-
-
公开(公告)号：CN104933446A
公开(公告)日：2015-09-23
申请号：CN201510413961.X
申请日：2015-07-15
Applicant: 福州大学
IPC: G06K9/62
CPC classification number: G06K9/6277 , G06K2209/05
Abstract: 本发明涉及一种用于计算机辅助诊断乳腺B超特征有效性验证的方法，先将乳腺B超病灶区域图像集分为训练集和验证集，且所有B超病灶区域图像均给定图像特征和文本特征；接着对训练集和验证集中所有样本图像的文本特征进行二进制编码；然后基于训练集完成面向乳腺B超特征验证的VALIDATION_RBM的训练；最后将该训练好的VALIDATION_RBM即作为特征有效性验证的工具。本发明即便在没有类标签信息的情况下，仍然可以充分利用乳腺B超影像分析文本和图像特征之间的映射关系来验证图像特征的有效性。
-
公开(公告)号：CN104133843B
公开(公告)日：2017-07-04
申请号：CN201410292725.2
申请日：2014-06-25
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明公布了科技文献异构网络中节点（论文、作者、期刊/会议）的学术影响力协同排序方法，由于科技文献网络的异构性，本发明采用两个级别的随机游走计算科技文献中节点的学术影响力并排序，分别是在科技文献异构网络上的节点网络拓扑驱动下的随机游走和在科技文献网络的极小网络模式上的学术类型驱动下的随机游走，在科技文献异构网络中计算各条边权重以配置节点网络拓扑驱动下的随机游走，根据科技文献异构网络的最小网络模式，统计不同领域的各种关系边的平均边介数，计算传播因子并配置节点学术类型驱动下的随机游走，此方法不仅克服了异构网络的异构性带来的难题以及避免了节点影响力与入度正相关的现象，从而使得排序结果相对准确。
-
Patent Agency Ranking
公开(公告)号：CN104133843A
公开(公告)日：2014-11-05
申请号：CN201410292725.2
申请日：2014-06-25
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30864
Abstract: 本发明公布了科技文献异构网络中节点（论文、作者、期刊/会议）的学术影响力协同排序方法，由于科技文献网络的异构性，本发明采用两个级别的随机游走计算科技文献中节点的学术影响力并排序，分别是在科技文献异构网络上的节点网络拓扑驱动下的随机游走和在科技文献网络的极小网络模式上的学术类型驱动下的随机游走，在科技文献异构网络中计算各条边权重以配置节点网络拓扑驱动下的随机游走，根据科技文献异构网络的最小网络模式，统计不同领域的各种关系边的平均边介数，计算传播因子并配置节点学术类型驱动下的随机游走，此方法不仅克服了异构网络的异构性带来的难题以及避免了节点影响力与入度正相关的现象，从而使得排序结果相对准确。
-
公开(公告)号：CN104933446B
公开(公告)日：2018-09-18
申请号：CN201510413961.X
申请日：2015-07-15
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种用于计算机辅助诊断乳腺B超特征有效性验证的方法，先将乳腺B超病灶区域图像集分为训练集和验证集，且所有B超病灶区域图像均给定图像特征和文本特征；接着对训练集和验证集中所有样本图像的文本特征进行二进制编码；然后基于训练集完成面向乳腺B超特征验证的VALIDATION_RBM的训练；最后将该训练好的VALIDATION_RBM即作为特征有效性验证的工具。本发明即便在没有类标签信息的情况下，仍然可以充分利用乳腺B超影像分析文本和图像特征之间的映射关系来验证图像特征的有效性。
-
公开(公告)号：CN105023023B
公开(公告)日：2018-08-17
申请号：CN201510413836.9
申请日：2015-07-15
Applicant: 福州大学
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺B超图像特征自学习提取方法，首先基于中等规模以上的乳腺B超病灶区域图像集无监督训练出一个卷积受限玻尔兹曼机(CRBM)，对于任意给定的一幅B超病灶区域图像，首先将其输入训练好的CRBM，由CRBM提取得到乳腺B超图像的初始特征；随后，利用主成分分析法（PCA）对初始特征进行降维，得到可用于计算机辅助诊断的低维乳腺B超图像特征，完成乳腺B超图像浅层特征的自学习提取。本发明采用完全无监督的形式，从已有的乳腺B超图像数据中去自学习特征，减少工作量，避免了人工干涉，该方法实现灵活，具有较强的实用性。
-
公开(公告)号：CN105023023A
公开(公告)日：2015-11-04
申请号：CN201510413836.9
申请日：2015-07-15
Applicant: 福州大学
CPC classification number: G06K9/6259 , G06K9/3233 , G06K9/4671 , G06T7/0012 , G06T2207/30068
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺B超图像特征自学习提取方法，首先基于中等规模以上的乳腺B超病灶区域图像集无监督训练出一个卷积受限玻尔兹曼机(CRBM)，对于任意给定的一幅B超病灶区域图像，首先将其输入训练好的CRBM，由CRBM提取得到乳腺B超图像的初始特征；随后，利用主成分分析法（PCA）对初始特征进行降维，得到可用于计算机辅助诊断的低维乳腺B超图像特征，完成乳腺B超图像浅层特征的自学习提取。本发明采用完全无监督的形式，从已有的乳腺B超图像数据中去自学习特征，减少工作量，避免了人工干涉，该方法实现灵活，具有较强的实用性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
