-
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。
-
公开(公告)号：CN117059284B
公开(公告)日：2024-12-17
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：CN117542503A
公开(公告)日：2024-02-09
申请号：CN202311334208.2
申请日：2023-10-16
Applicant: 南通大学
IPC: G16H50/20 , G06F18/241 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , A61B5/00 , A61B5/055 , A61B5/16
Abstract: 本发明提供了基于动态证据融合神经网络的精神分裂症多视图分类方法，属于智能医学处理技术领域；其技术方案为：利用边缘到边缘、边缘到节点和节点到图卷积滤波器提取精神分裂症患者动态脑网络连接矩阵每个视图的特征图；将每个视图的特征图分别通过全连接层和激活层以获得多视图动态证据；根据动态证据导出迪利克雷分布参数，调整置信度后构建动态信任函数并计算每个视图的动态信任函数；在分类的决策层进行证据融合后获得联合信任函数；使用多视图损失函数训练神经网络。本发明的有益效果为：本发明分类精度较好，为精神分裂症诊断提供决策支持，提高患者就医满意度。
-
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：CN116188435A
公开(公告)日：2023-05-30
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN114860940A
公开(公告)日：2022-08-05
申请号：CN202210630111.5
申请日：2022-06-06
Applicant: 南通大学
Abstract: 本发明涉及到医学信息智能处理领域，具体涉及一种用于慢性肾病病历分类的粗糙证据粒球Spark方法。首先在主节点上读取慢性肾病病历数据，并将该数据集划分为训练集和测试集；接着在子节点上将训练子集样本并行划分生成多个粗糙证据粒球；然后利用基于粗糙证据粒球的Spark并行病理属性约简方法来获得训练子集的病理属性约简子集，并更新所有训练子集和测试集的病理属性集；最后通过Spark并行化的粗糙证据粒球邻域分类方法获得测试集样本的预测类别标签结果。本发明可以有效地去除大规模慢性肾脏病历数据中冗余的病理属性，并利用粗糙证据减少冗余样本和异常样本对决策过程的影响，从而提升了大规模慢性肾脏病历数据的分类精度和计算效率。
-
公开(公告)号：CN114463583A
公开(公告)日：2022-05-10
申请号：CN202210093092.7
申请日：2022-01-26
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种用于肺炎CT图像分类的深度哈希方法。该发明首先建立肺炎CT图像数据集，统一肺炎CT图像尺寸，并将其划分成训练集Tr和测试集Te；然后构建深度哈希网络模型，根据哈希编码计算相似度损失LS和对比损失Lcl，构造总的损失函数L；其次引入多任务哈希训练策略，使用交替学习算法优化损失函数L，并保存深度哈希网络模型；最后读取测试集中进行CT图像分类。本发明的有益效果是该深度哈希方法能准确找出不同肺部CT图像间的微小差异，使训练模型大大降低存储空间和训练时间，有效提高了大规模肺炎CT图像分类的效率，同时充分发挥了双线性卷积神经网络对细粒度CT图像特征提取优势，有效提升了识别准确性和泛化鲁棒性。
-
公开(公告)号：CN113838532A
公开(公告)日：2021-12-24
申请号：CN202110845531.0
申请日：2021-07-26
Applicant: 南通大学
Abstract: 本发明提供了一种基于双重自适应邻域半径的多粒度乳腺癌基因分类方法，读取大规模基因位点数据并做归一化处理，并对大规模基因位点进行数据分析；利用轮廓系数和PCA降维可视化相结合方式，选取最佳K值，调整信息粒化的模型；其次，使用启发式约简算法分别实现基于簇心距离自适应邻域半径的多粒度属性约简基于属性包含度的邻域半径的多粒度属性约简，并采用SVM支持向量机机器学习分类算法对乳腺癌基因大数据进行分类和预测。本发明的有益效果是：调整惩罚项使模型在乳腺癌基因分类具有较高的准确率和召回率，去除大规模数据中冗余属性，提高了计算效率，利用样本之间的支持信息，提升了乳腺癌数据分类的效率和精度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.028 seconds)
