公开(公告)号：CN117422909A

公开(公告)日：2024-01-19

申请号：CN202311350654.2

申请日：2023-10-18

Applicant: 南京大学

Inventor： 高阳 ,  鲍军 ,  杨柳 ,  吴志平 ,  何克磊 ,  司呈帅 ,  邵鹏 ,  曹月鹏 ,  徐盈飞

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G16H30/20

Abstract: 本发明属于医学图像的分类领域，具体涉及基于先验引导特征增强的小样本结直肠癌分析方法及系统。在高质量医学数据集缺乏的情况下，利用少量样本的方式构建结直肠癌分期算法。本发明采用双编码器结构，分别在公共图像上和目标医学数据上训练，从结直肠癌医学图像中提取一般特征和特定特征。引入先验引导变分自动编码器(VAE)模块，将特征矢量与其在潜在空间中的先验对齐，增强了目标特征的稳健性。对支持和查询集中样本提取的目标特征进行基于最大后验概率(MAP)算法进行匹配，并预测查询样本的所属癌症期数。本发明能够显著提高小样本结直肠癌医学图像分期的准确性，一定程度上解决了小样本医学分类算法的局限性，并减轻了人工标注的代价。

公开(公告)号：CN117422916A

公开(公告)日：2024-01-19

申请号：CN202311382618.4

申请日：2023-10-24

Applicant: 南京大学

Inventor： 吴志平 ,  鲍军 ,  高阳 ,  杨柳 ,  何克磊 ,  司呈帅 ,  邵鹏 ,  曹月鹏 ,  李姝萌

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/22 ,  G06V10/44 ,  G06T7/00 ,  G16H50/20 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了基于弱监督学习的MR医学影像结直肠癌分期算法及系统，利用目标区域定位和局部特征辅助，缓解MR不同时期的图像所具有的类间差异小、类内方差大的问题。具体步骤为，构建基于对象的注意力激活机制，在分类决策和卷积特征图之间建立联系，精确定位目标对象；构建多尺度注意力定位机制，通过不同尺度的定位框来捕捉每个目标独特的局部特征，提高细粒度分类的准确性。联合优化训练，并对新的结直肠癌MR影像数据进行测试得到预测结果。本发明能够有效获取更细粒度的特征，可应用于结直肠癌MR影像分期领域。

公开(公告)号：CN117372774A

公开(公告)日：2024-01-09

申请号：CN202311418488.5

申请日：2023-10-30

Applicant: 南京大学

Inventor： 高阳 ,  鲍军 ,  杨柳 ,  何克磊 ,  吴志平 ,  司呈帅 ,  邵鹏 ,  曹月鹏 ,  甄泰航

IPC: G06V10/764 ,  G06V10/26 ,  G16H30/40 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明提出了一种基于自监督学习方式的结直肠癌分期算法及系统，无需利用已标注样本可以进行结直肠癌严重程度的判断。首先对数据集进行图像变换和低级处理，生成不同组新数据集。不同组数据集输入到不同编码器网络中得到特征输出，通过转换条件注意力机制和跨模型混合最大保存图像信息。最后合并计算对比损失和重构损失来对模型进行训练优化。本发明通过学习对医学图像的相似性和差异性进行编码来构建特征，能在无标注训练集的情况下有效对结直肠癌严重程度进行分类，有广泛的应用前景。