公开(公告)号：CN118229713A

公开(公告)日：2024-06-21

申请号：CN202410642900.X

申请日：2024-05-23

Applicant: 南开大学

Inventor： 全雄文 ,  侯光耀 ,  张瀚 ,  赵英华 ,  赵鹏 ,  刘畅 ,  危懿帆

IPC: G06T7/11 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06T3/06 ,  G06T5/50 ,  G06T5/60

Abstract: 本发明涉及图像处理技术领域，具体公开了OCT和OCTA图像融合的视网膜血管图像分割方法，包括：获取OCT图像、OCTA图像和投影图；对OCT图像和OCTA图像进行多个阶段投影和融合，生成多模态投影图和中间阶段融合投影图；多模态投影图融合生成特征图#imgabs0#；中间阶段融合投影图融合生成特征图#imgabs1#；将投影图、特征图#imgabs2#和特征图#imgabs3#相加生成特征图#imgabs4#，对特征图#imgabs5#、特征图#imgabs6#和特征图#imgabs7#进行投影分割，获得RV和FAZ的图像分割结果。本发明充分利用了OCT和OCTA两种模态数据，缓解了由于不同模态的错位和融合不足而导致的特征贡献不均和模态不平衡的问题。

公开(公告)号：CN103679034B

公开(公告)日：2016-04-13

申请号：CN201310750929.1

申请日：2013-12-26

Applicant: 南开大学

Inventor： 张瀚 ,  韩建生 ,  王会 ,  石家奇 ,  陆桂巧 ,  孔令兵 ,  曹俊芳

IPC: G06F21/56

Abstract: 提供一种基于本体的计算机病毒分析系统及病毒特征提取方法，其在Pin平台上获得关键系统调用及内存信息，根据已有知识提取数据依赖关系与控制依赖关系，构建行为依赖图来表示描述病毒语义的行为特征，以此建立计算机病毒本体系统，在病毒样本增加的情况下实现自适应的特征学习与本体构建。本发明通过提取计算机病毒的特征与本体构建使得细粒度地发现病毒行为与指令之间的关系，描述计算机病毒，从而达到准确分析与判断计算机病毒的目的。

公开(公告)号：CN103679034A

公开(公告)日：2014-03-26

申请号：CN201310750929.1

申请日：2013-12-26

Applicant: 南开大学

Inventor： 张瀚 ,  韩建生 ,  王会 ,  石家奇 ,  陆桂巧 ,  孔令兵 ,  曹俊芳

IPC: G06F21/56

CPC classification number: G06F21/561

Abstract: 本发明提供一种基于本体的计算机病毒分析系统及病毒特征提取方法，其在Pin平台上获得关键系统调用及内存信息，根据已有知识提取数据依赖关系与控制依赖关系，构建行为依赖图来表示描述病毒语义的行为特征，以此建立计算机病毒本体系统，在病毒样本增加的情况下实现自适应的特征学习与本体构建。本发明通过提取计算机病毒的特征与本体构建使得细粒度地发现病毒行为与指令之间的关系，描述计算机病毒，从而达到准确分析与判断计算机病毒的目的。

公开(公告)号：CN118229713B

公开(公告)日：2024-07-19

申请号：CN202410642900.X

申请日：2024-05-23

Applicant: 南开大学

Inventor： 全雄文 ,  侯光耀 ,  张瀚 ,  赵英华 ,  赵鹏 ,  刘畅 ,  危懿帆

IPC: G06T7/11 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06T3/06 ,  G06T5/50 ,  G06T5/60

Abstract: 本发明涉及图像处理技术领域，具体公开了OCT和OCTA图像融合的视网膜血管图像分割方法，包括：获取OCT图像、OCTA图像和投影图；对OCT图像和OCTA图像进行多个阶段投影和融合，生成多模态投影图和中间阶段融合投影图；多模态投影图融合生成特征图#imgabs0#；中间阶段融合投影图融合生成特征图#imgabs1#；将投影图、特征图#imgabs2#和特征图#imgabs3#相加生成特征图#imgabs4#，对特征图#imgabs5#、特征图#imgabs6#和特征图#imgabs7#进行投影分割，获得RV和FAZ的图像分割结果。本发明充分利用了OCT和OCTA两种模态数据，缓解了由于不同模态的错位和融合不足而导致的特征贡献不均和模态不平衡的问题。

公开(公告)号：CN115938504A

公开(公告)日：2023-04-07

申请号：CN202310002337.5

申请日：2023-01-03

Applicant: 南开大学

Inventor： 张瀚 ,  赵青青 ,  何孟遥 ,  全雄文

IPC: G16C20/40 ,  G16C20/30 ,  G16C20/70 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明涉及一种基于数据增强与多级信息最大化的图关系数据的分类方法,属于特征提取技术领域。在模型构建的过程中，进行特征提取，对结构图进行增强处理，增加了样本数量，更加本质和鲁棒的特征提取提升了准确性；对每个视图利用全连接神经网络和图卷积神经网络对图关系数据进行学习，从而将每个视图的节点特征信息和拓扑信息合并转化为局部表示和全局表示；基于多级信息最大化规则进一步分级优化全局表示和局部表示从而得到图关系数据的有效表示；将最终每层的表示相加，输入到分类器中，得到分类预测结果；同时，为了提升分类的准确性，根据交叉熵分类损失函数对模型进行监督训练，提升分类准确性。