-
公开(公告)号:CN114494196B
公开(公告)日:2023-11-17
申请号:CN202210094089.7
申请日:2022-01-26
Applicant: 南通大学
Abstract: 本发明涉及医学信息智能处理技术领域,具体涉及基于遗传模糊树的视网膜糖尿病变深度网络检测方法。首先对视网膜图像进行增强处理,将病变区域展宽,对正常区域进行压缩;然后搭建网络模型U‑net,准确分割出视网膜血管以及血管末梢图像;接着将模型分割出的血管图像与真实诊断结果进行训练,构建出可解释的模糊决策树;其次对决策树权值编码并且构造适应度函数,基于遗传算法对多棵决策树进行组合优化;最后引入准确率指标动态调整损失函数中的权重图。本发明的有益效果是可精确地识别出视网膜糖尿病变血管末梢,提高检测分类准确度,更有效地帮助医生诊断视网膜糖尿病变,让患者获得最佳治疗时期。
-
公开(公告)号:CN116452865A
公开(公告)日:2023-07-18
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: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:CN116188435B
公开(公告)日:2023-11-07
申请号:CN202310195481.5
申请日:2023-03-02
Applicant: 南通大学
Abstract: 本发明提供了一种基于模糊逻辑的医学图像深度分割方法,属于医学图像智能处理技术领域。解决了医学图像数据集数据不足导致医学图像分割准确率低的问题。其技术方案为:包括如下步骤:S1、对眼底医学图像数据集进行扩充,将彩色眼底图像以中心点随机旋转生成新的图片;S2、使用CNN和Transformer模型分别提取眼底图像特征;S3、设计模糊融合模块将两个分支提取的特征进行结合;S4、构造模糊注意力融合模块逐步上采样与融合不同尺度特征图;S5、搭建基于模糊逻辑的深度学习网络FTransCNN。本发明有益效果为:使用模糊逻辑将两种深度学习模型特征进行融合,更自然、合理的表示眼底血管区域边缘的不准确信息。
-
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:CN114494196A
公开(公告)日:2022-05-13
申请号:CN202210094089.7
申请日:2022-01-26
Applicant: 南通大学
IPC: G06T7/00 , G06T5/00 , G06N5/00 , G06N5/04 , G06N3/12 , G06N3/04 , G06N3/08 , G16H30/20 , G16H50/20
Abstract: 本发明涉及医学信息智能处理技术领域,具体涉及基于遗传模糊树的视网膜糖尿病变深度网络检测方法。首先对视网膜图像进行增强处理,将病变区域展宽,对正常区域进行压缩;然后搭建网络模型U‑net,准确分割出视网膜血管以及血管末梢图像;接着将模型分割出的血管图像与真实诊断结果进行训练,构建出可解释的模糊决策树;其次对决策树权值编码并且构造适应度函数,基于遗传算法对多棵决策树进行组合优化;最后引入准确率指标动态调整损失函数中的惩罚项。本发明的有益效果是可精确地识别出视网膜糖尿病变血管末梢,提高检测分类准确度,更有效地帮助医生诊断视网膜糖尿病变,让患者获得最佳治疗时期。
-
-
-
-
-