-
公开(公告)号：CN112595655A
公开(公告)日：2021-04-02
申请号：CN202011168499.9
申请日：2020-10-28
Applicant: 宁夏医科大学总医院 , 上海交通大学 , 宁夏数据科技股份有限公司
IPC: G01N15/10 , G01N1/28 , G01N1/30 , G06K9/32 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11
Abstract: 基于人工智能的脑脊液细胞自动分析系统，该系统包括脑脊液细胞图像特征库的建立方法、脑脊液细胞图像特征采集方法和装置、脑脊液细胞图像自动化识别和计数方法；本发明克服了现有技术缺陷，提供了脑脊液细胞图像库建立方法、脑脊液细胞图像采集方法和装置以及脑脊液细胞图像自动化识别和计数方法。通过自动化地对脑脊液细胞图像进行特征提取，对脑脊液细胞进行像素级别的分割，对分割后的脑脊液细胞进行分类并且对整张脑脊液细胞图像的细胞进行计数。本发明大大提高了脑细胞检测工作效率，降低了人工劳动强度，对中枢神经系统感染、脑膜白血病、淋巴瘤、脑寄生虫病、脑血管病以及免疫变性等疾病的诊断提供了重要的脑脊液细胞检测手段。
-
公开(公告)号：CN112330616A
公开(公告)日：2021-02-05
申请号：CN202011168485.7
申请日：2020-10-28
Applicant: 上海交通大学 , 宁夏医科大学总医院 , 宁夏数据科技股份有限公司
Abstract: 一种脑脊液细胞图像自动化识别和计数的方法，1:对脑脊液细胞原始图像进行预处理并保存为原始图像集；2:将步骤1中得到的脑脊液细胞原始图像集按标注结果切割单个细胞图像并按细胞类型保存为切分图像集；3:将步骤1中得到的脑脊液细胞原始图像集和步骤2中得到的脑脊液细胞切分图像集对应划分为训练集、验证集和测试集；4:使用Pytorch深度学习框架构建卷积神经网络；5:使用Pytorch深度学习框架构建卷积神经网络；6:将步骤4得到的分割测试集输入步骤5得到的分类网络；7:按单张脑脊液细胞原始图像统计步骤5得到已分割测试集中的细胞位置和分割、分类和计数结果。本发明的方法能在样本数目少的情况下提高细胞识别的准确率，并自动识别和计数。
-
公开(公告)号：CN109145979A
公开(公告)日：2019-01-04
申请号：CN201810929971.2
申请日：2018-08-15
Applicant: 上海嵩恒网络科技股份有限公司 , 上海交通大学
CPC classification number: G06K9/6256 , G06K9/6262 , G06N3/0454
Abstract: 本发明实施例涉及图像鉴别以及人工智能技术领域，公开了一种敏感图像鉴定方法及终端系统。该方法应用于敏感图像鉴定系统，该系统包括：骨干网络、全局分类网络以及目标区域检测网络，该方法包括：在有局部区域标注的图像训练集上训练所述目标区域检测网络得到骨干网络参数；其中，所述骨干网络参数为所述目标区域检测网络中与所述骨干网络结构相同的网络结构的网络参数；根据所述骨干网络参数对所述全局分类网络进行初始化；初始化后的所述全局分类网络在类别标注数据集上进行训练，采用训练好的所述全局分类网络进行敏感图像分类。本发明实施例可以检测到图像中大小各异的敏感区域，从而大幅提升敏感图像分类性能。
-
公开(公告)号：CN103310236A
公开(公告)日：2013-09-18
申请号：CN201310261621.0
申请日：2013-06-27
Applicant: 上海数据分析与处理技术研究所 , 上海交通大学 , 上海鹏越惊虹信息技术发展有限公司
Abstract: 一种图像处理及信息安全技术领域的基于局部二维特征的拼接图像检测方法及系统，通过将图像采用不同边长的正方形分割后进行分块DCT变换，并将得到的分块DCT系数采用局部二维特征的方式进行描述并合并为完整检测特征后，采用分类器进行分类。本发明能够兼顾检测精度和检测复杂度，检测精确度可以达到89.9%。
-
公开(公告)号：CN102013103A
公开(公告)日：2011-04-13
申请号：CN201010571128.5
申请日：2010-12-03
Applicant: 上海交通大学
Abstract: 一种图像处理和模式识别技术领域的方法，特别是一种实时动态嘴唇跟踪方法。包括：通过数码摄像机拍摄并获取包含嘴唇区域在内的图像序列；通过基于模糊聚类和卡尔曼预测的连续图像嘴唇分割方法，将图像中所有像素点分为嘴唇像素点或非嘴唇像素点，并输出所有像素点属于嘴唇像素点的概率；通过14点动态形状模型和卡尔曼预测，在步骤二提供的嘴唇概率分布图的基础上，获取嘴唇图像序列中每一帧中的嘴唇轮廓，本发明能够自动跟踪图像序列中嘴唇的运动，具有较高的处理速度(保证实时性)和识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN100541524C
公开(公告)日：2009-09-16
申请号：CN200810036144.7
申请日：2008-04-17
Applicant: 上海交通大学
Abstract: 一种图像处理和模式识别领域的基于内容的互联网动画媒体垃圾信息过滤方法，步骤一，从互联网上随机采集若干个广告和非广告的动画作为训练样本集，并提取所有动画的颜色特征、纹理特征、文字信息特征、动画长度特征、动画几何尺寸特征、动画的动态特征；步骤二，将有动画的六个特征以及类别标引输入到支持向量机中，支持向量机获得描述广告/非广告动画媒体差异的支持向量机模型；步骤三，按照步骤一中提取动画特征的方法提取待测试动画的六个特征，并输入支持向量机模型中，支持向量机模型判断出动画是属于广告类动画还是属于非广告类动画。本发明能够识别广告类动画和非广告类动画，有较高的处理速度和识别准确率。
-
公开(公告)号：CN101046959A
公开(公告)日：2007-10-03
申请号：CN200710040003.8
申请日：2007-04-26
Applicant: 上海交通大学
Abstract: 一种生物特征和模式识别领域的基于嘴唇运动的讲话人身份认证方法，首先通过嘴唇区域分割方法和嘴唇建模方法进行唇语特征的自动提取，然后通过互信息量评估的方法进行各种唇语特征身份鉴别力的分析，从各种唇语特征中选取最优唇语特征组合，最后，依据唇语特征的特点，采用多层次隐马尔可夫模型进行讲话人身份的识别和认证。本发明在获得高识别率的同时，保证了较高的处理速度。
-
公开(公告)号：CN113609394B
公开(公告)日：2023-09-05
申请号：CN202110909752.X
申请日：2021-08-09
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/951 , G06N3/044 , G06N3/084 , G06N3/09 , G06N3/094 , G06N3/096 , G06F18/214
Abstract: 本发明提供了一种面向信息流的安全推荐系统，包括安全推荐模型，所述安全推荐模型包括对抗子系统、召回子系统、精排序子系统以及深度恶意检测器；所述对抗子系统模拟攻击、测试模型的防御效果；所述召回子系统基于流行度特征区分正常用户和恶意用户，生成推荐项目；所述精排序子系统通过对抗训练提高鲁棒性，推荐得分高的推荐项目；所述深度恶意检测器通过提取数据高位特征，识别恶意样本。本发明提高了对于信息流推荐系统中恶意用户样本的检测能力，减小了模型受到投毒攻击的可能；设计了高鲁棒性的精推荐模型，保证模型的公平无偏性，保护了推荐系统不会被攻击者利用。
-
公开(公告)号：CN112304816A
公开(公告)日：2021-02-02
申请号：CN202011170189.0
申请日：2020-10-28
Applicant: 宁夏医科大学总医院 , 宁夏数据科技股份有限公司 , 上海交通大学
Abstract: 一种脑脊液细胞特征采集方法和装置，采集方法步骤为：1、标本采集；2、常规细胞计数；3、脑脊液标本的收集；4、脑脊液细胞的染色；5、脑脊液细胞观察及分类；6、出具检测报告。本发明装置包括连接架和TDI相机，连接架的顶部开设有两个对称设置的放置槽，连接架的底部开设有两个对称设置的固定槽，安装板的顶部开设有两个对称设置的第一槽，移动板的底部铰接有连接杆的一端，连接杆的另一端铰接在TDI相机上，丝杆上固定套设有旋钮，且旋钮转动安装在第一孔内。本发明采集方法配合采集装置，便于对装置中TDI相机进行固定安装，且便于对TDI相机进行角度调节，灵活性强，使用方便，采集脑脊液细胞效率和准确率高。
-
公开(公告)号：CN101719924B
公开(公告)日：2013-04-03
申请号：CN200910311664.9
申请日：2009-12-17
Applicant: 上海交通大学
Abstract: 一种信息技术领域的基于群件理解的不良彩信过滤方法，包括如下步骤：将每个处理组件分为四组样本，对每个处理组件分别训练形成四个分类器，得到处理组件的离线训练用样本库和决策树训练样本集，进而生成决策树；把彩信拆分成若干个单一媒体文件；进行基于内容理解的过滤处理，得到每个处理组件的反动概率、色情概率、恐怖概率和垃圾概率；将得到的概率组织成一个输入向量，输入到训练所得的决策树，得到彩信的过滤结果。本发明通过把彩信拆分成不同单一媒体文件，有效解决了彩信无法进行内容过滤的困难，提高了不良彩信过滤的实时性和客观性，过滤的效率和准确性明显提高。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.02 seconds)
