-
公开(公告)号：CN115035302B
公开(公告)日：2024-09-20
申请号：CN202210787416.7
申请日：2022-07-05
Applicant: 南通大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于深度半监督模型的图像细粒度分类方法，包括以下步骤：S1、获取原始图片，提取原始图片图像特征，组成全局特征矩阵；S2、对原始图片进行超像素分割，计算得出成特征分配映射；S3、将全局特征矩阵和特征分配映射进行非线性特征编码，得到超像素局部区域特征；S4、检测每个部分的发生概率，利用对齐概率分布得到超像素区域发生概率正则化项；S5、创建半监督神经网络，根据超像素区域发生概率正则化项和损伤函数训练半监督神经网络；S6、用训练好的半监督神经网络进行图像细粒度分类。本发明能够准确高效地对手写数字和医学细胞图像进行细粒度分类，兼具更优的图像细粒度分类准确率。
-
公开(公告)号：CN110929775B
公开(公告)日：2022-08-12
申请号：CN201911127264.2
申请日：2019-11-18
Applicant: 南通大学
Abstract: 本发明涉及到医学信息智能处理领域，具体来说涉及一种用于视网膜病变分类的卷积神经网络权值优化方法。该方法首先获取眼底图像训练集、及其对应的多病变标签；通过单种群蛙跳算法寻找最优初始权值，然后构建卷积神经网络中的卷积层、池化层和全连接层，将最优初始权值作为第一次前向传播计算的参数；将视网膜中四种病变的四个预测值分别与真实值进行交叉熵损失计算并求和得到损失值，判断损失值是否异常，如果异常则围绕前一次前向传播的权值生成蛙群，寻找最优蛙更新网络权值；否则采用梯度下降算法更新网络权值；最后对最终权值进行优化。本发明能有效提高眼底图像多病变检测的准确率，对视网膜疾病和辅助治疗具有较强应用价值。
-
公开(公告)号：CN111354427B
公开(公告)日：2022-04-29
申请号：CN202010117158.2
申请日：2020-02-25
Applicant: 南通大学
Abstract: 本发明公开一种用于大规模电子健康档案知识协同约简的最近邻多粒度利润方法，首先在Spark云平台上将大规模电子健康档案数据集分割至不同的多粒度进化子种群中；接着构建一种基于最近邻多粒度利润模型，在最近邻半径中构造协同化的最近邻向量；然后求出超级精英的共享最近邻利润权重及其权重利润向量，执行超级精英权重利润矩阵的自适应动态调整策略；最后求出大规模电子健康档案数据知识协同约简集及其核属性，并将电子健康档案知识约简集存储至Spark云平台。本发明能高效取得大规模电子健康档案中不完备和模糊数据知识约简集，对电子健康档案决策支持分析具有重要意义与价值。
-
Patent Agency Ranking
公开(公告)号：CN111860586A
公开(公告)日：2020-10-30
申请号：CN202010534407.8
申请日：2020-06-12
Applicant: 南通大学
Abstract: 本发明提供一种细粒度宫颈细胞图像三阶段识别方法，首先，对电子成像设备采集到的整张宫颈细胞图像进行去噪处理以提高图像质量，去除背景确定前景细胞区域，分割出细胞核和细胞质。其次，从分割出的细胞区域中提取形状、颜色、纹理、抽象特征，对特征采用多核学习方法进行选择融合，以优化特征模式。最后，根据优化的特征模式先去除非宫颈细胞杂质，再采用基于代价敏感的主动学习方法对宫颈细胞图像进行多分类。本发明的识别流程系统完整，能提取多类型宫颈细胞图像医学特征，并对特征模式进行选择融合优化，用代价敏感学习方法去除杂质，解决了不均衡二分类问题，能有效提升宫颈细胞分类识别准确性。
-
公开(公告)号：CN111815554A
公开(公告)日：2020-10-23
申请号：CN202010436754.7
申请日：2020-05-21
Applicant: 南通大学
Abstract: 本发明提供一种基于边缘搜索MRF模型的宫颈细胞图像分割方法，(1)针对单个宫颈细胞原始图像进行超像素划分；(2)将划分后的图像建模成一个超像素MRF无向概率图模型；(3)提取每个超像素块的多维特征，基于特征用无监督算法对超像素进行分类，以实现对图像的初步分割，再用自动标签映射机制来确定核、质和背景区所对应的正确语义标签；(4)用边缘搜索MRF求解算法对初步分割结果进一步求精以实现对细胞图像的精确分割。本发明能够准确高效地对非重叠彩色宫颈单细胞图像进行分割、兼具较高的分割准确率和更快的运算速度。
-
公开(公告)号：CN111354427A
公开(公告)日：2020-06-30
申请号：CN202010117158.2
申请日：2020-02-25
Applicant: 南通大学
Abstract: 本发明公开一种用于大规模电子健康档案知识协同约简的最近邻多粒度利润方法，首先在Spark云平台上将大规模电子健康档案数据集分割至不同的多粒度进化子种群中；接着构建一种基于最近邻多粒度利润模型，在最近邻半径中构造协同化的最近邻向量；然后求出超级精英的共享最近邻利润权重及其权重利润向量，执行超级精英权重利润矩阵的自适应动态调整策略；最后求出大规模电子健康档案数据知识协同约简集及其核属性，并将电子健康档案知识约简集存储至Spark云平台。本发明能高效取得大规模电子健康档案中不完备和模糊数据知识约简集，对电子健康档案决策支持分析具有重要意义与价值。
-
公开(公告)号：CN110867224A
公开(公告)日：2020-03-06
申请号：CN201911030948.0
申请日：2019-10-28
Applicant: 南通大学
IPC: G16H10/60 , G06F40/205 , G06F40/279 , G06N3/00
Abstract: 本发明公开一种用于大规模脑病历分割的多粒度Spark超信任模糊方法，首先在Spark云平台上将大规模脑病历数据属性集分割至不同的多粒度进化子种群Granu-populationi中；设计一种基于多粒度Spark超信任模型，构建多粒度种群内不同超级精英之间信任度；调整多粒度中心阈值，对超级精英使用多粒度子种群均衡调整策略进行动态更新，对大规模脑病历进行全局搜索分割与局部精化分割，超级精英在各自区域内能协同提取知识约简子集；最后求得大规模脑病历最优分割特征集并存储至Spark云平台中。本发明能稳定分割大规模脑病历知识约简集,为脑部疾病智能诊断和辅助治疗提供重要的诊断依据。
-
公开(公告)号：CN213199277U
公开(公告)日：2021-05-14
申请号：CN202021401784.6
申请日：2020-07-16
Applicant: 南通大学
IPC: B43K23/016 , B43K24/06 , B43L21/00
Abstract: 本实用新型公开了一种具有黑板擦功能的粉笔帽,其特征主要在于：主体包括粉笔帽本体、粉笔帽旋转机构、粉笔帽罩壳、罩壳黑板擦模块、粉笔帽笔套，粉笔帽本体外侧设置有粉笔帽罩壳，粉笔帽罩壳侧面设置有罩壳黑板擦模块，粉笔帽罩壳一端头部设置有粉笔帽旋转机构，粉笔帽旋转机构内侧设置有粉笔帽笔套，本装置结构简单、操作使用便捷，集成了黑板擦与粉笔套两大功能，减少了使用者的手指长时间与粉笔接触，降低对使用者的手部伤害，本装置具备旋转升降粉笔的功能，缩小了体积，用于书写更加流畅。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.02 seconds)
