专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

11. 发明公开

CN117934823A 基于双向分支学习的肺部病变分割方法审中-实审
公开(公告)号：CN117934823A
公开(公告)日：2024-04-26
申请号：CN202311546328.9
申请日：2023-11-20
申请人：四川大学
发明人：牛颢 , 章毅 , 钟科 , 武俊 , 徐修远
IPC分类号： G06V10/26 , G06V10/80 , G06V10/42 , G06V10/44
摘要：本发明公开了基于双向分支学习的肺部病变分割方法，涉及计算机技术领域，包括S1构建分割模型、第一深度监督模块和第二深度监督模块，分割模型包括第一分支、第二分支、卷积整合层和分割输出层；S2获取训练数据集，训练数据集包括CT图像；S3利用训练数据集、第一深度监督模块和第二深度监督模块对分割模型进行训练优化；S4获取待分割预测的CT图像；S5利用训练优化后的分割模型分析待分割预测的CT图像，获得分割结果；第一分支构建MLPF模块以融合最后三维特征图并提取病变区域的全局语义特征，保留尺度不变性的全局上下文信息；使用第二分支，从浅层特征中提取边界细节信息；第一分支和第二分支实现了速度和准确性的平衡。

12. 发明公开

CN118154863A 一种肺部CXR图像自动分割方法、系统、设备及介质审中-公开
公开(公告)号：CN118154863A
公开(公告)日：2024-06-07
申请号：CN202410195116.9
申请日：2024-02-22
申请人：四川大学 , 成都市公共卫生临床医疗中心
发明人：徐修远 , 姚晓军 , 郭际香 , 宋毅杰 , 熊立鹏 , 王宁 , 江敏
IPC分类号： G06V10/26 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
摘要：本发明公开了一种肺部CXR图像自动分割方法、系统、设备及介质，属于人工智能技术领域，目的在于提供一种肺部CXR图像自动分割方法、系统、设备及介质，以求达到精确的肺结节自动分割，提高肺结节自动分割的分割精度、分割效果。其构建肺结节分割网络模型包括编码器、解码器，编码器包括由9个模块组成的U型结构，解码器包括由9个模块组成的U型结构，每个模块均由递归残差卷积层组成。采用改进型的U‑Net网络，采用了基于U‑Net模型的递归残差卷积网络同时体系结构修改并扩展为双重u形网络，递归残差连接网络加深也不会梯度消失，以求达到精确的肺结节自动分割，从而可以获得更好的肺结节分割效果，提高肺结节自动分割的分割精度、分割效果。

13. 发明授权

CN117036376B 基于人工智能的病变图像分割方法、装置及存储介质有权
公开(公告)号：CN117036376B
公开(公告)日：2024-01-30
申请号：CN202311304131.4
申请日：2023-10-10
申请人：四川大学
发明人：牛颢 , 章毅 , 钟科 , 武俊 , 徐修远
IPC分类号： G06T7/10 , G06T15/08
摘要：本申请提供一种基于人工智能的病变图像分割方法、装置及存储介质，通过对待分割医学影像图像进行图像分块得到待分割医学影像图像对应待识别图像分块集合，根据待识别图像分块集合中所对应病理辅助促进指标满足识别条件的待识别医学图像分块确定参照图像分块集合，根据参照图像分块集合中的可疑图像分块确定识别图像分块集合，并对识别图像分块集合中的识别图像分块进行识别图像分块识别，在根据识别结果深度识别出满足标记临界条件时进行图像分块标记。如此能够自动识别出待分割医学影像图像对应的识别图像分块集合，以对识别图(56)对比文件莫春梅.“基于深度学习的肝脏肿瘤图像分割方法研究”《.中国优秀硕士学位论文全文数据库医药卫生科技辑》.2023,(第1期),E072-1272.D. Karimi等."Medical ImageSegmentation Using Transformer Networks".《IEEE Access》.2022,第10卷第29322-29332页.Nie, D.等“.Adversarial ConfidenceLearning for Medical Image Segmentationand Synthesis”《.Int J Comput Vis》.2020,第128卷第2494–2513页.Zhang, Qi等."A comparative study ofattention mechanism based deep learningmethods for bladder tumor segmentation".《International Journal of MedicalInformatics》.2023,第171卷第1-10页.

14. 发明公开

CN117036376A 基于人工智能的病变图像分割方法、装置及存储介质有权
公开(公告)号：CN117036376A
公开(公告)日：2023-11-10
申请号：CN202311304131.4
申请日：2023-10-10
申请人：四川大学
发明人：牛颢 , 章毅 , 钟科 , 武俊 , 徐修远
IPC分类号： G06T7/10 , G06T15/08
摘要：本申请提供一种基于人工智能的病变图像分割方法、装置及存储介质，通过对待分割医学影像图像进行图像分块得到待分割医学影像图像对应待识别图像分块集合，根据待识别图像分块集合中所对应病理辅助促进指标满足识别条件的待识别医学图像分块确定参照图像分块集合，根据参照图像分块集合中的可疑图像分块确定识别图像分块集合，并对识别图像分块集合中的识别图像分块进行识别图像分块识别，在根据识别结果深度识别出满足标记临界条件时进行图像分块标记。如此能够自动识别出待分割医学影像图像对应的识别图像分块集合，以对识别图像分块集合进行识别图像分块识别，增加了图像分割的效率。

15. 发明公开

CN115169425A 一种基于神经网络的肺腺癌浸润程度预测系统审中-实审
公开(公告)号：CN115169425A
公开(公告)日：2022-10-11
申请号：CN202110363571.1
申请日：2021-04-02
申请人：四川大学
发明人：章毅 , 刘伦旭 , 郭际香 , 陈楠 , 徐修远 , 王子淮 , 张蕾 , 赖红锦 , 章童妙
IPC分类号： G06K9/62 , G06N3/04 , G16H30/40 , G16H50/50
摘要：本发明提供了一种基于神经网络的肺腺癌浸润程度预测系统。该系统包括以下五个部分：第一部分：数据输入部分；第二部分：数据预处理部分；第三部分：模型构建部分；第四部分：模型训练部分；第五部分：预测部分；输入待预测肺腺癌患者病灶特征和临床特征预处理后的数据，利用训练后的模型进行预测，输出预测结果：待预测肺腺癌的浸润程度为浸润性腺癌或非浸润性腺癌(不典型腺样增生、原位癌或微浸润腺癌)。本发明的预测系统能够准确的预测肺腺癌患者的浸润程度，预测结果的AUC高达90.32％，敏感度高达92.37％，特异度高达59.21％。本发明的预测系统对医生根据肺腺癌患者情况选择最佳治疗策略、以及预后评估具有非常重要的作用，应用前景广阔。

16. 发明授权

CN112669314B 肺癌全周期智能管理影像数据平台有权
公开(公告)号：CN112669314B
公开(公告)日：2022-02-11
申请号：CN202110065706.6
申请日：2021-01-18
申请人：四川大学
发明人：李为民 , 章毅 , 王成弟 , 郭际香 , 邵俊 , 徐修远 , 何彦琪 , 兰天中 , 杨雅乐 , 陈媛媛
IPC分类号： G06T7/00 , G06T7/11 , G06F16/25 , G06F16/58 , G06F16/538 , G06F16/51 , G16H30/20 , G06N3/08
摘要：本发明公开了一种肺癌全周期智能管理影像数据平台，属于CT数据查询及管理领域。本发明包括：肺结节自动分割模块，用于对CT图像进行检测，并对检测任务中肺结节进行分割，输出对肺结节病灶区域预测的结果；统计学模块，用于展示肺结节数据的统计学信息；数据检索模块，用于通过病人id进行检索，进入对应病人的CT图像标注界面；结节检索模块，用于通过结节信息进行检索，进入对应结节的CT图像标注界面；新冠肺炎专题模块，用于查看与新冠肺炎相关的CT图像；数据库，用于保存CT图像、与CT图像对应的数据标签以及所述对肺结节病灶区域预测的结果。本发明能够对CT数据进行方便、有效的队列管理和检索，并能够对智能识别的肺结节信息进行直观的展示。

17. 发明公开

CN108830826A 一种检测肺结节的系统及方法有权
公开(公告)号：CN108830826A
公开(公告)日：2018-11-16
申请号：CN201810404679.9
申请日：2018-04-28
申请人：四川大学
发明人：章毅 , 李为民 , 郭际香 , 王成弟 , 徐修远 , 杨澜 , 张蕾 , 刘伦旭 , 郭泉 , 白红利 , 王建勇 , 陈楠 , 何涛 , 张瑞 , 陈思行 , 王子淮 , 周凯 , 蒋宇婷 , 陈媛媛 , 邵俊 , 毛华
IPC分类号： G06T7/00
摘要：本发明公开一种检测肺结节位的系统及方法，包括：图像预处理模块，用于对原始三维CT图像进行预处理，获取标准CT图像；三维RPN网络模型，用于从所述图像预处理模块输出的标准CT图像中检测出第一候选肺结节；三维胶囊网络模型，用于对所述三维RPN网络模型输出的第一候选肺结节进行假阳性肺结节筛查，获取肺结节检测结果。本发明提供的技术方案，能够在保证假阳性肺结节检出率更低的同时，保证对肺结节有较高的查全率；且检测方法简单、检测速度快。

18. 发明授权

CN117095241B 一种耐药性肺结核类别的筛查方法、系统、设备及介质有权
公开(公告)号：CN117095241B
公开(公告)日：2024-01-12
申请号：CN202311338054.4
申请日：2023-10-17
申请人：四川大学
发明人：王成弟 , 徐修远 , 梁书凡 , 周泠宇 , 王文洋 , 杨哲
IPC分类号： G06V10/764 , G06V10/82 , G06V10/774 , G16H30/20 , G16H50/70 , G06N3/0464 , G06N3/08
摘要：本发明公开了一种耐药性肺结核类别的筛查方法、系统、设备及介质，涉及耐药性肺结核类别的筛查，其目的在于解决现有技术中无法对耐药性结核的类别（尤其是利福平耐药结核、多药耐药结核以及广泛耐药结核这种类别）进行检测、筛查的技术问题。其样本数据的标签包括耐药性标签、病灶形态标签，采用半监督学习方法、多标签依赖方法对CNN网络模型进行训练，半监督学习的目标是通过充分利用这些未标记数据来改进模型的泛化能力，多标签依赖方法训练旨在利用多个相关学习任务中包含的有用信息；构建的CNN网络模型可以提取胸部CT图像深层次的特征，能够实现对多种耐药性结核的类别进行检(56)对比文件Qiuyu Du 等.Automatic Diagnose ofDrug-Resistance Tuberculosis from CTImages Based on Deep Neural Networks.《CAAI International Conference onArtificial Intelligence》.2023,1-12.Chengdi Wang 等.Development andvalidation of an abnormality-deriveddeep-learning diagnostic system for majorrespiratory diseases《.digital medicine》.2022,1-12.James Devasia 等.Deep learningclassification of active tuberculosislung zones wise manifestations usingchest X-rays: a multi label approach.《Scientific Reports》.2023,1-15.罗汶鑫等.肺癌筛查与早期诊断的研究现状与挑战《.中国科学》.2022,第52卷(第11期),1603-1611.史蕴豪等.一种基于伪标签半监督学习的小样本调制识别算法《.西北工业大学学报》.2020,第38卷(第5期),1074-1083.高靖超等.在线医疗社区健康焦虑用户画像模型构建及实证研究《.图书情报工作》.2023,第67卷(第16期),124-134.罗森林等.多标签小样本实例级注意力原型网络分类方法《.北京理工大学学报》.2023,第43卷(第4期),403-409.

19. 发明公开

CN117132606A 用于肺部病变图像的分割方法有权
公开(公告)号：CN117132606A
公开(公告)日：2023-11-28
申请号：CN202311377777.5
申请日：2023-10-24
申请人：四川大学
发明人：牛颢 , 章毅 , 钟科 , 武俊 , 徐修远
IPC分类号： G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/80
摘要：本发明公开了用于肺部病变图像的分割方法，涉及计算机技术领域，包括S1构建分割模型；S2获取数据集；S3利用二值掩膜对数据集进行分割处理；S4对分割处理后的数据集进行划分，分为训练集和测试集；S5利用训练集和测试集对分割模型进行训练优化；S6获取待预测的肺部病变图像；S7利用优化后的分割模型进行分割，得到分割结果；将U形神经网络与ConvFormer神经网络层相结合，从CT图像中提取纹理和形状特征，利用ConvFormer神经网络层和第一深度可分离卷积层，大大降低了模型的复杂性，增强了模型的稳健性和可解释性。

20. 发明公开

CN117095241A 一种耐药性肺结核类别的筛查方法、系统、设备及介质有权
公开(公告)号：CN117095241A
公开(公告)日：2023-11-21
申请号：CN202311338054.4
申请日：2023-10-17
申请人：四川大学
发明人：王成弟 , 徐修远 , 梁书凡 , 周泠宇 , 王文洋 , 杨哲
IPC分类号： G06V10/764 , G06V10/82 , G06V10/774 , G16H30/20 , G16H50/70 , G06N3/0464 , G06N3/08
摘要：本发明公开了一种耐药性肺结核类别的筛查方法、系统、设备及介质，涉及耐药性肺结核类别的筛查，其目的在于解决现有技术中无法对耐药性结核的类别（尤其是利福平耐药结核、多药耐药结核以及广泛耐药结核这种类别）进行检测、筛查的技术问题。其样本数据的标签包括耐药性标签、病灶形态标签，采用半监督学习方法、多标签依赖方法对CNN网络模型进行训练，半监督学习的目标是通过充分利用这些未标记数据来改进模型的泛化能力，多标签依赖方法训练旨在利用多个相关学习任务中包含的有用信息；构建的CNN网络模型可以提取胸部CT图像深层次的特征，能够实现对多种耐药性结核的类别进行检测、筛查。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式