-
公开(公告)号：CN113241184B
公开(公告)日：2022-07-29
申请号：CN202110705093.8
申请日：2021-06-24
Applicant: 华侨大学
IPC: G16H50/50 , G16H30/20 , G06V10/764 , G06V10/774 , G06V10/24 , G06V10/40 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种儿童肺炎辅助诊断模型及其训练方法，训练方法：获取儿童肺炎患者的医学图像及对应的医学诊断语句，所述医学图像作为训练图像集合，所述医学诊断语句则作为训练语句；通过CNN神经网络对所述图像训练集数据提取图像深度特征向量，得到深度特征图集，通过word2vec模型对所述训练语句进行词向量训练，得到深度特征向量词集；对所述深度特征图集和所述深度特征向量词集进行特征融合，后通过LSTM神经网络进行训练，即能获得训练好的儿童肺炎辅助诊断模型。本发明通过对现有儿童肺炎患者的医学图像及对应的医学诊断语句进行训练，让训练所得的模型作为医生学习诊断的工具或为医生的临床诊断提供有效的参考意见。
-
公开(公告)号：CN113421212A
公开(公告)日：2021-09-21
申请号：CN202110696972.9
申请日：2021-06-23
Applicant: 华侨大学
Abstract: 本发明提供一种医学影像增强方法、装置、设备和介质，方法包括：获取待处理医学影像的输入特征图作为数据集，并构建ACGAN改进模型，使用Wasserstein距离计算生成数据和真实数据的差别进行真假判别，并使用梯度惩罚来代替权值裁剪实现K‑Lipschitz条件，在损失函数加入梯度惩罚项；ACGAN改进模型经训练后，输入数据集通过生成器输出合成图像后并加入数据集中进行数据增强，得到增强后数据集；将判别器作为样本特征提取器，对增强后数据集进行特征提取，得到样本特征图，再与输入特征图进行融合，生成待处理医学影像的增强图像，从而解决了医学影像由于过度曝光或曝光不足带来的图像的细节模糊的问题。
-
公开(公告)号：CN113205153A
公开(公告)日：2021-08-03
申请号：CN202110579827.2
申请日：2021-05-26
Applicant: 华侨大学
Abstract: 本发明提供一种儿科肺炎辅助诊断模型的训练方法及训练所得的模型，训练方法是：获取儿科肺炎患者的医学图像及对应的医学诊断语句，医学图像处理为统一规格m×m像素大小后形成训练集；对所述训练集分别提取LBP特征图集合、多尺度特征图集合、以及多级别特征图集合；分别采用注意力模块进行注意力处理后进行特征融合，获得新的特征图集合；将所获得的特征图集合输入到分类器中进行分类，获得训练好的模型。本发明通过对现有儿科肺炎患者的医学图像进行训练，让训练所得的模型作为医生学习诊断的工具或为医生的临床诊断提供有效的参考意见。
-
公开(公告)号：CN109740656A
公开(公告)日：2019-05-10
申请号：CN201811602051.6
申请日：2018-12-26
Applicant: 华侨大学
Abstract: 本发明提供一种基于卷积神经网络的矿石分选方法，包括制作矿石图片的训练集和测试集；搭建VGG-SE模型，将训练集中的矿石图片输入VGG-SE模型，并利用VGG-SE模型对矿石图片进行特征提取，得到一组特征向量；将得到的一组特征向量输入到softmax分类器中，通过softmax分类器来对矿石图片进行分类，得到训练好的VGG-SE模型；将测试集中的矿石图片输入到训练好的VGG-SE模型中进行预测，得到预测结果。本发明优点：与现有的人工分类相比，利用机器分类来代替人工分类，不仅大大提高了分类的准确性，同时还提高了经济效益。
-
公开(公告)号：CN108527347A
公开(公告)日：2018-09-14
申请号：CN201810038299.8
申请日：2018-01-16
Applicant: 华侨大学
Abstract: 本发明公开一种微型机械蛇单元模块，包括壳体、驱动装置、传动装置和转向装置，驱动装置和传动装置设置在壳体上，驱动装置通过传动装置驱动转向装置进行转向，转向装置枢接于壳体的一端上，转向装置以能绕第一自由度方向进行旋转运动的方式设置，或转向装置枢接于所述壳体的另一端上，转向装置以能绕第二自由度方向进行旋转运动的方式设置，第一自由度方向和所述第二自由度方向相互正交，本发明具有以下有益效果：转向装置具有两个相互正交的自由度,可用于实现竖直方向的俯仰和水平方向的偏移动作。
-
Patent Agency Ranking
公开(公告)号：CN118552535A
公开(公告)日：2024-08-27
申请号：CN202411017521.8
申请日：2024-07-29
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06T7/73 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于改进YOLOv8的儿童肺炎病灶定位方法，涉及目标检测技术领域，包括以下步骤：构建儿童肺炎病灶定位模型并进行训练；利用训练好的儿童肺炎病灶定位模型实现儿童肺炎病灶定位；所述儿童肺炎病灶定位模型包括Backbone骨干特征提取网络、Neck特征融合网络和Head检测头；Backbone骨干特征提取网络对输入图像提取不同尺度的特征；Neck特征融合网络对不同尺度的特征进行特征融合，输出不同尺度的融合特征；Head检测头基于不同尺寸的融合特征图执行分类回归预测，定位儿童肺炎病灶。本发明不显著增加检测时间，对易丢失的病灶边界和轮廓细节特征进行精确提取，提高定位儿童肺炎病灶精度。
-
公开(公告)号：CN109829537B
公开(公告)日：2023-10-24
申请号：CN201910089034.5
申请日：2019-01-30
Applicant: 华侨大学
IPC: G06N3/0464 , G06N3/06 , G06N3/08 , G06F18/214
Abstract: 本发明提供一种基于深度学习GAN网络童装服装的风格转移方法，1、选取童装款式图像A，判断是否为真，是则进入2；否则结束；2、输入图像A，通过第一编码器进行编码，提取特征向量a1并压缩成特征向量a2；3、将不同特征向量a2进行组合，通过第一转换器将DA域转换为DB域；4、通过第一解码器将特征向量a2还原，生成童装款式图像B；5、判断图像B是否为真，是则进入6；否则进入2；6、输入图像B，通过第二编码器进行编码，提取特征向量b1压缩成特征向量b2；7、组合不同特征向量b2，通过第二转换器将DB域转换为DA域；8、通过第二解码器将特征向量a2还原，生成图像A。本发明提供一种计算机设备，减少人工成本。
-
公开(公告)号：CN115526863A
公开(公告)日：2022-12-27
申请号：CN202211208525.5
申请日：2022-09-30
Applicant: 华侨大学 , 福建力和行智能科技有限公司
IPC: G06T7/00 , G01N21/88 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种圆柱型锂电池表面缺陷检测方法及装置，涉及目标检测技术领域。所述方法包括：采集圆柱型锂电池表面图像，制作缺陷数据集；将缺陷图像输入至模型进行迭代训练，保存获取最佳模型；训练完成的YOLO模型作为特征提取器，对待检测图像进行特征提取，定位锂电池表面缺陷位置并判断出所属的缺陷类型。本发明提供的一种圆柱型锂电池表面缺陷检测方法及装置，通过设计MBneck模块用于模型的主干进行特征的提取，提高检测速度，并利用通道注意力机制定位特征图中感兴趣的信息，抑制无用信息，通过多分支卷积MBC在部署时提高模型检测精度的同时而不增加模型的推理速度。
-
公开(公告)号：CN115424301A
公开(公告)日：2022-12-02
申请号：CN202211137805.1
申请日：2022-09-19
Applicant: 华侨大学
Abstract: 本发明公开了一种基于全局信息的扶梯场景中乘客行为检测方法及装置，涉及安全监控技术领域。所述方法包括：通过创建目标检测模型，以标注图像数据集作为卷积神经网络输入提取图像高级语义特征，并通过多层卷积注意力模块保留特征图之间的空间关系；将高级语义特征图作为坐标注意力模块的输入，建模特征图的远程依赖关系；通过多尺度特征融合输出预测图像，即可获得训练好的全局信息的扶梯场景中乘客行为检测模型。本发明通过坐标注意力和多层卷积注意力模块的结合反应感兴趣处的信息和位置，增强网络对被遮挡目标的部分身体信息的识别能力，构建被遮挡目标与遮挡目标位置信息的远程依赖，缓解了前景目标抑制被遮挡目标的问题，提高了检测精确度。
-
公开(公告)号：CN113241184A
公开(公告)日：2021-08-10
申请号：CN202110705093.8
申请日：2021-06-24
Applicant: 华侨大学
Abstract: 本发明提供一种儿童肺炎辅助诊断模型及其训练方法，训练方法：获取儿童肺炎患者的医学图像及对应的医学诊断语句，所述医学图像作为训练图像集合，所述医学诊断语句则作为训练语句；通过CNN神经网络对所述图像训练集数据提取图像深度特征向量，得到深度特征图集，通过word2vec模型对所述训练语句进行词向量训练，得到深度特征向量词集；对所述深度特征图集和所述深度特征向量词集进行特征融合，后通过LSTM神经网络进行训练，即能获得训练好的儿童肺炎辅助诊断模型。本发明通过对现有儿童肺炎患者的医学图像及对应的医学诊断语句进行训练，让训练所得的模型作为医生学习诊断的工具或为医生的临床诊断提供有效的参考意见。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.017 seconds)
