公开(公告)号：CN112464276B

公开(公告)日：2023-07-25

申请号：CN202011293467.1

申请日：2020-11-18

Applicant: 广东工业大学

Inventor： 柳毅 ,  黄景 ,  李斯 ,  李敏 ,  罗玉

IPC: G06F21/62

Abstract: 本发明公开了一种针对稀疏位置轨迹隐私保护方法，通过动态调整匿名阈得到位置点候选集，而动态的位置匿名阈相对于静态的位置匿名阈能减少抑制，降低轨迹点抑制率，另外，不采用用户的历史数据来作为假轨迹的基础，避免了数据的直接暴露；最后，通过判断相邻位置点之间的可达性以及结合局部转移概率，连接位置点候选集中的位置点，得到候选轨迹集；以及通过对候选轨迹集中的轨迹与原轨迹之前进行相似性判断以及结合整体转移概率，从候选轨迹集中选取最优的k‑1条轨迹，能够有效抵抗对转移概率的分析，大大提高了匿名效果。

公开(公告)号：CN116344003A

公开(公告)日：2023-06-27

申请号：CN202310197999.2

申请日：2023-03-03

Applicant: 中山大学附属第一医院 ,  广东工业大学

Inventor： 姚顺 ,  王宗明 ,  谭奕珩 ,  罗玉 ,  王海军

IPC: G16H30/40 ,  G06T3/00

Abstract: 本发明公开的基于对比学习的医学影像模态转换方法、系统和存储介质，所述方法包括：获取源目标影像数据；根据所述源目标影像数据进行分析，得到所述源目标影像数据的内容特征和模态特征；将所述源目标影像数据的模态特征转换为目标模态特征；将所述目标模态特征与所述源目标影像数据的内容特征进行合并解码，得到目标模态影像。本发明通过一种基于对比学习的方法从源模态影像转换到目标模态影像，从而避免了同一个体的同一解剖结构反复扫描。本发明专利在模态空间进行转换，能够避免以往方法在图像空间转换下的歧义性，能够进一步提高转换效率和精度。

公开(公告)号：CN115937181A

公开(公告)日：2023-04-07

申请号：CN202211694889.9

申请日：2022-12-28

Applicant: 广东工业大学 ,  中山大学附属第一医院

Inventor： 罗玉 ,  陈炫荣 ,  凌捷 ,  姚顺

IPC: G06T7/00 ,  G06T7/11 ,  G06T17/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开的一种3DCNN和放射组学垂体瘤分型评估方法、系统和存储介质，所述方法包括：在医学影像之中提取三维肿瘤区域，首先利用传统影像组学方法进行固定特征提取；随后从三维肿瘤区域之中提取出多个三维肿瘤子区域，并将其输入到3D‑CNN之中进行三维特征提取；最后，融合3D‑CNN影像特征、传统影像组学特征和临床信息对患者的脑肿瘤分型进行建模预测。此外，为增加3D‑CNN特征提取的准确性和可解释性，构造一个辅助任务来协助3D‑CNN对脑肿瘤特征的学习和刻画，该辅助任务和主线预测任务共享网络的前几层，使得网络更具方向性和针对性。本发明通过获取的脑肿瘤患者的医学影像信息进行肿瘤分型预测，有更高的准确率和适用性。

公开(公告)号：CN115908198A

公开(公告)日：2023-04-04

申请号：CN202211694409.9

申请日：2022-12-28

Applicant: 广东工业大学

Inventor： 罗玉 ,  游璧佳 ,  凌捷

IPC: G06T5/00 ,  G06T7/90 ,  G06N3/08

Abstract: 本发明公开的一种基于深度学习的低光照增强方法、系统和存储介质，所述方法包括：获取低光照图像信息，对所述低光照图像信息进行数据预处理，得到图像的明度信息V和颜色信息，根据Retinex理论的变体对所述低光照图像信息进行分析，得到图像组成信息，根据解耦子网络对所述明度信息V进行处理，得到图像的明度信息V的第一照明图信息、反射率信息及噪声图信息，对所述第一照明图信息进行伽马校正，得到光照调整后的第二照明图信息，根据Retinex理论对所述第二照明图信息和所述反射率信息进行处理，得到增强后的图像明度V'，将所述增强后的图像明度V'与所述图像的颜色信息进行结合，得到低光照增强图像信息，本发明基于深度学习，达到较好的低光照增强效果。

公开(公告)号：CN115688855A

公开(公告)日：2023-02-03

申请号：CN202211443591.0

申请日：2022-11-18

Applicant: 广东工业大学

Inventor： 柳毅 ,  梁永恒 ,  罗玉 ,  凌捷

IPC: G06N3/006 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/084 ,  G06F18/214 ,  G06F18/24

Abstract: 本发明公开了一种改进的ConvLSTM的网络流量入侵检测方法，该方法包括：对历史流量数据进行预处理，得到预处理后的数据；基于梯度惩罚生成对抗网络对预处理后的数据进行过采样处理，得到过采样数据；通过信息增益算法对过采样数据进行特征选择处理，得到低维度的流量数据；基于狮群算法，通过改进的ConvLSTM网络模型对低维度的流量数据进行分类，得到分类结果。通过使用本发明，能够降低待检测流量数据的冗余性同时提高网络模型的训练效率与检测精度。本发明作为一种改进的ConvLSTM的网络流量入侵检测方法，可广泛应用于网络信息安全与深度学习技术领域。

公开(公告)号：CN113192151B

公开(公告)日：2022-12-27

申请号：CN202110379886.5

申请日：2021-04-08

Applicant: 广东工业大学

Inventor： 蔡越 ,  罗玉 ,  凌捷 ,  柳毅 ,  张博愉

IPC: G06T11/00 ,  G06T7/13 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于结构相似性的MRI图像重建方法，属于医学图像优化技术领域。所述方法包括步骤：对全采样MRI图像进行模拟欠采样预处理；建立T1和T2对比度的单对比度重建模型；构建相似性约束损失函数；融合训练多对比度融合重建模型；将同一部位多个对比度的欠采样MRI图像输入多对比度融合重建模型。本发明利用拟合能力强大的深度学习技术，为不同对比度的MRI图像建立单对比度重建模型，并使用结构相似性约束对不同对比度的单对比度重建模型进行融合训练，与单一对比度重建神经网络模型相比达到更高质量的重建效果。

公开(公告)号：CN113673590B

公开(公告)日：2022-12-23

申请号：CN202110929946.6

申请日：2021-08-13

Applicant: 广东工业大学

Inventor： 吴梦华 ,  罗玉 ,  凌捷

IPC: G06V10/82 ,  G06V10/77 ,  G06V10/774 ,  G06N3/04 ,  G06T3/40 ,  G06T7/40

Abstract: 本发明提供的一种基于多尺度沙漏密集连接网络的去雨方法，首先利用多尺度沙漏并行结构对提取输入的特征图像进行多次采样，获取多尺度雨纹映射特征；其次，在多尺度沙漏结构中加入并行连接的空间和通道双注意模块并用残差跳连融合多层次特征，实现对雨纹层特征信息识别提取的自适应重校准；本发明在多尺度沙漏注意力残差模块间密集连接使不同深度网络层次间提取到的特征进行相互密集前向传递和特征融合；最终经多层次特征聚合得到全局丰富的雨纹层特征图，利用雨图线性叠加模型得到清晰的无雨背景层图像。本方明综合利用多尺度特征融合,双注意力机制和层次特征聚合，提高模型特征学习准确度，有效提取并去除雨纹层特征，获得清晰的去雨图像。

公开(公告)号：CN115375599A

公开(公告)日：2022-11-22

申请号：CN202211030113.7

申请日：2022-08-26

Applicant: 广东工业大学

Inventor： 罗玉 ,  张绍玮 ,  凌捷 ,  柳毅

IPC: G06T5/50

Abstract: 本申请实施例提供的一种基于域适应的MR图像合成CT图像的合成方法及系统，该方法包括确定目标MRI图像、目标CT图像；按照预设的切面大小沿着目标切片方向进行切片操作，得到MRI切片图像、以及CT切片图像，目标切片方向包括横断面方向、冠状面方向以及矢状面方向中的至少一种；构建初始CT图像合成模型，将MRI切片图像输入到初始CT图像合成模型中进行模型训练，训练过程中，将输入图像投影到公共特征子空间中，通过相关距离度量，减少不同切片方向上图像的分布差异性；在结束模型训练时，得到目标CT图像合成模型，将获取到的待处理MRI图像进行切片操作后，将得到的切片图像输入到目标CT图像合成模型中，得到所需的合成CT图像。

公开(公告)号：CN115170415A

公开(公告)日：2022-10-11

申请号：CN202210756511.0

申请日：2022-06-30

Applicant: 广东工业大学

Inventor： 罗玉 ,  游璧佳 ,  凌捷 ,  柳毅

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请实施例提供的一种低光照图像增强方法、系统及可读存储介质，该方法包括获取低光照图像；确定目标深度曲线估计网络，并通过目标深度曲线估计网络对低光照图像进行无监督光照增强处理，得到相应的增亮图像；确定目标分解网络，并通过目标分解网络分别对低光照图像、以及增亮图像进行反射率的分解处理，得到对应反射率取值保持一致性的目标低光照反射率和目标增强图反射率；在确定光照增强后得到的目标反射率图像中存在模糊点和/或噪声点时，通过预先构建好的目标修复网络对目标反射率图像进行修复处理，以得到最优的图像增强效果。

公开(公告)号：CN115115784A

公开(公告)日：2022-09-27

申请号：CN202210852098.8

申请日：2022-07-20

Applicant: 广东工业大学

Inventor： 罗玉 ,  杨超林 ,  凌捷 ,  柳毅

IPC: G06T17/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82 ,  G06V40/16

Abstract: 本申请实施例提供的一种三维人脸重建模型训练方法、系统及可读存储介质，该方法包括获取包含多张人脸图像的人脸数据集、以及各人脸图像的特征点标注信息；根据特征点标注信息，对各人脸图像进行处理，得到训练监督数据，训练监督数据包括人脸区域掩模、投影变换后的标准平均人脸模型、及标准人脸变形信息；构建用于结合预测到的平均人脸模型、以及人脸变形信息进行三维人脸重建的初始三维人脸重建模型，初始三维人脸重建模型由多个具备相同结构的Encoder‑Decoder网络构成，Encoder‑Decoder网络在编码层和解码层的跳跃连接中加入了通道‑空间注意力感知机制；基于人脸图像、以及对应的人脸区域掩模进行模型训练，并在达到训练结束条件时，得到目标三维人脸重建模型。