-
公开(公告)号：CN115100217B
公开(公告)日：2025-01-17
申请号：CN202210495089.8
申请日：2022-05-07
Applicant: 清华大学
Abstract: 本申请涉及头颈部CT影像中脑部区域的提取方法技术领域，特别涉及一种头颈部CT影像中脑部区域的提取方法、装置、设备及介质，其中，方法包括：获取待提取头颈部的实际CT影像；建立参考CT影像与实际CT影像之间的三维变化关系，并基于三维变化关系将参考CT影像的脑部区域标注结果变化至实际CT影像中，得到实际CT影像的脑部区域标注结果；根据实际CT影像的脑部区域标注结果从实际CT影像中提取待提取头颈部的实际脑部区域影像。由此，本申请实施例可以使用灌水算法可以将颅骨内所有脑组织区域提取出来，提取结果完整，且可以使用膨胀、腐蚀等操作对于颅骨缺损、颅骨薄的情况也可以去除脑外组织，提升鲁棒性。
-
公开(公告)号：CN112634255B
公开(公告)日：2022-12-02
申请号：CN202011614591.3
申请日：2020-12-30
Applicant: 清华大学 , 中国人民解放军总医院
Abstract: 本申请提出一种脑部病灶检测模型的建立方法、装置、计算机设备和存储介质。其中，方法通过使用小规模的标注数据，采用协同训练的方式同时训练一个自然语言处理NLP模型和一个卷积模型，在每一次迭代中，利用NLP模型和卷积模型从剩余未标注数据集中选择部分数据更新到训练集，继续训练，进而将完成训练的卷积模型作为脑部病灶检测模型。由此通过利用配对的CT影像与报告中的文本信息，进行协同训练，以实现脑部CT病灶的自动检测的方法；在模块训练时，只需要少量数据标注，便可以对大规模数据进行训练，大大节省了深度学习过程中的数据标注工作量。
-
公开(公告)号：CN116525052A
公开(公告)日：2023-08-01
申请号：CN202310320888.6
申请日：2023-03-29
Applicant: 清华大学
IPC: G16H15/00 , G16H30/00 , G06N3/0895 , G06N3/0464
Abstract: 本申请提出了一种结合句子级对比学习的层级式影像报告生成方法，包括：获取多个医学影像‑影像报告对，并构建影像报告生成模型，其中，影像报告生成模型包括句子级图像‑文本对比学习模块和层级式报告生成模块；基于第一联合损失函数对句子级图像‑文本对比学习模块进行训练，输出医学影像的特征向量、影像报告中每个句子的话题向量和内容向量；基于第二联合损失函数对层级式报告生成模块进行训练，得到经过训练的影像报告生成模型；获取待识别医学影像，将待识别医学影像输入至经过训练的影像报告生成模型，生成待识别医学影像的影像报告。本申请增强图像编码器的特征抽取能力，提高了生成影像报告的准确性。
-
公开(公告)号：CN110728660A
公开(公告)日：2020-01-24
申请号：CN201910882536.3
申请日：2019-09-18
Applicant: 清华大学 , 中国人民解放军总医院
Abstract: 本发明公开了一种基于缺血性脑卒中MRI检测标记进行病灶分割的方法及装置，其中，方法包括：对核磁共振成像图像进行超像素分割生成多个超像素，选取亮度值大于预设亮度值的超像素组成候选超像素集合，进一步生成预设亮度值对应的候选mask图，改变预设亮度值，生成不同亮度值对应的候选mask图；通过训练集样本训练深度卷积神经网络生成候选mask判别网络，通过判别网络对多个候选mask图进行评分，选取评分最高的候选mask图；通过评分最高的候选mask图对图像分割网络进行训练。该方法利用核磁共振DWI序列中缺血性脑卒中区域的图像特点，仅使用对缺血性脑卒中区域进行边界框标记的训练数据集，对病灶区域进行细致分割。
-
公开(公告)号：CN119741528A
公开(公告)日：2025-04-01
申请号：CN202411618447.5
申请日：2024-11-13
Applicant: 清华大学
IPC: G06V10/764 , G06V10/774 , G06V10/771 , G06V10/82 , G06N3/0464 , G16H50/20
Abstract: 本发明公开了一种基于深度学习的肠套叠自动诊断方法及装置，包括：构建初始肠套叠诊断模型；获取数据集，并基于数据集对初始肠套叠诊断模型进行训练，得到目标肠套叠诊断模型；获取待诊断的图像；将待诊断的图像输入目标肠套叠诊断模型，得到待诊断的图像对应的肠套叠分类结果。本发明基于目标肠套叠诊断模型对多种不同的图像进行分析，得到对应的肠套叠分类结果，从而适用范围广泛，提高了模型的鲁棒性和分类结果准确性。
-
Patent Agency Ranking
公开(公告)号：CN115100217A
公开(公告)日：2022-09-23
申请号：CN202210495089.8
申请日：2022-05-07
Applicant: 清华大学
Abstract: 本申请涉及头颈部CT影像中脑部区域的提取方法技术领域，特别涉及一种头颈部CT影像中脑部区域的提取方法、装置、设备及介质，其中，方法包括：获取待提取头颈部的实际CT影像；建立参考CT影像与实际CT影像之间的三维变化关系，并基于三维变化关系将参考CT影像的脑部区域标注结果变化至实际CT影像中，得到实际CT影像的脑部区域标注结果；根据实际CT影像的脑部区域标注结果从实际CT影像中提取待提取头颈部的实际脑部区域影像。由此，本申请实施例可以使用灌水算法可以将颅骨内所有脑组织区域提取出来，提取结果完整，且可以使用膨胀、腐蚀等操作对于颅骨缺损、颅骨薄的情况也可以去除脑外组织，提升鲁棒性。
-
公开(公告)号：CN112634255A
公开(公告)日：2021-04-09
申请号：CN202011614591.3
申请日：2020-12-30
Applicant: 清华大学 , 中国人民解放军总医院
Abstract: 本申请提出一种脑部病灶检测模型的建立方法、装置、计算机设备和存储介质。其中，方法通过使用小规模的标注数据，采用协同训练的方式同时训练一个自然语言处理NLP模型和一个卷积模型，在每一次迭代中，利用NLP模型和卷积模型从剩余未标注数据集中选择部分数据更新到训练集，继续训练，进而将完成训练的卷积模型作为脑部病灶检测模型。由此通过利用配对的CT影像与报告中的文本信息，进行协同训练，以实现脑部CT病灶的自动检测的方法；在模块训练时，只需要少量数据标注，便可以对大规模数据进行训练，大大节省了深度学习过程中的数据标注工作量。
-
公开(公告)号：CN114418934A
公开(公告)日：2022-04-29
申请号：CN202111451725.9
申请日：2021-12-01
Applicant: 中国人民解放军总医院 , 清华大学
IPC: G06T7/00 , G06V30/148 , G06V30/40 , G06T7/11
Abstract: 本发明提出一种基于文本提取标签与多示例学习的脑部CT异常检测方法，包括获取影像文本数据及相对应的各脑部区域的异常类型标签，根据异常类型标签训练基于循环神经网络的NLP模型，获取脑部CT影像及相对应的文本数据，使用训练好的NLP模型对脑部CT影像对应的文本数据进行预测得到对应的异常标签，获取脑部CT影像上的脑区分割标签，根据脑部CT影像和与其相对应的异常标签以及脑区分割标签训练得到基于MIL的三维卷积模型，获取待预测脑部CT影像并输入至训练后的三维卷积模型，得到异常类型以及异常类型的概率。该方法只需要少量数据标注便可以对大规模数据进行训练，节省了深度学习过程中的数据标注工作量，同时可以提高预测的准确性，提高预测效率。
-
公开(公告)号：CN113643311A
公开(公告)日：2021-11-12
申请号：CN202110722099.6
申请日：2021-06-28
Applicant: 清华大学 , 中国人民解放军总医院
IPC: G06T7/12
Abstract: 本申请提出了一种对边界误差鲁棒的图像分割方法，涉及深度学习和图像处理技术领域，该方法包括：获取待分割的图像，图像中包括多个像素点；将图像输入预先搭建的图像分割神经网络中，以生成每个像素点的第一分割预测值；获取每个像素点的分割标注值，并根据每个像素点在图像中的位置计算每个像素点的权重；根据图像中任一所述像素点的第一分割预测值、分割标注值和权重计算损失函数，并反向传播所述损失函数，以更新图像分割神经网络的参数；通过更新后的图像分割神经网络生成待分割的图像第二分割预测值。本申请提出的方法可以在分割标注边缘不准确的情况下，得到更好的图像分割结果。
-
公开(公告)号：CN117974563A
公开(公告)日：2024-05-03
申请号：CN202311840034.7
申请日：2023-12-28
Applicant: 清华大学
IPC: G06T7/00 , G06N3/084 , G06N3/0895
Abstract: 本申请提出了一种医学图像的异常检测方法及装置，该方法包括：获取训练数据，将训练数据分为多个批次；构建对比学习模型与异常预测模型，将某一批次的训练数据输入对比学习模型得到特征向量，根据特征向量计算对比学习损失；将特征向量输入异常预测模型，得到异常值，对对比学习损失进行逆序排序，根据异常值和逆序排名计算异常损失；根据对比学习损失和异常损失计算总损失，根据总损失更新对比学习模型与异常预测模型的参数；通过其他批次的训练数据对对比学习模型与异常预测模型进行多次训练，得到最终模型，其中，最终模型用于检测输入图像的异常情况。基于本申请提出的方案，能够实现医学影像中的各种异常的检测。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
