-
公开(公告)号：CN109214375A
公开(公告)日：2019-01-15
申请号：CN201811319271.8
申请日：2018-11-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于分段采样的视频特征的胚胎妊娠结果预测装置，包括存储器、处理器以及计算机程序，存储器中存有包括n个特征提取模块和融合分类模块的胚胎妊娠结果预测模型，处理器执行所述计算机程序时实现以下步骤：接收胚胎发育视频，并对帧图像进行去噪剔除后，将剩余帧图像分成n段，并在每段中等时间间隔抽取m帧图像；以每个特征提取模块输入m帧图像的方式，将抽取的n*m帧图像分别输入到n个特征提取模块，经特征提取后，提取的n类特征图合并后输入到融合分类模块中，经计算输出胚胎妊娠结果预测概率；其中，n为大于等于4的自然数，m为小于20的自然数。该装置能够根据胚胎发育视频准确地输出胚胎妊娠结果的预测概率。
-
公开(公告)号：CN109636806B
公开(公告)日：2022-12-27
申请号：CN201811399318.6
申请日：2018-11-22
Applicant: 浙江大学山东工业技术研究院
Abstract: 本发明公开了一种基于多步学习的三维核磁共振胰腺图像分割方法，包括：(1)归一化预处理三维核磁共振图像；(2)随机将预处理后的图像分为训练集、验证集和测试集；(3)利用分割标注将训练集中包含胰腺的块和对应的标注切出备用；(4)压缩原始图像训练一个Q‑net模型计算胰腺大致位置；(5)使用步骤3中的配对数据预训练另一个P‑net模型；(6)使用预训练的Q‑net产生胰腺的3D位置预测图，选取概率高的图块，映射回原图，分块输入预训练的P‑net中合并训练预测胰腺位置；(7)使用训练好的分割模型在测试集上进行预测检测效果。利用本发明，能够精确地从三维的核磁共振图像中分割出胰腺，可为胰腺的放射治疗提供依据和指导。
-
公开(公告)号：CN112806957B
公开(公告)日：2021-08-31
申请号：CN202110435935.2
申请日：2021-04-22
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的圆锥角膜和亚临床圆锥角膜检测系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的检测模型，所述的检测模型为一个多分支结构、多层次融合的端到端的深度学习模型KerNet；所述计算机处理器执行所述计算机程序时实现以下步骤：获取待检测的角膜原始三维数据，输入到检测模型后进行特征提取和分类，最终输出个体所属类别为圆锥角膜、亚临床圆锥角膜或者正常。利用本发明，能够直接对个体角膜原始三维数据进行特征提取，从而能够实现高精度的圆锥角膜、亚临床圆锥角膜检出。
-
公开(公告)号：CN109214375B
公开(公告)日：2020-11-24
申请号：CN201811319271.8
申请日：2018-11-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于分段采样的视频特征的胚胎妊娠结果预测装置，包括存储器、处理器以及计算机程序，存储器中存有包括n个特征提取模块和融合分类模块的胚胎妊娠结果预测模型，处理器执行所述计算机程序时实现以下步骤：接收胚胎发育视频，并对帧图像进行去噪剔除后，将剩余帧图像分成n段，并在每段中等时间间隔抽取m帧图像；以每个特征提取模块输入m帧图像的方式，将抽取的n*m帧图像分别输入到n个特征提取模块，经特征提取后，提取的n类特征图合并后输入到融合分类模块中，经计算输出胚胎妊娠结果预测概率；其中，n为大于等于4的自然数，m为小于20的自然数。该装置能够根据胚胎发育视频准确地输出胚胎妊娠结果的预测概率。
-
公开(公告)号：CN109658996B
公开(公告)日：2020-08-18
申请号：CN201811416427.4
申请日：2018-11-26
Applicant: 浙江大学山东工业技术研究院
IPC: G16H10/60
Abstract: 本发明公开了一种基于边信息的体检数据补全方法，包括(1)构建和根据边信息补全体检‑疾病矩阵、致病因子‑疾病矩阵、致病因子‑体检矩阵；(2)分别在任意两个矩阵之间建立编码解码网络D2F Net，D2C Net以及F2C Net；(3)联合训练D2F Net，D2C Net以及F2C Net，训练结束，致病因子‑疾病矩阵和致病因子‑体检矩阵已经被补全；(4)将待补全的体检‑疾病矩阵输入到D2F Net，D2C Net中，利用补全的致病因子‑疾病矩阵、致病因子‑体检矩阵和F2C Net，经计算补全体检‑疾病矩阵。还公开了一种基于边信息的体检数据补全装置，能够根据已有信息来补全体检数据和疾病结果。
-
Patent Agency Ranking
公开(公告)号：CN109636806A
公开(公告)日：2019-04-16
申请号：CN201811399318.6
申请日：2018-11-22
Applicant: 浙江大学山东工业技术研究院
CPC classification number: G06T7/11 , G06N3/0454 , G06N3/08 , G06T7/13 , G06T7/136 , G06T7/70 , G06T2207/10088 , G06T2207/30096
Abstract: 本发明公开了一种基于多步学习的三维核磁共振胰腺图像分割方法，包括：(1)归一化预处理三维核磁共振图像；(2)随机将预处理后的图像分为训练集、验证集和测试集；(3)利用分割标注将训练集中包含胰腺的块和对应的标注切出备用；(4)压缩原始图像训练一个Q‑net模型计算胰腺大致位置；(5)使用步骤3中的配对数据预训练另一个P‑net模型；(6)使用预训练的Q‑net产生胰腺的3D位置预测图，选取概率高的图块，映射回原图，分块输入预训练的P‑net中合并训练预测胰腺位置；(7)使用训练好的分割模型在测试集上进行预测检测效果。利用本发明，能够精确地从三维的核磁共振图像中分割出胰腺，可为胰腺的放射治疗提供依据和指导。
-
公开(公告)号：CN114999630B
公开(公告)日：2024-08-16
申请号：CN202210636049.0
申请日：2022-06-07
Applicant: 浙江大学
IPC: G16H50/20 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/09 , G16H50/30 , G16H50/70 , G16H50/80
Abstract: 本发明公开了一种基于多源数据融合的肝移植受者预后预测装置，多源数据融合能够充分整合肝移植受者的影像学、肿瘤标志物、肿瘤免疫组化和肿瘤多组学等多源数据信息，相比现有的肝移植受者表征方式，能够容纳更多数据域的生物信息，同时也充分考虑肝移植受者在多源数据层面其反应的信息之间的潜在联系；提出的基于多源数据融合的肝移植受者预后预测模型，在高效提取个体特异性的多源数据的同时，能够充分考虑不同数据源之间的一致性与互补性，以全方面地考虑肝移植受者的病情，从而实现更加精准的肝移植受者预后预测。
-
公开(公告)号：CN114255886B
公开(公告)日：2022-06-14
申请号：CN202210184839.X
申请日：2022-02-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多组学相似度引导的药物敏感性预测方法和装置，包括：基于细胞系的多组学数据构建的细胞系图能够充分整合个体细胞系的基因组学数据、转录组学数据、蛋白组学数据、代谢组学数据这四类多组学信息，相比现有的细胞系表征方式，能够容纳更多种类的组学信息，同时也充分考虑细胞系在多组学层面其表达的产物之间的潜在联系；在此基础上，基于细胞系图进行药物敏感性预测的药物敏感性预测模型，采用多组学相似度引导方式，在高效提取个体特异性的多组学信息的同时，能够充分考虑个体之间的多组学相似性，能够提供巨大的生物学先验知识，从而实现更加精准的药物敏感性预测。
-
公开(公告)号：CN114240938B
公开(公告)日：2022-05-27
申请号：CN202210170571.4
申请日：2022-02-24
Applicant: 浙江大学
Abstract: 本发明公开了一种H&E染色切片图像中异常组织的分割方法和装置，通过构建特征缓存模块来存储异常组织编码特征与正常组织编码特征，并结合域自适应对比损失来引导分割模型忽略样本间的染色域差异，专注正常组织样本和异常组织样本之间的特征差异，以解决切片间染色域不同导致的预测效果差的问题，从而能够提高分割模型的异常区域的预测准确率；同时还充分利用正常组织样本进行模型训练，降低模型对专家标注的过分依赖。
-
公开(公告)号：CN111340776B
公开(公告)日：2022-05-03
申请号：CN202010116463.X
申请日：2020-02-25
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于多维特征自适应融合的圆锥角膜识别方法和系统，其中方法包括：(1)利用Pentacam眼前节成像系统获得多个独立样本的原始角膜地形图数据；(2)对上述每个独立样本的5个维度进行圆锥角膜情况综合判断标注；(3)统计5个维度原始角膜地形图数据的正常尺寸、均值、方差、最值信息；(4)划分训练集和验证集；(5)对训练集和验证集中的地形图数据进行处理；(6)构造五维特征自适应融合的残差卷积神经网络并训练；(7)利用Grad‑CAM可视化方式，得到三类测试样本的平均可视化信息；(8)利用训练好的模型进行预测，再将最大预测分数进行反向传播得到可视化效果图。利用本发明，可以解决实际应用中圆锥角膜识别效果不佳的问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
