一种基于编码器-解码器及Bi-LSTM注意力模型的图像描述方法

    公开(公告)号:CN116543289A

    公开(公告)日:2023-08-04

    申请号:CN202310522422.4

    申请日:2023-05-10

    Applicant: 南通大学

    Abstract: 本发明涉及计算机视觉和自然语言处理技术领域,尤其涉及一种基于编码器‑解码器及Bi‑LSTM注意力模型的图像描述方法,包括:首先,构建带有卷积神经网络CNN的编码器模型并且用预处理过的图片去训练编码器模型,以便可以高效提取出图像特征;然后构建并训练Bi‑LSTM注意力机制模型,把提取的图像特征作为输入,生成准确地每个词向量;最后,构建带有循环神经网络RNN的句子解码器模型,将词向量输入模型中,以进行图像描述生成。本发明采用一种新的Bi‑LSTM模型,该模型结合前向和后向LSTM的生成信息,调整图像权重的分配,提高了图像描述结果的准确性;本发明通过提高循环神经网络RNN解码的效率,节省图像描述生成的时间成本。

    一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法

    公开(公告)号:CN114757942A

    公开(公告)日:2022-07-15

    申请号:CN202210593973.5

    申请日:2022-05-27

    Applicant: 南通大学

    Abstract: 本发明涉及计算机视觉目标检测任务技术领域,尤其涉及一种基于深度学习的多层螺旋CT对活动性肺结核的检测方法,包括:S1:收集汇总活动性肺结核CT影像,转换CT图像格式,并对转换后的图像进行预处理;S2:将预处理后的图像输入基于阈值的肺实质分割模型,获得肺实质图像;S3:将肺实质图像交由放射科医生进行标注,标注出原发性肺结核、继发性肺结核以及血行播散性肺结核的病灶区域,制作样本数据集;S4:将样本数据集输入已训练好的DetectionTransformer网络模型中进行预测处理,获得检测结果。本发明采用多层螺旋CT图像作为数据集,能够更好的显示活动性肺结核在放射学中的特征,包括厚壁空洞、肺实质、小叶中心结节和树芽征,大幅提高了对于病灶检测的准确度。

    一种基于稀疏GMM的多模过程质量相关的故障诊断方法

    公开(公告)号:CN109491338B

    公开(公告)日:2021-05-11

    申请号:CN201811331420.2

    申请日:2018-11-09

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于稀疏GMM的多模过程质量相关的故障诊断方法,利用稀疏表示获取高质量的系数权重矩阵,并融合流形结构信息,构建稀疏高斯混合模型,使得高斯成分的概率分布沿着数据流形结构平滑变化,以及高斯成分的局部近邻样本之间相似,自动地获取高斯成分的数目,对噪音和离群点具有鲁棒性,获得质量相关的故障检测,同时依据已检测故障的受控近邻,定位故障发生的根源变量。与高斯混合模型监测方法相比,本发明方法表征了过程数据局部流形结构和数据的稀疏关系,获取了样本之间的局部相似关系,反映多模态过程的变化情况。因此,本发明所涉及的稀疏GMM方法可以取得更好的故障检测效果和准确定位故障发生的根源变量。

    用于大数据电子病历约简的多粒度属性权重Spark方法

    公开(公告)号:CN108986872B

    公开(公告)日:2021-05-07

    申请号:CN201810642497.5

    申请日:2018-06-21

    Applicant: 南通大学

    Abstract: 本发明公开了一种用于大数据电子病历约简的多粒度属性权重Spark方法。该方法首先在Hadoop分布式文件系统中将大数据电子病历集划分成不同的条件属性作业和决策属性作业;然后设计基于改进MapReduce作业协同结构的Spark模型,将电子病历条件属性作业并行化处理;其次在Hadoop分布式文件系统中构建多粒度属性权重Spark方法用于电子病历属性快速约简,从而求得大数据电子病历属性约简最优特征集;最后将大数据电子病历属性约简特征集R1,R2,…,Rn存储至Hadoop分布文件系统中,为相关疾病的临床诊断和治疗提供重要的智能诊断知识依据。

    用于大数据电子病历约简的多粒度属性权重Spark方法

    公开(公告)号:CN108986872A

    公开(公告)日:2018-12-11

    申请号:CN201810642497.5

    申请日:2018-06-21

    Applicant: 南通大学

    Abstract: 本发明公开了一种用于大数据电子病历约简的多粒度属性权重Spark方法。该方法首先在Hadoop分布式文件系统中将大数据电子病历集划分成不同的条件属性作业和决策属性作业;然后设计基于改进MapReduce作业协同结构的Spark模型,将电子病历条件属性作业并行化处理;其次在Hadoop分布式文件系统中构建多粒度属性权重Spark方法用于电子病历属性快速约简,从而求得大数据电子病历属性约简最优特征集;最后将大数据电子病历属性约简特征集R1,R2,…,Rn存储至Hadoop分布文件系统中,为相关疾病的临床诊断和治疗提供重要的智能诊断知识依据。

    有向网络下增强稀疏保持嵌入的动态过程监测方法

    公开(公告)号:CN108398925A

    公开(公告)日:2018-08-14

    申请号:CN201711135315.7

    申请日:2017-11-14

    Applicant: 南通大学

    CPC classification number: Y02P90/02 G05B19/41885 G05B2219/32339

    Abstract: 本发明公开了一种有向网络下增强稀疏保持嵌入的动态过程监测方法,利用稀疏表示构建有向网络,将动态的时空网络结构转换成普通的有向网络结构。通过计算有向网络的概率路径值,表征样本之间的有效距离,获得有向网络的相似度连接矩阵,刻画过程的动态变化特性。在此基础上建立的增强稀疏保持嵌入模型能更好地挖掘动态过程中边缘网络故障的隐藏特征。本发明方法所涉及的有向网络下增强稀疏保持嵌入模型能取得更优越的动态过程监测效果。

    一种用于异常脑组织病历分类的自适应分层邻域半径方法

    公开(公告)号:CN106023030A

    公开(公告)日:2016-10-12

    申请号:CN201610320142.5

    申请日:2016-05-13

    Applicant: 南通大学

    CPC classification number: G06Q50/24

    Abstract: 本发明公开了一种用于异常脑组织病历分类的自适应分层邻域半径方法,包括以下步骤:首先构造基于自适应邻域半径的四层结构分割框架,将每一层对应一个邻域半径有效解,通过迭代计算自适应调整邻域半径;然后通过对异常脑组织病历进行同层内邻域半径交互和不同层间邻域半径级联操作。本发明能有效提取异常脑组织病历内部不同区域属性特征,提高脑组织不同纵向皮质表面标签的分类效率,对异常脑部疾病早期预防、延缓脑疾病发作等具有较好的作用。

    一种基于语义角色位置映射的文本水印嵌入及提取方法

    公开(公告)号:CN105205355A

    公开(公告)日:2015-12-30

    申请号:CN201510746611.5

    申请日:2015-11-05

    Applicant: 南通大学

    CPC classification number: G06F21/10 G06F2221/0733

    Abstract: 本发明涉及基于语义角色位置映射的文本水印嵌入及提取方法,嵌入方法包括如下步骤:1)对水印信息进行预处理,将水印字符转换成由码元构成的信息串;2)通过自然语言处理技术找出文本中语义角色,得到语义角色的位置信息,且将语义角色类型与表示水印信息的码元一一对应;3)逐个取出水印信息串中的码字,将该码字与所对应类型语义角色的一个位置相映射,完成水印的嵌入。提取方法包括:根据嵌入水印时得到语义角色的位置信息,找到文本中该位置的语义角色,再反向映射得到由所述码元表示的水印信息串,最终将其转换成原始水印信息。上述方法对文本格式与内容不做任何改变,具有良好的隐蔽性和鲁棒性,能有效抵抗各种常见的格式变换和攻击。

Patent Agency Ranking