“匡湖林”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8个，建议您升级VIP下载更多相关专利

[发明专利]基于多损失的分解表达学习预测辅助放化疗疗效的方法-CN202111064734.2有效
发明人：王建新;岳海林;刘锦;匡湖林 -专利权人：中南大学
申请日： 2021-09-11 - 公布日： 2023-09-26 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种基于多损失的分解表达学习预测辅助放化疗疗效的方法，对现有的同一肿瘤区域放化疗前和放化疗后两个阶段的CT影像，提取放射组学特征。通过多损失的分解表达学习去寻找两个阶段CT影像中肿瘤区域的共享特征和特有特征：首先通过交叉重构损失将影像的特征分解为共享特征和特有特征两个部分，然后通过固有‑变化损失强化分解效果，并基于监督损失使潜在特征具有可分行，再进行总损失计算，并通过梯度更新的方式来最小化总损失，最后得到分离后的特征。对分离后的特征进行融合，并输入到不同的分类器中，从而得到预测模型，并通过预测模型来基于放化疗前患者的肿瘤区域影像进行疗效预测。本发明能够准确的对食管癌患者进行辅助放化疗后疗效。
基于损失分解表达学习预测辅助化疗疗效方法

[发明专利]基于深度学习的肺部CT影像分割方法及成像方法-CN202310219966.3在审
发明人：周建存;匡湖林;王建新;刘权 -专利权人：中南大学;湖南城市学院;智相健康科技（北京）有限公司
申请日： 2023-03-09 - 公布日： 2023-07-21 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于深度学习的肺部CT影像分割方法，包括获取已有的肺部CT图像数据集并预处理得到训练数据集；构建肺部CT影像分割原始模型并训练得到肺部CT影像分割模型；采用肺部CT影像分割模型对实际的肺部CT影像进行分割。本发明还公开了一种包括所述基于深度学习的肺部CT影像分割方法的成像方法。本发明能够实现更加准确的图像分割结果，能够加速收敛速度，在小规模数据集上也能够表现出较强的分割效果，能够实现更加精准的分割结果，而且能够避免特征崩溃，产生多样化的特征；因此本发明的可靠性高、精确性好且客观科学。
基于深度学习肺部 ct 影像分割方法成像

[发明专利]急性缺血性脑卒中三维医学影像分割方法及成像方法-CN202310312128.0有效
发明人： 匡湖林;王亚辉;刘锦;王建新 -专利权人：中南大学
申请日： 2023-03-28 - 公布日： 2023-06-13 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种急性缺血性脑卒中三维医学影像分割方法，包括获取急性缺血性脑卒中三维医学影像并预处理得到数据集；构建急性缺血性脑卒中三维医学影像分割模型并训练；将实际的目标三维医学影像输入模型中完成急性缺血性脑卒中三维医学影像分割。本发明还公开了一种包括所述急性缺血性脑卒中三维医学影像分割方法的成像方法。本发明提供的这种急性缺血性脑卒中三维医学影像分割方法及成像方法，通过结合卷积与Transformer作为编码器，能够实现全局特征与局部特征的有效建模，从而实现准确的急性缺血性脑卒中的三维医学影像分割和成像，而且本发明的可靠性高、精确性好且实用性好。
急性缺血性脑卒中三维医学影像分割方法成像

[发明专利]基于多种损失和多尺度特征的MRI影像海马体区域分割方法-CN202110767563.3有效
发明人：王建新;陈雨;匡湖林;刘锦 -专利权人：中南大学
申请日： 2021-07-07 - 公布日： 2023-04-07 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种基于多种损失和多尺度特征的MRI影像海马体区域分割方法，包括：步骤1，获取多个T1模态的脑部MRI影像和海马体标签；步骤2，以左右海马体的左右标签为基准，对每个T1模态的脑部MRI影像进行图像的裁剪，得到多个裁剪后的左右海马体立方体；步骤3，对每个裁剪后的左右海马体立方体进行3D切块，得到所有裁剪后的左右海马体立方体的3D切块，在所有裁剪后的左右海马体立方体的3D切块中筛选出含有海马体体素大于设定阈值的3D块，对筛选出的3D块进行预处理。本发明可以精确地分割出海马体和背景的标签，通过多尺度信息和多种损失的结合提高分割准确率，使脑部影像中海马体分割准确率得到显著提升。
基于多种损失尺度特征 mri 影像海马区域分割方法

[发明专利]基于ICU病历数据的院内死亡风险预测方法-CN202210774604.6在审
发明人：王建新;邹梦洁;匡湖林;安莹 -专利权人：中南大学
申请日： 2022-07-01 - 公布日： 2023-03-21 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种基于ICU病历数据的院内死亡风险预测方法，包括获取ICU患者的历史病历数据集并处理得到训练集序列、验证集序列和测试集序列；构建院内死亡风险预测初步模型并进行训练、验证和测试，得到院内死亡风险预测模型；获取待预测目标的病历数据并输入到院内死亡风险预测模型得到待预测目标的院内死亡风险预测结果。本发明提供的这种基于ICU病历数据的院内死亡风险预测方法，通过对动态的临床时间序列与静态的人口学统计数据进行建模，生成用于预测的最终患者表征；本发明方法从局部和全局角度提取临床时间序列的时序信息，并有效结合时序信息和静态数据；因此本发明方法的可靠性高、精确性好且实用性好。
基于 icu 病历数据院内死亡风险预测方法

[发明专利]基于卷积神经网络的ICU住院时长和死亡风险预测方法-CN202210645934.5在审
发明人：王建新;A.阿戴拉米;邹梦洁;匡湖林 -专利权人：中南大学
申请日： 2022-06-08 - 公布日： 2022-08-09 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种基于卷积神经网络的ICU住院时长和死亡风险预测方法，包括获取基础数据处理和分类得到训练数据集、验证数据集和测试数据集；基于具有不同感受野的时序空洞可分卷积和上下文感知特征融合模块构建基础预测模型；设定损失函数并采用数据集对基础预测模型进行训练、验证和测试得到最优的预测模型；采用最优的预测模型进行实际人员的ICU住院时长和死亡风险预测。本发明使用时序空洞可分卷积网络对每个特征单独编码并提出了上下文感知特征融合方法；结合多视图和多尺度的特征融合模块生成最后的住院人员表示用于预测；因此本发明方法的可靠性高、精度较高且效果较好。
基于卷积神经网络 icu 住院死亡风险预测方法

[发明专利]基于自适应正则深度聚类的组织病理图像分类方法-CN202111064736.1在审
发明人：王建新;李君健;刘锦;匡湖林 -专利权人：中南大学
申请日： 2021-09-11 - 公布日： 2021-12-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自适应正则深度聚类的组织病理图像分类方法。首先进行预训练，直到由病理图像特征提取网络和聚类组成的无监督模型稳定即完成预训练，得到预训练的模型参数权重。然后以得到的模型参数权重作为病理图片分类模型的初始化权重，并采用有标签的病理图像进行训练以完成调参，得到训练完成的病理图片分类模型。最后将待分类的病理图像输入至训练完成的病理图片分类模型中进行分类，得到分类结果。相比于随机初始化权重的网络，使用本发明训练出来的预训练权重的模型，只需使用10％的标记数据就可以和随机初始化权重的网络使用100％的标记数据达到相同效果。且使用本发明预训练权重的网络收敛速度更快。
基于自适应正则深度组织病理图像分类方法

[发明专利]一种脑卒中CT影像分割方法-CN202110727412.5有效
发明人： 匡湖林;刘锦;王建新 -专利权人：中南大学
申请日： 2021-06-29 - 公布日： 2021-09-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种脑卒中CT影像分割方法，包括对缺血性脑卒中CT影像翻转，并将原始CT影像和翻转CT影像进行预处理；构建孪生多级编码器，计算模块来计算两个编码器每一级的特征差异，利用多级特征融合模块来融合特征；构建共享解码器；设计联合损失函数，在训练集上训练到最优分割模型；最后利用训练好的分割模型对未知分割标签的测试集进行缺血性脑卒中梗死分割。本发明利用特征差异计算模块来计算两个编码器每一级的特征差异，利用多级特征融合模块来融合的全局和局部特征；能够较准确的分割出CT影像中的梗死，为提升缺血性脑卒中诊断效率和准确度、降低致死率和致残率，提供了技术支撑和参考。
一种脑卒中 ct 影像分割方法

1
共 8 条