-
公开(公告)号：CN119833122A
公开(公告)日：2025-04-15
申请号：CN202510041745.0
申请日：2025-01-10
Applicant: 南通大学
IPC: G16H50/20 , A61B5/00 , A61B5/055 , G16H50/70 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明提供了基于动态脉冲神经网络的脑疾病结构‑功能耦合分析方法，属于智能辅助医疗诊断技术领域，有效解决了现有结构‑功能耦合分析方法在捕捉大脑动态变化、非线性耦合特性以及整合多模态数据方面的不足的技术问题。其技术方案为：首先构建动态脉冲神经网络模型；接着从原始fMRI时间序列中提取脉冲结构连接矩阵；然后从功能脑网络中提取脉冲功能连接矩阵，并将其输入到脉冲耦合池化模块得到脉冲结构‑功能耦合；最后将得到的耦合信息输入到分类层获得疾病识别结果。本发明的有益效果为：本发明的显著优势在于为脑疾病研究提供了全新的分析工具和视角，推动了对脑疾病神经机制的深入理解，并且在临床应用中展现出广泛的应用潜力。
-
公开(公告)号：CN119762828A
公开(公告)日：2025-04-04
申请号：CN202411911225.2
申请日：2024-12-24
Applicant: 南通大学
IPC: G06V10/762 , G06V10/40 , G06V10/44 , G06V10/20 , G06N3/0464 , G06N3/0455 , G06V10/74 , G06N3/047 , G06N3/084 , G06N3/0895 , G06N3/088
Abstract: 本发明提供了一种基于粗细粒度对比学习的肺部医学图像深度模糊聚类方法，属于医学图像处理技术领域。解决了传统方法在处理肺部医学图像时局部特征丧失以及不能精确地区分相似类别和处理数据边界模糊的技术问题。其技术方案为：包括以下步骤：S10、获取肺部医学图像的特征表示并聚类生成初步的伪标签；S20、利用数据增强技术获取肺部医学图像的增强图像；S30、获取模糊特征表示；S40、结合簇级粗粒度对比损失、样本级细粒度对比损失和均方差损失优化特征表示；S50、获取最终肺部医学图像聚类结果。本方案的有益效果为：可以有效的提高全局与局部信息的关联性，增强特征的表达能力、增强模型对复杂数据的适应性。
-
公开(公告)号：CN119205819A
公开(公告)日：2024-12-27
申请号：CN202411468561.4
申请日：2024-10-21
Applicant: 南通大学
Abstract: 本发明提供了一种基于模糊学习的脑肿瘤图像加速扩散网络分割方法，属于医学图像智能分割技术领域。解决了脑肿瘤图像因纹理模糊和边界消失导致的分割准确率低的技术问题。其技术方案为：包括以下步骤：S1、对脑肿瘤图像数据集进行数据预处理；S2、对脑肿瘤图像使用3D U‑Net网络进行预分割，将得到的分割图进行迭代加噪使其成为一个纯噪声图像；S3、对纯噪声图像进行迭代去噪，使用模糊U‑Net网络学习去噪过程；S4、提前停止去噪过程，使用3D U‑Net网络对分割图进行分割得到最终的分割结果。本发明的有益效果为：分割准确率高，为脑肿瘤图像的分割提供决策支持，为医生的诊断提供了便利。
-
公开(公告)号：CN116486067B
公开(公告)日：2024-10-29
申请号：CN202310386424.5
申请日：2023-04-11
Applicant: 南通大学
Abstract: 本发明提供了一种用于精神分裂症病历图像特征选择的稀疏双向Spark方法，属于精神分裂症的生物标记物选择技术领域；解决了数据集中样本分布不一致的技术问题。其技术方案为：首先，在主节点Master上，读取大规模精神分裂症病历图像数据，对其进行预处理和划分，并将数据子集广播到相应的子节点上，在第i子节点Slaveri上，通过Spark并行化的稀疏约束模型刻画样本之间的联系，得到样本最优的K个邻居(K是邻居个数)，然后，在粒化过程中引入双向互邻策略，构造基于稀疏双向的Spark粗糙集模型，在子节点Slaveri上，将启发式特征选择方法和动态优化策略结合，选取预测精神分裂症的重要脑区域。本发明的有益效果为：有助于精神分裂症的预测。
-
公开(公告)号：CN117542503B
公开(公告)日：2024-09-24
申请号：CN202311334208.2
申请日：2023-10-16
Applicant: 南通大学
IPC: G16H50/20 , G06F18/241 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , A61B5/00 , A61B5/055 , A61B5/16
Abstract: 本发明提供了基于动态证据融合神经网络的精神分裂症多视图分类方法，属于智能医学处理技术领域；其技术方案为：利用边缘到边缘、边缘到节点和节点到图卷积滤波器提取精神分裂症患者动态脑网络连接矩阵每个视图的特征图；将每个视图的特征图分别通过全连接层和激活层以获得多视图动态证据；根据动态证据导出迪利克雷分布参数，调整置信度后构建动态信任函数并计算每个视图的动态信任函数；在分类的决策层进行证据融合后获得联合信任函数；使用多视图损失函数训练神经网络。本发明的有益效果为：本发明分类精度较好，为精神分裂症诊断提供决策支持，提高患者就医满意度。
-
Patent Agency Ranking
公开(公告)号：CN113902006B
公开(公告)日：2024-09-24
申请号：CN202111163979.0
申请日：2021-09-30
Applicant: 南通大学
IPC: G06V10/764 , G06V10/82 , G06V10/771 , G06V10/774
Abstract: 本发明提供一种基于粒度优化特征的宫颈细胞图像半监督分类方法，包括如下步骤：(1)利用有限的标记训练样本和类别隶属模糊方法，得到训练和测试样本的粒度特征；(2)使用近邻粗糙集方法去除冗余特征，对粒度特征进行优化，以降低样本粒度特征规模；(3)利用标记样本训练BP神经网络得到基分类器；(4)从未标记样本数据中不断选取候选样本进行标记，将新标记的候选样本扩充到原始训练样本中对BP网络进行再次训练，重复扩充和再训练过程，直到标记样本数目达到相应标准。本发明能够准确高效地对宫颈细胞图像进行分类，兼具更优的分类准确率和kappa系数。
-
公开(公告)号：CN118332330A
公开(公告)日：2024-07-12
申请号：CN202410365821.9
申请日：2024-03-28
Applicant: 南通大学
IPC: G06F18/214 , G06Q50/00 , G06F17/13 , G06F16/35
Abstract: 本发明提供了基于社会学信息神经网络的观点预测改进方法，属于观点动力学技术领域。本发明在预测观点的精度更高。其技术方案为：收集社交网络中某一话题的评论数据集，将评论数据集进行预处理，并分为训练集与测试集；构建FNN神经网络模型，输入时间和用户，输出观点值，将其用于近似观点的演变；将观点动力学模型重新表述为普通微分方程，并计算损失函数值ode loss，并在这个约束下进行训练神经网络模型；将测试数据集中的每个用户输入到该模型中进行分析，从而得出每个用户样本的预测观点。本发明的有益效果：利用小样本进行分析，从而训练出能准确预测观点的模型，提高准确率。
-
公开(公告)号：CN114463583B
公开(公告)日：2024-03-19
申请号：CN202210093092.7
申请日：2022-01-26
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种用于肺炎CT图像分类的深度哈希方法。该发明首先建立肺炎CT图像数据集，统一肺炎CT图像尺寸，并将其划分成训练集Tr和测试集Te；然后构建深度哈希网络模型，根据哈希编码计算相似度损失LS和对比损失Lcl，构造总的损失函数L；其次引入多任务哈希训练策略，使用交替学习算法优化损失函数L，并保存深度哈希网络模型；最后读取测试集中进行CT图像分类。本发明的有益效果是该深度哈希方法能准确找出不同肺部CT图像间的微小差异，使训练模型大大降低存储空间和训练时间，有效提高了大规模肺炎CT图像分类的效率，同时充分发挥了双线性卷积神经网络对细粒度CT图像特征提取优势，有效提升了识别准确性和泛化鲁棒性。
-
公开(公告)号：CN114494196B
公开(公告)日：2023-11-17
申请号：CN202210094089.7
申请日：2022-01-26
Applicant: 南通大学
Abstract: 本发明涉及医学信息智能处理技术领域，具体涉及基于遗传模糊树的视网膜糖尿病变深度网络检测方法。首先对视网膜图像进行增强处理，将病变区域展宽，对正常区域进行压缩；然后搭建网络模型U‑net，准确分割出视网膜血管以及血管末梢图像；接着将模型分割出的血管图像与真实诊断结果进行训练，构建出可解释的模糊决策树；其次对决策树权值编码并且构造适应度函数，基于遗传算法对多棵决策树进行组合优化；最后引入准确率指标动态调整损失函数中的权重图。本发明的有益效果是可精确地识别出视网膜糖尿病变血管末梢，提高检测分类准确度，更有效地帮助医生诊断视网膜糖尿病变，让患者获得最佳治疗时期。
-
公开(公告)号：CN116452865A
公开(公告)日：2023-07-18
申请号：CN202310345231.5
申请日：2023-04-03
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/043 , G06N3/047 , G06N3/082 , G06N3/045
Abstract: 本发明提供了一种基于模糊逻辑的跳跃式注意力肺部病理图像分类方法，属于肺部组织病理图像分类技术领域，解决了相似形态和结构下复杂肺部病理组织图像分类准确率低的技术问题。其技术方案为：先从肺部病理图像数据集中连续读取RGB病理图像，构建基于模糊逻辑的隶属函数和非隶属函数，对肺部病理图像数据进行模糊处理；再次构建跳跃式多头自注意力算法，通过将前半部分的特征按规则连接到后半部分的特征中，提取肺部病理图像特征；根据模糊规则去模糊化得到的数据，并输入多层感知机，得到每种分类的概率分布，取概率最高的作为最终分类结果。本发明的有益效果为：为肺部组织病理图像的分类提供决策支持，提升病理医生工作效率。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.029 seconds)
