-
公开(公告)号:CN119742050A
公开(公告)日:2025-04-01
申请号:CN202411806508.0
申请日:2024-12-10
Applicant: 南通大学
IPC: G16H50/20 , G16H50/70 , G06F18/2415 , G06F17/10 , G06F18/214
Abstract: 本发明提供了面向肺炎病因诊断的贝叶斯网络与粗糙集特征选择方法,属于医学信息智能处理技术领域,解决了肺炎病因诊断中症状重叠、标签歧义以及数据特征冗余的技术问题。技术方案为:包括以下步骤S1,对患者的肺炎数据进行数据预处理;S2,以患者特征和病因标签为节点,构建贝叶斯网络以解决病因标签的消歧问题,并生成标签置信度矩阵;S3,基于邻域粗糙集计算每个特征对病因标签的依赖度;S4,结合显著性分析和冗余度约简,筛选最优特征集。本发明的有益效果为:本发明方法以肺炎诊断场景为应用背景,能够有效处理患者病因复杂性和数据冗余问题,既提高了诊断的可靠性与效率,又降低了计算成本,为实际临床诊断提供了技术支持。
-
公开(公告)号:CN120067379A
公开(公告)日:2025-05-30
申请号:CN202510132059.4
申请日:2025-02-06
Applicant: 南通大学
IPC: G06F16/583 , G06F16/55 , G06V10/762 , G06V10/44 , G06V10/82 , G06N3/043 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了基于模糊哈希网络的医学图像检索方法,解决了当前深度哈希算法在医学图像检索中面临的图像复杂性、不确定性以及数据不平衡的技术问题。其技术方案为:首先,建立医学图像数据库并划分测试集和训练集;其次,基于模糊规则构建模糊哈希网络;然后,计算哈希中心损失、平衡损失、量化损失和分类损失;再次,根据损失函数采用交替学习算法优化网络参数;最后,从测试集读取图像,检索数据库中相似的图像,并计算检索的平均精度。本发明的有益效果为:增强了对医学图像中不确定性信息和类别不平衡问题的处理能力,提高了医学图像检索的准确性。
-
公开(公告)号:CN119942136A
公开(公告)日:2025-05-06
申请号:CN202510021994.3
申请日:2025-01-07
Applicant: 南通大学
IPC: G06V10/40 , G06V10/764 , G06V10/774 , G16H50/20 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于直觉模糊编码器的阿尔茨海默症图像特征选择方法,属于医学信息智能处理技术领域,解决了阿尔茨海默症分析时高维特征冗余,分类效果不佳的技术问题。技术方案为:包括以下步骤:S10采集被试的阿尔茨海默症试样本集进行预处理;S20计算每个样本的隶属度和非隶属度,构建基于直觉模糊集的得分矩阵;S30预训练一个全局样本的直觉模糊自动编码器模型;S40构建稀疏特征编码网络,迁移学习参数,对权重矩阵进行稀疏化处理以获得重要特征。本发明的有益效果为:能够有效处理病理数据特征冗余问题,既降低数据维度以减少计算需求,又提高了分类准确率,为实际临床诊断提供了技术支持。
-
-