龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：江南大学
申请日：2024-03-29
公开（公告）日：2024-07-05
公开（公告）号：CN118299032A
主分类号：G16H50/20
分类号：G16H50/20;G06F18/241;G06F18/25;G06V10/44;G06F40/216;G06N3/0442
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了乳腺癌早期筛查模型的构建方法及筛查辅助系统，属于医学图像处理和小样本学习领域。本发明设计临床报告驱动的可解释性机制，该机制同时从乳腺超声图像和乳腺超声放射学报告中学习形态学、放射学报告信息，然后将从放射学报告中获得的临床信息作为图像的可解释信息，结合多任务协作策略使得该小样本学习方法可以在少量成对超声图像和乳腺超声放射学报告有效、精准地实现乳腺癌的早期筛查，且通过使用一种跨模态相互学习的方法，可以使用乳腺超声临床放射学报告中的临床信息来解释和强化乳腺超声图像的信息，进而提高方法的可靠性和透明度，使结果更容易被临床医生理解和接受，促进了人工智能在临床实践的应用。
主权项：1.一种乳腺癌早期筛查模型的构建方法，其特征在于，所述方法包括：步骤1：获取乳腺超声图像和乳腺超声放射学报告；步骤2：对所述乳腺超声图像和乳腺超声放射学报告进行预处理；步骤3：基于预处理后的超声图像和放射学报告，构建成对的超声图像和放射学报告数据集，并划分为支持集和查询集；步骤4：构建两个编码器，分别从成对的超声图像和放射学报告中提取形态学特征和可解释性特征，通过语义驱动的可解释性单元来实现所述形态学特征和可解释性特征的跨模态组合，得到融合特征；步骤5：构造多任务协作策略，基于所述融合特征训练神经网络模型，得到训练好的乳腺癌早期筛查模型，所述乳腺癌早期筛查模型基于输入的融合特征，输出乳腺癌分类结果。
全文数据：
权利要求：
百度查询： 江南大学 乳腺癌早期筛查模型的构建方法及筛查辅助系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号