括:构建语义分割网络,该网络包括特征编码分支与特征解码分支;构建重构分支,构建基于特征空间与基于预测空间的自适应对抗网络,包括基于特征空间的域判别器与基于预测空间的域判别器;最终利用重构分支引导语义分割网络提取特征,用自适应对抗网络完成跨域迁移,提高了在跨域医学图像上无监督自动分割的精度。

    一种基于图像几何对称属性的侧旋姿态校正方法

    公开(公告)号:CN108389613A

    公开(公告)日:2018-08-10

    申请号:CN201810089188.X

    申请日:2018-01-30

    Applicant: 华侨大学

    Abstract: 本发明提供一种基于图像几何对称属性的侧旋姿态校正方法,方法包括:数据规范化;目标切片组选取;切片组二值化;切片背景、前景区域的提取;切片前景中心点的选择;切片前景对称损失的计算;优化方法选择适当的回旋角度,降低前景对称损失,得到校正角度。本发明通过图像二值化和连通域筛选的方法来获取前景,去除无用信息;本发明通过求取前景中心来获得回调旋转中心;关键的是,本发明提出了一种利用前景对称特征来构造的目标函数。本发明能够准确地检测和校正侧旋姿态影像。

    一种基于少量点标注的跨域迁移图像分割方法

    公开(公告)号:CN113469186B

    公开(公告)日:2023-06-23

    申请号:CN202110734847.2

    申请日:2021-06-30

    Abstract: 本发明公开了一种基于少量点标注的跨域迁移图像分割方法,属于图像处理技术领域。在图像的多目标分割任务中,本发明只要求对目标域数据中的少量目标中心点进行标注,然后在源域数据训练的模型引导下,对少量点标注的目标域数据进行分割预测任务、空间计数任务以及量化计数任务的学习,在输出空间上利用对抗网络使模型学习到目标域判别性的特征表示,从而提升目标域的跨域分割效果,得到与无监督模型相比具有竞争力的图像自动分割模型。本发明公开的方法在新的应用场景数据上,只需要利用已有的标记数据和新应用场景数据上的少量点标注,极大地降低了人工成本并获得有竞争力的分割效果,可以应用于自然场景图像、医学图像等领域的多目标物分割。

    一种基于图像几何对称属性的侧旋姿态校正方法

    公开(公告)号:CN108389613B

    公开(公告)日:2022-04-05

    申请号:CN201810089188.X

    申请日:2018-01-30

    Applicant: 华侨大学

    Abstract: 本发明提供一种基于图像几何对称属性的侧旋姿态校正方法,方法包括:数据规范化;目标切片组选取;切片组二值化;切片背景、前景区域的提取;切片前景中心点的选择;切片前景对称损失的计算;优化方法选择适当的回旋角度,降低前景对称损失,得到校正角度。本发明通过图像二值化和连通域筛选的方法来获取前景,去除无用信息;本发明通过求取前景中心来获得回调旋转中心;关键的是,本发明提出了一种利用前景对称特征来构造的目标函数。本发明能够准确地检测和校正侧旋姿态影像。

Patent Agency Ranking