公开(公告)号：CN118378220A

公开(公告)日：2024-07-23

申请号：CN202410320553.9

申请日：2024-03-20

Applicant: 电子科技大学

Inventor： 田淼 ,  黄霁 ,  张汇楠 ,  姜文洁 ,  陈睿 ,  罗攀 ,  王子林 ,  侯依凡 ,  姜乐 ,  宿万栋

IPC: G06F18/27 ,  G01W1/10 ,  G06F18/25 ,  G06F18/2415 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明公开了一种基于台风热核结构的智能定强方法、设备及存储介质，涉及遥感遥测与深度学习技术领域。本发明依据卫星微波数据自行构建了多视图台风热核异常数据集，并且在模型训练过程中，本发明提出了一种多视图多尺度特征信息融合的方法，与单值回归损失函数和序数回归损失函数相结合来训练、优化模型。模型最终能够有效提取多视图特征，改善了台风风速估计偏小的特点，并表现出良好的鲁棒性和可拓展性，从而实现了对台风风速的准确估计。

公开(公告)号：CN118296349A

公开(公告)日：2024-07-05

申请号：CN202410354491.3

申请日：2024-03-27

Applicant: 电子科技大学

Inventor： 田淼 ,  黄霁 ,  姜文洁 ,  张汇楠 ,  陈睿 ,  骆通 ,  王子林 ,  刘海波 ,  王斌清 ,  宿万栋

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习和微波数据的热带气旋定强方法，属于气象遥感技术领域。本发明通过将卫星微波数据反演合成了热带气旋暖核三维数据，充分还原了热带气旋的三维结构特征，从而能够实现除使用数据的温度值大小与强度建立关系外，还能通过三维结构的变化趋势与强度大小建立关系；同时在三维卷积网络中加入了多尺度注意力网络模块和暖核区间定位裁剪器，能够自适应提取不同尺寸大小的结构特征，以及精准定位暖核的核心区域，准确建立核心暖核形状特征和温度异常值与强度的关联；使用双分支网络同时训练未平恒数据和重平衡数据，在保证所有强度类别的热带气旋的估计误差较低的情况下，还能有效解决高强度热带气旋的普遍低估问题。

公开(公告)号：CN117422913A

公开(公告)日：2024-01-19

申请号：CN202311374121.8

申请日：2023-10-23

Applicant: 电子科技大学

Inventor： 田丹 ,  田淼 ,  骆通 ,  王子林 ,  侯依凡

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06V10/25 ,  G06T7/62 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种改进的CT图像肺结节检测方法、设备及存储介质，属于人工智能辅助诊断的智慧医疗领域。本发明首先对获取的CT影像数据和肺结节类别的人工标注信息进行数据预处理，得到CT图像以及对应的肺结节类别标签；构建包括主干网络、带有路径聚合网络的颈部网络，以及检测头的肺结节检测网络，并对其进行网络参数训练，直到满足预设的训练结束条件；基于训练好的肺结节检测网络获取目标对象的CT图像的肺结节检测结果。本发明通过合理利用主干网络提取到不同尺度的有效特征层并进行加权融合，并改进训练损失以进一步区分前景结节目标和背景干扰，减少假阳性结节的推荐数量，综合提升模型对各尺寸大小肺结节的检测能力。

公开(公告)号：CN116934757B

公开(公告)日：2023-11-21

申请号：CN202311199797.8

申请日：2023-09-18

Applicant: 电子科技大学

Inventor： 田丹 ,  田淼 ,  骆通 ,  王子林 ,  侯依凡

IPC: G06T7/00

公开(公告)号：CN117523268A

公开(公告)日：2024-02-06

申请号：CN202311402729.7

申请日：2023-10-27

Applicant: 电子科技大学

Inventor： 田丹 ,  田淼 ,  王子林 ,  骆通

IPC: G06V10/764 ,  G06V40/18 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种糖尿病视网膜病变智能分级方法、设备及存储介质，属于基于深度学习技术的医学图像处理技术领域。本发明方法包括：获取包括糖尿病视网膜病变DR各个等级的彩色眼底图像数据集，并对其进行图像预处理，得到预处理后的智能分级模型的训练样本集；基于设置训练样本的选取策略设置各个样本批次，再基于预设值的损失函数对智能分级模型进行网络参数训练；智能分级模型在训练时包括编码网络、投影网络和分类网络。基于训练好的编码网络和分类网络得到用于彩色眼底图像的糖尿病视网膜病变智能分级器。本发明能够实现有效地提取类别间和同类别的特征，并表现出良好的鲁棒性和可扩展性，从而实现DR的精确分级。

公开(公告)号：CN116934757A

公开(公告)日：2023-10-24

申请号：CN202311199797.8

申请日：2023-09-18

Applicant: 电子科技大学

Inventor： 田丹 ,  田淼 ,  骆通 ,  王子林 ,  侯依凡

IPC: G06T7/00

Abstract: 本发明公开了一种用于肺结节假阳性删减的方法、设备及存储介质，属于医学图像处理技术领域。本发明方法包括：获取原始图像数据信息；提取CT图像的候选结节的肺结节检测结果，并进行追踪融合；制作假阳性删减数据集；构建肺结节假阳性删减网络模型并训练；肺结节假阳性删减测试。本发明还公开了基于该方法的设备及存储介质。本发明根据CT扫描中的影像特点，对检测得到的多个候选结节进行追踪融合，并投影至同一张图像中，充分利用候选结节在多CT图像中分布的空间信息，从图像处理的角度增加了真假结节的对比差异；最后使用残差卷积神经网络模型对处理后的候选结节切片进行分类预测，在不增加参数量的前提下，提高了假阳性删减的准确度。