“武江芬”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]AI胃粘膜下隆起类别筛查模型及胃粘膜下隆起风险筛查方法-CN202110445261.4在审
发明人：党旖旎;张国新;朱昌;陈伟导;刘柏韵;武江芬;华翼飞 -专利权人：江苏省人民医院（南京医科大学第一附属医院）;推想医疗科技股份有限公司
申请日： 2021-04-23 - 公布日： 2023-09-29 - 主分类号： G06T7/00 文献下载
摘要：本发明基于深度学习方法建立四个有效基础AI模型：基于胃部白光图像的胃息肉与胃粘膜下隆起二分类AI模型、基于白光图像的胃粘膜下隆起三分类AI模型、基于超声图像的胃粘膜下隆起三分类AI模型以及基于白光图像和超声图像的胃粘膜下隆起三分类AI多模态融合模型，本发明采用深度学习的残差卷积神经网络、循环神经网络、注意力机制算法进行训练构建四个基础AI模型，并最终组合建立有效的胃粘膜下隆起筛查模型，该筛查模型可以根据胃部白光图像首先自动筛查评估出胃粘膜下隆起的风险，然后在此基础上进一步对胃粘膜下隆起数据自动进行分类评估，分类评估准确率高达0.95以上。
ai 粘膜隆起类别模型风险方法

[发明专利]神经网络模型的训练方法及装置、存储介质和电子设备-CN202010954707.1有效
发明人：陈伟导;印宏坤;武江芬;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-09-11 - 公布日： 2022-07-22 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种神经网络模型的训练方法及装置、存储介质和电子设备。神经网络模型的训练方法包括对同一身体部位的多个模态影像分别进行特征提取得到对应的多个模态特征；对多个模态特征进行融合得到第一融合向量；采用循环神经网络的方式对第一融合向量进行特征聚合重建得到第一特征向量；根据第一特征向量计算第一损失函数；根据第一损失函数训练神经网络模型。本发明通过对多个模态特征进行融合得到第一融合向量以及采用循环神经网络的方式对第一融合向量进行特征聚合重建得到第一特征向量，从而能够有效挖掘多个模态影像中多个模态特征的关联性。
神经网络模型训练方法装置存储介质电子设备

[发明专利]一种风险评估方法及装置、存储介质及电子设备-CN202210416002.3在审
发明人：陈伟导;武江芬;赵玲;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2022-04-20 - 公布日： 2022-07-05 - 主分类号： G16H50/30 文献下载
摘要：本公开披露了一种风险评估方法及装置、存储介质及电子设备，涉及神经网络技术领域。该风险评估方法包括：基于目标用户的M套初始影像序列，生成M套感兴趣区域影像序列，其中，M套初始影像序列各自的模态互不相同，M为大于或等于2的正整数；利用生存分析模型，基于M套感兴趣区域影像序列和目标用户的临床信息数据，确定目标用户的生存风险数据，其中，生存分析模型基于深度学习框架构建，通过拼接图像特征向量与临床信息特征向量，输出风险评估数据。本公开通过患者的图像特征和临床信息特征，对目标用户进行生存风险评估，获得更精确的评估结果，辅助医生对目标用户的进行诊断和治疗，从而帮助医生提高目标用户的存活率。
一种风险评估方法装置存储介质电子设备

[发明专利]一种肺疾病检测模型的训练方法、装置、设备和介质-CN202110699479.2有效
发明人：谭卫雄;刘柏韵;武江芬;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2021-06-23 - 公布日： 2022-03-22 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种肺疾病检测模型的训练方法、装置、设备和介质，训练方法包括：获取肺疾病训练集合；将训练样本中的阳性医学影像样本包和阴性医学影像样本包分别输入至特征提取机制，提取阳性医学影像样本包的第一特征和阴性医学影像样本包的第二特征，并基于第一特征和第二特征，计算第一损失值；针对每一个医学影像样本包，将样本包对应的特征输入至注意力机制，得到检测结果，并基于检测结果和样本包的标签对应的真实值，计算第二损失值；基于第一损失值和第二损失值，更新肺疾病检测模型的特征提取机制的第一参数和注意力机制的第二参数，得到训练好的肺疾病检测模型。
一种疾病检测模型训练方法装置设备介质

[发明专利]病灶分类方法及装置、病灶分类模型的训练方法-CN202010987094.1有效
发明人：陈伟导;董梦醒;武江芬;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-09-18 - 公布日： 2021-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种病灶分类方法及装置、病灶分类模型的训练方法。该病灶分类方法包括：获取第一医学图像中的第一病灶区域和第二医学图像中的第二病灶区域，其中，第一医学图像和第二医学图像为同一检查对象的检查部位在不同角度下拍摄得到的图像，第一病灶区域和第二病灶区域分别为同一病灶在第一医学图像和第二医学图像中对应的图像区域；分别对第一病灶区域和第二病灶区域进行特征提取；将第一病灶区域的特征和第二病灶区域的特征进行融合，获得病灶的第一融合特征；根据第一融合特征，对病灶进行分类，能够提高对病灶类型的分辨能力，提高病灶分类的准确性。
病灶分类方法装置模型训练