-
公开(公告)号：CN114741527A
公开(公告)日：2022-07-12
申请号：CN202210315493.2
申请日：2022-03-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多源异构医疗知识图谱的图表示学习方法及装置，所述方法包括：将多源异构医疗知识图谱输入至多视图图表示学习模型，得到多源异构医疗知识图谱的图表示；其中，所述模型通过下述方式训练：将多视图图数据作为正样本，基于多视图图数据生成负样本；将正负样本输入至初始模型编码器，得到正负样本的多视图节点表示矩阵；对正样本的多视图节点表示矩阵进行加权融合，得到图节点表示矩阵，根据图节点表示矩阵确定全局图表示；根据全局图表示和正负样本的多视图节点表示矩阵对初始模型进行二分类迭代训练，直至达到训练停止条件。通过上述方法能够得到更全面的多源异构知识图谱图表示。
-
公开(公告)号：CN108416360B
公开(公告)日：2022-03-29
申请号：CN201810037664.3
申请日：2018-01-16
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/771 , G06K9/62 , G16H30/20 , G16H50/20
Abstract: 本发明公开了一种基于乳腺钼靶钙化特征的癌症诊断系统及方法，所述方法包括以下步骤：步骤1、获取乳腺钼靶X线数据集；步骤2、分别对乳腺钼靶X线数据集中的各个图像进行图像增强处理，并进行二值化分割出钙化病灶区域；步骤3、分别对图像增强处理和二值化处理之后的钙化病灶区域进行特征提取得到传统特征和深度特征；步骤4、对传统特征和深度特征进行典型关联分析，将与传统特征关联权重低的深度特征删去，保留与传统特征关联紧密的深度特征；步骤5、对保留的深度特征进行支持向量机线性分类模型的训练，得到分类器。所述方法能够有效避免传统卷积神经网络对乳腺钼靶钙化诊断上的过拟合，实现了对于任意分辨率下钼靶图像病灶的自动诊断。
-
公开(公告)号：CN109994200B
公开(公告)日：2021-01-19
申请号：CN201910174117.4
申请日：2019-03-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于相似度融合的多组学癌症数据整合分析方法，该方法包括计算局部相似度网络、多个局部相似度网络融合、根据全局相似度网络进行分型、根据全局相似度网络回溯原始的数据源中的特征四个步骤。对比当前技术，本发明通过对逐步递进的相似度网络连接路径建模，实现了多个相似度网络的融合算法，相比于现有技术能够刻画更为复杂的网络结构，具有更高的精确度和更好的稳定性。通过一致性交替乘子法实现了网络融合模型的快速求解。本发明不仅将整合的全局相似度网络运用于癌症患者的分型，得到预后显著差异的患者分型，并且结合了一种多集群特征选择方法辅助进行关键靶点特征的筛选，选出的特征有望成为潜在的生物标记物。
-
公开(公告)号：CN111260663A
公开(公告)日：2020-06-09
申请号：CN202010046207.8
申请日：2020-01-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种鼻咽癌的病灶图像分割装置，涉及医学图像处理领域，包括：图像获取模块，用于获取待分割图像；第一循环注意力模块，用于根据所述待分割图像，获取所述待分割图像的初级各层特征图；第二循环注意力模块，用于根据所述初级各层特征图，获取所述待分割图像的高级各层特征图；激活函数模块，用于根据所述高级各层特征图和预设的激活函数，输出相应的鼻咽癌病灶分割结构。本发明还提供了一种鼻咽癌的病灶图像分割设备及计算机可读存储介质，能通过循环注意力机制，有效提升对医学图像中的鼻咽癌病灶分割效率。
-
公开(公告)号：CN111243674A
公开(公告)日：2020-06-05
申请号：CN202010026283.2
申请日：2020-01-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种碱基序列的识别方法，包括步骤：读取牛津纳米孔测序仪输出的数据文件并提取出待测的DNA/RNA分子对应的电流信号；将所述电流信号按预设的重叠率截取出若干个预设长度的电流信号片段；将每一所述电流信号片段输入预设的时序卷积网络模型中进行时序建模，以针对每一电流信号片段生成对应的碱基概率矩阵；其中，所述碱基概率矩阵为所述电流信号片段在每一采样时间点上出现碱基的概率分布；根据每一所述碱基概率矩阵解码出对应的碱基序列片段，并根据每一碱基序列片段生成所述碱基序列。本发明实施例还提供了碱基序列的识别装置和存储介质。采用本发明实施例，通过时序卷积网络对电流信号进行时序建模，加快了神经网络推理速度，提高了碱基序列识别的效率。
-
Patent Agency Ranking
公开(公告)号：CN111223528A
公开(公告)日：2020-06-02
申请号：CN202010019135.8
申请日：2020-01-08
Applicant: 华南理工大学
IPC: G16B40/30
Abstract: 本发明公开了一种多组学数据聚类方法，包括：获取待测样本的多个原始组学数据，并对所述原始组学数据进行标准化，得到组学数据；构建每个所述组学数据的局部相似矩阵；将所述局部相似矩阵输入到预设的谱聚类模型，得到每个所述组学数据的聚类结果，并基于所述聚类结果更新所述局部相似矩阵；根据更新后的局部相似矩阵建立优化模型，并通过求解所述优化模型，得到全局相似度矩阵；将所述全局相似度矩阵输入到所述谱聚类模型，得到所述待测样本的亚型识别结果。本发明还公开了一种多组学数据聚类装置，能有效解决现有技术没有考虑不同组学的权重，及基于谱聚类的算法没有利用到由谱聚类得到的多个子图的节点路径信息导致影响分型准确性的问题。
-
公开(公告)号：CN108509771A
公开(公告)日：2018-09-07
申请号：CN201810258802.0
申请日：2018-03-27
Applicant: 华南理工大学
IPC: G06F19/24
CPC classification number: G16B40/00
Abstract: 本发明公开了一种基于稀疏匹配的多组学数据关联关系发现方法，包括：对输入数据进行预处理，提高数据的质量；根据数据特点，选择合适的相似性度量，计算数据特征之间的相似性矩阵；基于特征之间的相似性网络，融入先验信息，挖掘数据特征之间的潜在关联关系。本发明方法可以充分利用现有已被证实的组学数据的特征的先验信息，减少噪音对结果的影响、降低数据误差所带来的不确定性，提高结果的精确性与鲁棒性。
-
公开(公告)号：CN118212358A
公开(公告)日：2024-06-18
申请号：CN202410317385.8
申请日：2024-03-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多区域裁切的人体三维重建方法、系统及存储介质，方法为：获取原始图片并使用裁剪框进行多区域裁切得到一组裁剪图片；输入预训练的特征提取网络中提取特征；利用特征融合网络对提取的特征进行融合得到融合特征；进行全局平均池化后输入人体参数回归网络得到每一组裁剪图片共享的人体三维参数；把融合特征输入相机参数回归网络得到每一组裁剪图片的局部投影参数；根据全局相机理论将局部投影参数转换为对应的全图投影参数；将人体三维参数及对应的全图投影参数输入SMPL模型重建得到人体三维模型。本发明通过多区域裁切并估计各自的局部相机，再基于全局相机理论转换为统一的全局相机，实现从单张原始图片重建人体模型的任务。
-
公开(公告)号：CN118154546A
公开(公告)日：2024-06-07
申请号：CN202410286499.0
申请日：2024-03-13
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/764
Abstract: 本发明提供了一种基于深度神经网络的脑部图像处理方法及系统，所述方法为：获取待预测的脑部影像图和脑部PET图像；提取并根据所述脑部影像图中各脑区的纤维束数量，生成脑网络数据；从所述脑部PET图像中提取所述各个脑区的蛋白质沉积数据；将所述脑网络数据和蛋白质沉积数据输入至预设的分类预测模型中，以使所述分类预测模型生成对应的阿尔茨海默病分类结果并更新模型内部的权重矩阵，其中，所述分类预测模型是基于多尺度小波变换模型和深度神经网络组合构建并训练获得；根据所述权重矩阵预测阿尔茨海默病在所述各个脑区之间的神经病理传播通路，提高了模型分类的准确率并实现了对阿尔茨海默病的神经病理传播通路的预测。
-
公开(公告)号：CN111260701B
公开(公告)日：2023-06-30
申请号：CN202010024197.8
申请日：2020-01-08
Applicant: 华南理工大学
Abstract: 本申请公开了一种多模态视网膜眼底图像配准方法及装置，所述方法包括：根据尺度不变特征转换算法，提取浮动图像中的第一特征点集参考图像中的第二特征点集；根据第一特征点集以及第二特征点集的第二形状上下文特征，获取第一特征差异矩阵，并根据第一特征点集和第二特征点集的第二纹理特征，获取第二特征差异矩阵；根据期望最大化算法，对第一特征差异矩阵和第二特征差异矩阵通过高斯混合模型和贝叶斯定律求解进行计算，获取第一特征差异矩阵与第二特征差异矩阵基于混合高斯模型的贝叶斯规则的后验概率矩阵后，根据后验概率矩阵进行计算，获取点集坐标，直至期望最大化算法的计算结果收敛或达到预设的迭代次数；根据点集坐标，获取配准后的图像。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.027 seconds)
