-
公开(公告)号：CN116452865B
公开(公告)日：2023-11-07
申请号：CN202310345231.5
申请日：2023-04-03
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/043 , G06N3/047 , G06N3/082 , G06N3/045
Abstract: 本发明提供了一种基于模糊逻辑的跳跃式注意力肺部病理图像分类方法，属于肺部组织病理图像分类技术领域，解决了相似形态和结构下复杂肺部病理组织图像分类准确率低的技术问题。其技术方案为：先从肺部病理图像数据集中连续读取RGB病理图像，构建基于模糊逻辑的隶属函数和非隶属函数，对肺部病理图像数据进行模糊处理；再次构建跳跃式多头自注意力算法，通过将前半部分的特征按规则连接到后半部分的特征中，提取肺部病理图像特征；根据模糊规则去模糊化得到的数据，并输入多层感知机，得到每种分类的概率分布，取概率最高的作为最终分类结果。本发明的有益效果为：为肺部组织病理图像的分类提供决策支持，提升病理医生工作效率。
-
公开(公告)号：CN116665906A
公开(公告)日：2023-08-29
申请号：CN202310601158.3
申请日：2023-05-25
Applicant: 南通大学
Abstract: 本发明提供了一种基于相似性孪生网络的静息态功能磁共振脑龄预测方法，属于医学图像智能诊断技术领域，解决了传统脑龄预测方法中准确性和稳定性不足的技术问题。其技术方案为：包括以下步骤：S1：采集被试的功能性磁共振成像rs‑fMRI数据；S2：构建孪生神经网络；S3：设计特征相似性与标签相似性度量模块；S4：定义置信度评估脑龄预测模块；S5：将测试数据集中的脑部影像数据输入到该模型中进行分析，从而得出每个测试数据样本的预测脑龄。本发明的有益效果为：预测准确率高，对脑影像数据进行精确的预测，帮助医生更准确地评估患者的脑龄。
-
公开(公告)号：CN114972279A
公开(公告)日：2022-08-30
申请号：CN202210632508.8
申请日：2022-06-06
Applicant: 南通大学
Abstract: 本发明涉及医学信息智能处理技术领域，尤其涉及用于视网膜血管不确定边界精准分割的三支U‑Net方法。本发明利用数学形态学的膨胀和腐蚀算子对血管边界标签不确定性进行描述，基于膨胀和腐蚀算子分别构建不确定边界的上界和下界，得到血管边界的极大值和极小值，将带有不确定信息的边界映射到一个范围之内；将边界的不确定性表示与损失函数相结合并设计三支损失函数；利用三支损失函数的总损失，采用随机梯度下降算法训练网络参数；设计并实现具有眼底数据采集、视网膜血管智能精准分割以及辅助诊断功能的视网膜血管智能分割辅助诊断应用系统。本发明可以显著提升视网膜血管不确定边界分割的准确率，为患者提供个性化医疗服务。
-
Patent Agency Ranking
公开(公告)号：CN117829198A
公开(公告)日：2024-04-05
申请号：CN202410006813.5
申请日：2024-01-03
Applicant: 南通大学
IPC: G06N3/006
Abstract: 本发明提供了一种信息素引导粗糙超立方体的高维大规模并行属性约简方法，属于智能信息处理技术领域。其技术方案为：利用Spark读取高维大规模数据并转换为RDD格式；初始化信息素矩阵，构建粗糙超立方体模型；并行计算属性的评价指标并综合计算适应度得分；迭代循环，每次迭代根据适应度得分更新信息素矩阵；根据信息素矩阵更新狼群的位置；达到最大迭代次数，将最佳适应度的个体位置编码转换成属性子集。本发明利用信息素机制引导灰狼算法，结合粗糙超立方体方法，有效地处理和分析大规模、多维度的数据，得到紧凑且高具辨别力的属性子集。
-
公开(公告)号：CN117059284A
公开(公告)日：2023-11-14
申请号：CN202311031910.1
申请日：2023-08-16
Applicant: 南通大学
IPC: G16H50/70 , G16H10/60 , G16H70/00 , G06F18/211 , G06N3/006
Abstract: 本发明提供了一种基于协同进化离散粒子群优化的糖尿病并行属性约简方法，属于医学电子病例技术领域。解决了糖尿病症电子病历数据维度大、冗余多，导致医生判断错误的技术问题。其技术方案为：包括以下步骤：S1：将糖尿病症数据存放到分布式文件系统中；S2：计算机节点读取HDFS中block块的数据；S3：主节点得到汇总的数据键值对后；S4：主节点将进行步骤S3操作所得的 键值对数据广播到各个子节点；S5：主节点对得到的属性评价函数结合CQBPSO算法进行建模。本发明的有益效果为：本发明结合粗糙集理论和Spark分布式计算平台，能够从糖尿病症数据集中筛选出最具代表性和关键性的属性。
-
公开(公告)号：CN116128846A
公开(公告)日：2023-05-16
申请号：CN202310097938.9
申请日：2023-02-01
Applicant: 南通大学
IPC: G06T7/00 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种面向肺部X‑ray图像检索的视觉Transformer哈希方法，属于医学图像处理技术领域，解决了不同种类的肺部X‑ray图像之间去检索同种类图像时存在检索时间长、检索精度低的问题。其技术方案为：建立肺部X‑ray图像数据库，构建视觉Transformer哈希模型，根据模型的输出计算成对损失Lpair、量化损失Lquan、平衡损失Lbal以及分类损失Lcl，构造总损失函数Lall；使用交替学习算法优化损失函数Lall；并逐一返回与测试集中最相似的前T张肺部X‑ray图像。本发明的有益效果为：能够分辨不同肺部X‑ray图像之间的细微差异，哈希方法将高维肺部X‑ray图像映射为低维的二进制编码，实现肺部X‑ray图像检索的准确率。
-
公开(公告)号：CN116128846B
公开(公告)日：2023-08-22
申请号：CN202310097938.9
申请日：2023-02-01
Applicant: 南通大学
IPC: G06T7/00 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种面向肺部X‑ray图像检索的视觉Transformer哈希方法，属于医学图像处理技术领域，解决了不同种类的肺部X‑ray图像之间去检索同种类图像时存在检索时间长、检索精度低的问题。其技术方案为：建立肺部X‑ray图像数据库，构建视觉Transformer哈希模型，根据模型的输出计算成对损失Lpair、量化损失Lquan、平衡损失Lbal以及分类损失Lcl，构造总损失函数Lall；使用交替学习算法优化损失函数Lall；并逐一返回与测试集中最相似的前T张肺部X‑ray图像。本发明的有益效果为：能够分辨不同肺部X‑ray图像之间的细微差异，哈希方法将高维肺部X‑ray图像映射为低维的二进制编码，实现肺部X‑ray图像检索的准确率。
-
公开(公告)号：CN115063877A
公开(公告)日：2022-09-16
申请号：CN202210630121.9
申请日：2022-06-06
Applicant: 南通大学
IPC: G06V40/18 , G06V10/762 , G16H50/20
Abstract: 本发明涉及图像处理分析技术领域，具体涉及一种面向大数据眼底图像的并行超像素Spark聚类方法。步骤包括：S10、系统首先获取用户上传的大数据眼底图像，将请求信息发送至诊断系统，并调用后台Java程序和Python代码；S20、调用基于Spark平台的超像素FCM加速聚类算法，对眼底图像进行超像素处理；S30、通过Spark框架进行分布式计算，用超像素块的均值像素颜色特征进行编码并转化为弹性分布性数据集RDD，将RDD划分到各节点，各节点进行FCM隶属度计算后汇总，再分区进行聚类中心更新计算，直至算法收敛；S40、输出FCM聚类的结果并保存眼底图像聚类结果；S50、将大量眼底图像数据同时运行结果存储至数据库MySQL中，等待前端请求查看时，将指定眼底图像聚类结果反馈至系统用户。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
