申请/专利权人:中国科学院深圳先进技术研究院
申请日:2024-01-03
公开(公告)日:2024-04-26
公开(公告)号:CN117496279B
主分类号:G06V10/764
分类号:G06V10/764;G16B30/10;G16B40/30;G06N3/042;G06N3/045;G06N3/0464;G06N3/08;G06V10/44;G06V10/82;G06F18/23;G06F18/25
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本说明书涉及医疗辅助检查技术领域,提供了一种影像分类模型建立方法及装置、分类方法、装置及系统。该方法包括:根据单细胞转录组测序标准数据集、第一医学影像数据集及其对应的第一Bulk转录组测序数据集建立并训练第一神经网络模型;基于第二医学影像数据集,根据第一神经网络模型中的特征权重参数进行迁移学习,建立第二训练样本集,以建立并训练得到影像分类模型,以用于预测医学影像数据中目标影像标志物的数量、种类及概率值。通过本说明书实施例,可为医学影像匹配合适的基因组数据,并将医学影像及其对应的基因组数据共同用于获取医学影像中影像标志物的分类识别信息,从而为医务人员提供更丰富完善的影像检查参考信息。
主权项:1.一种影像分类模型建立方法,其特征在于,所述方法包括:接收单细胞转录组测序标准数据集、第一医学影像数据集及其对应的第一Bulk转录组测序数据集,以及第二医学影像数据集;将所述第一Bulk转录组测序数据集输入至预训练的自适应反卷积模型中,得到目标转录组特征;其中,所述自适应反卷积模型基于所述单细胞转录组测序标准数据集及第二Bulk转录组测序数据集训练得到;根据所述目标转录组特征生成第一Bulk单细胞转录组测序数据;所述目标转录组特征包括细胞类型信息以及不同细胞类型之间的比例信息;基于所述第一Bulk单细胞转录组测序数据,对所述第一Bulk转录组测序数据集进行自监督聚类,得到聚类结果;以所述第一医学影像数据集、第一Bulk单细胞转录组测序数据及聚类结果为输入,以所述第一医学影像数据集对应的影像标志物作为目标输出,建立第一训练样本集;利用第一训练样本集训练第一神经网络,得到第一神经网络模型;利用所述第一神经网络模型中的特征权重参数,建立所述第一医学影像数据集与第一Bulk单细胞转录组测序数据之间的迁移映射函数;根据所述迁移映射函数,确定所述第二医学影像数据集对应的第二Bulk单细胞转录组测序数据;以所述第二医学影像数据集、第二Bulk单细胞转录组测序数据为输入,以所述第二医学影像数据集对应的影像标志物作为目标输出,建立第二训练样本集;所述第二医学影像数据集对应的影像标志物为所述第一医学影像数据集对应的影像标志物的子集;利用第二训练样本集训练第二神经网络,得到第二神经网络模型,将训练完成的第二神经网络模型作为影像分类模型,以用于预测医学影像数据中目标影像标志物的数量、种类及概率值。
全文数据:
权利要求:
百度查询: 中国科学院深圳先进技术研究院 影像分类模型建立方法及装置、分类方法、装置及系统
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。