-
公开(公告)号：CN115858817A
公开(公告)日：2023-03-28
申请号：CN202211690422.7
申请日：2022-12-27
Applicant: 上海人工智能创新中心 , 上海交通大学
IPC: G06F16/36 , G06F40/295 , G06F18/25 , G06N3/09 , G06F18/214
Abstract: 本发明涉及医学人工智能技术领域，具体公开了一种医学知识增强的图文预训练系统及方法，所述系统包括：数据获取模块，用于获取一辆数据中的文本‑图像数据对；三元组化理模块；用于对于数据获取模块的医学文本进行三元组化的预处理，其中三元组包含三个部分：实体名称、实体位置、实体存在与否；多模态融合训练模块，用于对图像进行编码并结合实体描述内容，通过融入编码器。本发明利用医学实体过滤技术重构出的实体层面的全新医疗预训练范式；利用医学描述编码的医学图文预训练的知识融合技术；利用transformer结构实现的预训练系统中较好的病灶定位功能。
-
公开(公告)号：CN115809352A
公开(公告)日：2023-03-17
申请号：CN202211581256.7
申请日：2022-12-09
Applicant: 上海交通大学
IPC: G06F16/732 , G06F16/783 , G06F40/279 , G06V20/40 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种局部监督长视频时序文本检索方法及系统，包括：根据输入检索文本提取文本初始特征；根据输入长视频提取视频初始特征；将文本初始特征和视频初始特征进行跨模态融合为文本特征图和视频特征图；将视频特征图映射为文本描述的事件提案，进而计算事件时序位置掩膜；根据局部时序标签监督事件提案；基于时序位置掩膜，对事件特征和文本特征进行聚合；基于事件特征、文本特征进行多模态特征对比学习；基于事件提案计算粗略检索结果；对粗略检索结果进行细化，产生精确边界检索结果图；基于精确边界检索结果图产生最终预测。本发明通过局部监督在维持低廉标注成本的同时，也提供了精确的检索位置锚，奠定了强大的性能基石。
-
公开(公告)号：CN112149689B
公开(公告)日：2022-12-09
申请号：CN202011041122.7
申请日：2020-09-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于目标领域自监督学习的无监督领域适应方法和系统，包括：领域不变特征提取步骤、图像特征阶梯式领域对齐步骤、语义分割步骤、边缘生成步骤、分割图领域对齐步骤、边缘图领域对齐步骤和边缘一致约束步骤。本发明通过对目标领域实施一种有效的自监督学习，从而提高目标领域的无监督分割精度，实现良好的领域适应。
-
公开(公告)号：CN114612451A
公开(公告)日：2022-06-10
申请号：CN202210268374.6
申请日：2022-03-18
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于多源集成蒸馏的多器官分割方法及系统，包括：输入图片经过所述的教师和学生模型预测得到多组分割图；将教师图片分割图进行输出转换，扩充到多类别输出；根据基于区域的掩码对输出进行器官和背景区域的转换；对不同器官区域和背景区域分别进行监督学习，使得教师和学生模型的转换后的预测结果对齐，得到一个高效的学生多器官分割模型；输入预测图片经过学生多器官分割模型，获得器官分割预测结果。本发明通过多源集成蒸馏的方法，指导训练一个效果更好的多器官分割模型，实现隐私友好情况下的更精确的无监督多器官分割。
-
公开(公告)号：CN112884749A
公开(公告)日：2021-06-01
申请号：CN202110229959.2
申请日：2021-03-02
Applicant: 上海交通大学
Abstract: 本发明提供了一种锥体压缩性骨折辅助诊断系统及方法，包括：将待诊断椎骨图片以及与待诊断椎骨图片上下相邻的椎骨图片输入特征提取网络，特征提取网络使用三分支网络学习椎骨特征，通过判别器比较相邻椎骨特征训练特征提取网络，提取得到骨折识别特征；对输入的待诊断椎骨图片使用深度神经网络学习良恶性椎骨特征，通过比较良恶性椎骨特征，提取得到良恶骨折分类特征；对提取的骨折识别特征和良恶性分类特征进行权重控制融合，得到最终具有区分性表达的特征；基于得到的最终具有区分性表达的特征，使用类别预测网络预测椎体的类别。本发明能够对输入的锥体图片提取骨折识别和良恶性分类的特征表达，从而进行锥体压缩性骨折的诊断。
-
Patent Agency Ranking
公开(公告)号：CN112862799A
公开(公告)日：2021-05-28
申请号：CN202110206510.4
申请日：2021-02-24
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于图像属性恢复的图像异常检测方法和系统，包括：图像属性移除步骤：对待检测的图像，利用图像灰度化、图像随机旋转的图像属性移除方法进行图像属性移除；图像特征提取步骤：对得到的属性缺失图像使用深度卷积神经网络提取图像的高维特征；图像属性恢复步骤：对图像的高维特征使用深度卷积神经网络进行图像属性恢复，得到属性恢复图像；恢复图像对齐步骤：对属性恢复图像和待检测的图像使用均方误差损失函数进行自监督学习；图像异常评定步骤：对损失函数结果和属性恢复图像使用加权平均函数进行图像异常评定。本发明能够引导深度网络更加注重于学习与图像属性相关的高级语义信息，从而在异常检测任务上取得较好的性能。
-
公开(公告)号：CN112418205A
公开(公告)日：2021-02-26
申请号：CN202011297385.4
申请日：2020-11-19
Applicant: 上海交通大学
Abstract: 本发明提供一种基于专注误分割区域的交互式图像分割方法和系统，对输入图像的初始分割进行前景和背景的抠图处理，得到前景和背景抠图图像；对输入图像以及欠分割和过分割指示点，生成欠分割和过分割测地距离指引图；根据输入图像、初始分割图像、欠分割以及过分割测地距离指引图，提取全图图像特征；根据背景和前景抠图图像以及欠分割和过分割指示点，提取欠分割和过分割区域特征；将欠分割和过分割区域特征以及全图图像特征进行特征融合，得到修正后的分割图像。本发明结合先验知识和神经网络本身的学习能力，提升对于图像分割的准确率和可解释性，并且作为获取分割数据标注的手段，使标注仅经过几次点击交互就能完成，避免逐像素点标注。
-
公开(公告)号：CN112101524A
公开(公告)日：2020-12-18
申请号：CN202010929604.X
申请日：2020-09-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种可在线切换比特位宽的量化神经网络的方法及系统，包括：将不同比特位宽的深度神经网络整合到一个超网络中，所有比特位宽的网络共享同一个网络架构；超网络以不同的比特位宽运行，对于任意一个比特位宽，得到对应的网络中间层特征，每一个网络中间层特征采用相应的批归一化层进行处理；通过监督学习对超网络进行训练，在超网络训练阶段模拟量化噪声，直至低比特模式与高比特模式之间的一致性损失函数收敛，得到训练后的超网络；使用预设的量化器从训练后的超网络中抽取出目标比特位的量化神经网络进行低比特推理。本发明能够使神经网络在不进行再次训练的前提下，任意切换比特位宽，以适应不同的硬件部署环境。
-
公开(公告)号：CN111967580A
公开(公告)日：2020-11-20
申请号：CN202010780010.7
申请日：2020-08-05
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于迁移学习的低比特神经网络训练方法及系统，包括：低比特特征提取步骤：对训练数据集的图像，使用低比特深度卷积神经网络提取图像的低比特特征图；全精度特征提取步骤：对训练数据集的图像，使用全精度深度卷积神经网络提取图像的全精度特征图；特征对齐步骤：根据低比特特征图和全精度特征图，通过特征迁移，在特征对齐的约束下，协同训练全精度深度卷积神经网络和低比特深度卷积神经网络，使得低比特特征图和全精度特征图对齐；低比特预测步骤：根据训练后的低比特深度卷积神经网络实现图像类型的预测；本发明通过直接对连续空间的全精度特征图进行特征迁移，避免了因量化造成的特征细节损失。
-
公开(公告)号：CN111259775A
公开(公告)日：2020-06-09
申请号：CN202010032794.5
申请日：2020-01-13
Applicant: 上海交通大学
Abstract: 本发明提供一种约束时域关系的视频动作定位方法和系统，包括：视频特征提取步骤：对输入的未经裁剪的长视频，使用3D深度神经网络提取其特征，得到能够表达视频语义信息的特征序列；动作曲线预测步骤：利用提取好的视频特征序列训练动作概率曲线模型，预测视频中动作的开始、持续、结束的概率曲线；动作曲线约束步骤：在训练动作概率曲线模型的过程中同时约束动作的开始、持续、结束的概率曲线，使其有平稳连续的输出并且使动作的开始、持续、结束的概率曲线峰值遵循合理的时间顺序。本发明对输入的视频进行逐个时刻的动作概率预测，重点约束动作在时间维度上的关系，通过在模型的训练过程中加入约束，使得其能够准确地预测动作发生的概率，从而能够精确的定位视频中所发生的动作。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.041 seconds)
