-
公开(公告)号：CN120031900A
公开(公告)日：2025-05-23
申请号：CN202510089749.6
申请日：2025-01-20
Applicant: 广东工业大学
IPC: G06T7/12 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种融合三种注意力的肝肿瘤分割方法，该发明有效融合了空间注意力、自注意力及边缘融合注意力，实现肝肿瘤精确分割。该方法包括：S1：预处理腹部CT数据，按比例划分为训练集，验证集和测试集；S2：结合双注意力与卷积操作，构建双注意力动态卷积；S3：融合边缘信息及注意力机制，构建边缘融合注意力模块；S4：融合边缘监督损失和分割损失，构建多尺度边缘分割损失；S5：融合双注意力动态卷积，边缘融合注意力模块以及多尺度边缘分割损失，构建Triple Attention FusionNetwork(TAF‑Net)模型；S6：利用实验数据集完成模型的训练、验证优化及性能评估。本发明能够自适应调整卷积核及有效捕捉边缘特征，有效提升分割精度，适用于CT图像中肝肿瘤的自动分割。
-
公开(公告)号：CN119722712A
公开(公告)日：2025-03-28
申请号：CN202411925420.0
申请日：2024-12-24
Applicant: 广东工业大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明公开了一种基于GTF卷积及多频双注意力的肝肿瘤分割方法，该方法旨在解决肝肿瘤在形状、大小多样性以及边界模糊的问题，实现精确的肝肿瘤分割。该方法包括：S1：预处理腹部CT数据，将CT数据划分为训练集，验证集和测试集；S2：引入GTF(Geometric Tight Framelet)，结合卷积操作，构建GTF卷积；S3：融合GTF卷积与注意力机制，构建多频双注意力模块；S4：融合内部特征蒸馏损失和分割损失，构建多尺度蒸馏分割损失；S5：融合GTF卷积，多频双注意力模块及多尺度蒸馏分割损失，构建GTF‑UNet模型；S6：使用训练集，验证集和测试集对模型进行训练，验证优化及测试。本发明能够有效捕捉细节特征和多尺度信息，有效提升肝肿瘤的分割精度,可用于CT图像中对肝肿瘤的自动分割。
-
公开(公告)号：CN119722711A
公开(公告)日：2025-03-28
申请号：CN202411912335.0
申请日：2024-12-23
Applicant: 广东工业大学
IPC: G06T7/11 , G06T5/20 , G06V10/44 , G06V10/54 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明提供了一种基于ABVM‑UNet的肺结节分割方法及装置，该方法包括：S1：采集肺部CT图像数据集，对图像中肺结节区域进行增强处理，突出结节的纹理与边缘特征；S2：构建主分支与基于Gabor卷积神经网络的目标增强辅助分支实现对肺结节纹理与边缘特征的增强响应；S3：利用分支信息交互融合模块BIIF实现辅助分支增强特征的融合与传递；S4：构建基于Vision Mamba的U型架构网络ABVM‑UNet，实现图像局部特征与全局上下文信息的有效融合；S5：利用深度监督实现多级分割损失并对ABVM‑UNet模型进行训练和优化；S6：利用ABVM‑UNet模型对肺部CT图像进行肺结节分割。本发明通过引入ABVM‑UNet模型，有效提取了肺结节的边缘和纹理特征，从而实现了肺结节的精准分割。
-
公开(公告)号：CN118430660B
公开(公告)日：2025-01-24
申请号：CN202410637242.5
申请日：2024-05-22
Applicant: 广东工业大学
Abstract: 本发明公开的属于矩阵分解与生物基因结合技术领域，具体为一种基于高阶扰动和灵活三元正则化的协同矩阵分解的LncRNA‑疾病关联预测方法，包括具体步骤如下：获取LncRNA‑疾病的关联矩阵Z；基于已知的关联矩阵Z，计算出LncRNA的功能相似性矩阵Rs和疾病的语义相似性矩阵Ds；将基于已知关联矩阵计算的多阶关联矩阵作为高阶扰动添加到已知关联矩阵中；通过灵活三元正则项的相似性学习，获取相似性矩阵的全局非线性结构相似性信息；本发明基于协同矩阵分解的方法对目标函数进行优化迭代得到最后的预测得分矩阵，使得最终预测lncRNA‑疾病的关联更加准确。
-
公开(公告)号：CN113132079B
公开(公告)日：2023-08-18
申请号：CN202110351406.4
申请日：2021-03-31
Applicant: 广东工业大学
Abstract: 本发明针对现有多图像加密技术的局限性，提出了一种多图像加密方法及解密方法，所述加密方法基于分段线性混沌映射，通过将多图像构成三维像素矩阵进行比特分解，在比特分层的基础上进行矩阵形状调整和补充来对加密比特置乱的循环进行维度优化，使得完成高安全性要求的同时兼顾时间效率优化，而后将被调整置乱比特分层矩阵进行再调整和再转化形成新的多密码图像的三维矩阵，最后进行逐一图像与混沌图像扩散而取得多张加密安全程度高的密码图像；本发明能够对多灰度图、多彩色图这类处理数据量大的待加密对象进行算法简单、安全性高的加密并取得适用性强的效果。
-
Patent Agency Ranking
公开(公告)号：CN116128765A
公开(公告)日：2023-05-16
申请号：CN202310228372.9
申请日：2023-03-10
Applicant: 广东工业大学
IPC: G06T5/00 , G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于对称‑不对称协同模块的低剂量CT降噪方法，该方法包括：获取高剂量CT图像和高剂量CT图像对应的低剂量CT图像；构建对称‑不对称协同模块SCM；使用对称‑不对称协同模块SCM对低剂量CT图像降噪。本发明在网络中期特征图尺寸中，能够很好的嵌套在各种网络中，解决不规则组织与病变特征提取不充分的问题，并且达到了降低网络参数的作用。
-
公开(公告)号：CN115983471A
公开(公告)日：2023-04-18
申请号：CN202211727033.7
申请日：2022-12-30
Applicant: 广东工业大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/04 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种自注意力－时空协同野火预测方法、系统及设备，涉及野火预测技术领域，方法包括：根据预置野火影响因素获取初始野火影响因子；对初始野火影响因子进行预处理，得到野火影响因子；基于斯皮尔曼相关性分析方法，对野火影响因子进行过滤得到强相关野火影响因子；基于强相关野火影响因子构建样本集；利用训练样本对改进的初始野火易感性预测模型进行训练，将模型误差满足预设误差阈值的初始野火易感性预测模型输出为野火易感性预测模型，并利用野火易感性预测模型进行待预测区域的野火预测，解决了现有野火预测模型无法提取和保存深层特征信息，仅从空间或时间单一维度研究野火是否发生，导致的预测结果不准确的问题。
-
公开(公告)号：CN112838922B
公开(公告)日：2023-03-07
申请号：CN202110088780.X
申请日：2021-01-22
Applicant: 广东工业大学
Abstract: 本发明提供基于混沌映射和选择性Signcryption的DICOM图像非对称加密方法，包括：输入图像序列并进行多级小波变换处理，获取小波系数；广义双峰混沌系统和三维交织混沌系统生成加密序列、选点序列和置乱序列；根据加密序列对小波系数进行混沌加密；根据选点序列选出部分混沌加密后的小波系数进行ECC加密，同时对原系数序列的MD5hash进行ECC签名，两步合并进行Signcryption，构成ECC签密；对ECC签密后的图像根据置乱序列进行比特级置乱，生成加密图像。以上通过对DICOM图像进行混沌和ECC双重加密处理，提高了图像加密的安全性；同时，对图像进行多级小波变换选取部分数据进行非对称性加密的形式，有效地提高了加密效率，并通过比特级混沌置乱保证部分加密的影响扩展至整个图像。
-
公开(公告)号：CN110503054B
公开(公告)日：2022-09-23
申请号：CN201910795552.9
申请日：2019-08-27
Applicant: 广东工业大学
IPC: G06V30/413 , G06V10/774 , G06V30/19 , G06V30/148 , G06V10/74
Abstract: 本申请提供了一种文本图像的处理方法及装置，通过获取用户输入的文本图像的特征信息；将用户输入的文本图像的特征信息输入至图像分类模型中，确定出用户输入的文本图像所属的类别；根据用户输入的文本图像所属的类别，确定与用户输入的文本图像所属的类别相对应的文字区域位置信息；将用户输入的文本图像中的文字区域位置的图像，按照单个字符进行分割，得到多个字符图像；对每一个字符的图像进行识别，得到用户输入的文本图像中的文本数据信息。由于本申请中可通过用户输入的文本图像的特征信息确定出文本图像所属的类别，实现对多种文本图像进行分类，解决了现有技术中无法采集多种类型的文本图像中的数据的问题。
-
公开(公告)号：CN110414250B
公开(公告)日：2021-05-11
申请号：CN201910689725.9
申请日：2019-07-29
Applicant: 广东工业大学
Abstract: 本发明提供一种基于离散分数变换和混沌函数的图像加密方法，包括：将接收到的待加密图像的图像数据矩阵的数据类型转换为浮点数类型的图像数据矩阵，应用预设的混沌函数对浮点数类型的图像数据矩阵进行处理，将经过处理后的图像数据矩阵进行离散分数变换，并将得到的离散随机变换矩阵进行值域转换，得到图像数据转换矩阵，并将图像数据矩阵进行置乱操作，以实现对待加密图像的加密，并将待加密图像的加密数据和值域转换时的转换比例进行关联保存。应用本发明，可对待加密图像进行加密，通过对待加密图像的图像数据进行置乱处理，有效降低或是消除了待加密图像的图像数据在进行离线随机变换时的线性性质，提高了对待加密图像的加密效果。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.026 seconds)
