戴亚康
- 作品数：203 被引量：152H指数：7
- 供职机构：中国科学院苏州生物医学工程技术研究所更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信文化科学更多>>
- 基于DenseNet的低分辨CT影像肺腺癌组织学亚型分类被引量：10
- 2019年
- 为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别,提出一种基于DenseNet的深度学习方法,从混合性磨玻璃结节(mGGNs)5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类.从丽水市中心医院105例患者的105个5 mm层厚低分辨率CT图像中选取样本,划分训练集和测试集后,对训练集进行数据扩展,构建深度学习2D和3D DenseNet模型,分类鉴别IAC和MIA. 2D DenseNet模型的分类准确度为76.67%,敏感性为63.33%,特异性为90.00%,受试者工作特征曲线下的区域面积为0.888 9,显著优于3D DenseNet模型和其他几种深度学习网络模型.深度学习技术,尤其是2D DenseNet模型,可辅助并指导医生在肺癌CT筛查中对患者的肺腺癌组织学亚型进行预判,特别是在图像分辨率较低的情况下,仍能够快速提供较为准确的诊断.
- 杨婧耿辰王海林纪建松戴亚康
- 关键词：肺腺癌
- 基于知识引导的缺血性脑卒中梗死区分割方法
- 2025年
- 针对缺血性脑卒中梗死区在医学影像上显示出低密度特征,提出基于阈值分割和加权滤波的梗死概率图生成方法.通过自适应参数的阈值分割找出低密度区,由多尺度自定义权重的滤波器计算二值图,获得梗死概率图.当概率图引导网络参数学习时,通过降低低概率区域的权重来提高所提方法的分割准确度.使用梗死概率图引导U-Net、DRINet和DeepLabV3+,相比未使用梗死概率图引导的模型,Dice系数分别提升了0.0466,0.0418和0.0363,交并比(IoU)分别提升了0.0322、0.0440和0.0356.统计结果表明,梗死概率图引导的网络对急性期数据的Dice系数有提升作用,对亚急性数据分割结果影响不大.所提方法为自动分割急性缺血性脑卒中梗死区提供了可行方案.
- 顾正宇赖菲菲耿辰王希明戴亚康
- 关键词：知识引导缺血性卒中
- 基于卷积神经网络的多模态医学图像的目标区域提取方法
- 本发明公开了一种基于卷积神经网络的多模态医学图像的目标区域提取方法，包括以下步骤：1)构建用于多模态医学图像中目标区域提取的掩模区域卷积神经网络；2)对构建的掩模区域卷积神经网络进行训练；3)将待处理的多模态医学图像输入...
- 戴亚康胡冀苏钱旭升周志勇黄毅鹏赵文露马麒沈钧康
- 基于DBCNet的TOF-MRA中脑动脉树区域自动分割方法被引量：1
- 2023年
- 从脑部医学影像中划分动脉树区域是诊断和评估许多脑血管疾病的早期步骤.现有的区域分割方法多依赖人工辅助,本文中提出了一种基于双分支连通网络(dual branch connected network,DBCNet)的脑动脉树自动分区方法,可以将时间飞跃磁共振血管造影(time of flight-magnetic resonance angiography,TOF-MRA)中的动脉树分割为6个主要区域.DBCNet中引入了分支特征解耦模块和Swin Transformer机制的全局与局部特征融合模块,训练采用先定位后分割的两步训练策略.本研究使用了111例TOF-MRA数据,其中81例作为训练集,20例作为验证集,10例作为测试集,模型在测试集上的平均Dice系数为74.72%,95%豪斯多夫距离(HD95)为3.89 mm.和其他先进分割网络相比较,该网络能更准确地分割出各个主要区域,并具有一定的鲁棒性.
- 张嘉骏鲁宇澄鲍奕仿李郁欣耿辰胡伏原胡伏原
- 基于Transformer和图卷积神经网络的自闭症谱系障碍分类
- 2024年
- 自闭症谱系障碍(ASD)是一种神经发育障碍,其特征包括社交、沟通和行为方面的严重缺陷。早期准确的诊断和干预对改善患者预后至关重要,然而由于其症状的多样性和复杂性,早期诊断常具有挑战性。近年来,结合功能性磁共振成像(fMRI)等神经影像技术和深度学习算法,为ASD的诊断提供了更准确的手段。脑功能连接网络数据中存在着复杂的局部和全局连接模式,传统的图卷积网络(GCN)更擅长捕捉局部连接模式,而Transformer模型则更适合捕捉全局依赖关系。因此,将这两种模型有效地融合起来以综合利用局部和全局信息对于提高ASD分类的性能至关重要。通过功能性磁共振成像等技术建立脑网络,结合GCN和Transformer模型,并利用数据增强技术,提高了对ASD分类的建模效果。使用联合模型和数据增强技术,在测试集上取得了87.10的AUC,显著高于单独使用GCN和Transformer模型的性能。这一研究不仅为ASD的诊断提供了一种高效手段,也有望为深入理解其潜在的神经机制提供重要启示。
- 阿日茜彭博戴亚康庞春颖
- 关键词：自闭症谱系障碍功能性磁共振成像
- 一种脑血流测量装置、系统及头盔
- 本实用新型公开了一种脑血流测量装置、系统及头盔。其中，脑血流测量装置包括至少一组光源装置和至少两组探测装置；光源装置包括单纵模晶体激光器、光切换器和照射光纤；单纵模晶体激光器，其输出端通过光纤与光切换器的输入端连接；光切...
- 邢晓曼戴亚康
- 表面缺陷检测和三维建模方法
- 本发明公开了一种表面缺陷检测和三维建模方法，包括以下步骤：1)原始表面点云数据采集，2)原始缺陷点云数据缺陷分割，得到无缺陷部位和缺陷部位；3)无缺陷部位配准，获取缺陷模型；4)缺陷模型顶部分割；5)缺陷模型顶部杂散点滤...
- 戴亚康周志勇耿辰胡冀苏钱旭升
- 约束条件下的增材制造在线检测和控制方法及系统
- 本发明公开了一种约束条件下的增材制造在线检测和控制方法，包括以下步骤：1)在三维打印设备逐层进行增材制造过程中，对拟制造的部件实时或间隔地进行三维扫描，在完成第i层打印时，获取当前部件的真实三维形貌Mg<Sub>i</S...
- 戴亚康周志勇钱旭升胡冀苏耿辰
- 一种基于深度学习多分类模型的肺部细胞病理涂片鉴别诊断方法被引量：1
- 2023年
- 目的采用快速在线细胞病理学评估方法进行肺癌中晚期患者的病理评估,是目前常用诊断方法,但存在人工诊断准确率低和细胞病理医生人数不足等问题。本文提出一种基于深度学习的细胞病理涂片多分类方法,以求实现六类常见肺部细胞病理涂片的鉴别诊断。方法本文提出了一种基于CBAM注意力机制增强的ResNet-18网络,以及一种由粗到细的多分类框架,并对深度学习分类方法的特征激活图进行了分析。结果本文共收集了313张肺部Diff-quick染色的细胞病理涂片,其中259张用于训练,54张用于测试。本文所提出方法在正常肺组织、小细胞癌、非小细胞癌、鳞癌、腺癌和类癌共计6种细胞的分类鉴别中取得了准确率为70.4%、精确率为81.5%,召回率为78.2%和F1评分为78.9%的结果。在与金标准的相关性对比中,该模型与高年资细胞病理学医生相当,高于低年资细胞病理学医生。结论本文提出了一种基于深度学习多分类模型的肺部细胞病理涂片鉴别诊断方法,该方法可以协助细胞病理学医生进行肺癌患者的细胞病理涂片诊断,并提高快速在线细胞病理学评估的可行性。
- 耿辰汤松峤龚伟胡伏原戴亚康
- 关键词：细胞病理学诊断计算机辅助诊断肺癌
- 针对急救呼叫的电子病历智能生成方法及系统
- 本发明公开了一种针对急救呼叫的电子病历智能生成方法及系统，该方法包括以下步骤：1)建立急救系统中分级响应预案的问答模板对应到急救病历模板的映射关系F：2)将语音数据V转换为文字内容T；3)提取患者的个人信息P；4)提取患...
- 戴亚康林岐戴斌耿辰周志勇
