-
公开(公告)号：CN118136269B
公开(公告)日：2025-01-28
申请号：CN202410284924.2
申请日：2024-03-13
Applicant: 南通大学
Abstract: 本发明提供了面向不完整多模态数据的模糊知识蒸馏方法，属于医学信息智能诊断技术领域，解决了知识蒸馏过程中教师模型和学生模型之间模型能力不匹配的技术问题。其技术方案为：包括以下步骤：S1、使用由Kawahara提出的边到边卷积E2E，边到节点卷积E2N，节点到图卷积N2G获取每一步的特征图；S2、获得经过概括和选择的信息；S3、设计了三类损失函数，分别为表示损失、预测分布损失和交叉熵损失；S4、通过最小化三类损失函数，对学生网络进行训练。本发明的有益效果为：本发明可以显著提高在模态缺失情况下模型对精神疾病识别的准确率，辅助医生进行诊断分析，给患者带来更好的医疗服务。
-
公开(公告)号：CN119249199A
公开(公告)日：2025-01-03
申请号：CN202411298634.X
申请日：2024-09-18
Applicant: 南通大学
Abstract: 本发明提供了一种基于证据理论的模糊超图神经网络的精神分裂症分类方法，属于超图神经网络与证据理论技术领域，解决了精神分裂症识别任务中存在的异质性较高的技术问题。其技术方案为：首先，通过稀疏约束函数构建优秀的超边粒度模型，将异质性较高的节点排除超边粒度模型；然后，在模糊超图的构建过程中，应用证据理论融合关联质量函数和距离质量函数；通过模糊隶属度刻画节点权重，提升异质性较低节点的权重；最后，通过模糊超图卷积模型，识别精神分裂症患者的标签，提升精神分裂症数据的分类精度及优化语义解释；本发明的有益效果为：提高精神分裂症诊断的准确性与可解释性。
-
公开(公告)号：CN119206241A
公开(公告)日：2024-12-27
申请号：CN202411217898.8
申请日：2024-09-02
Applicant: 南通大学
IPC: G06V10/40 , G06V10/764 , G06V10/80 , G06V10/74 , G16H30/20
Abstract: 本发明提供了一种用于精神分裂疾病检测的两阶段模糊邻域特征选择方法，属于医学信息智能处理技术领域。解决了传统方法在处理高维数据特征选择中全局搜索能力不足以及选择效率低下，并且复杂的精神分裂疾病特征选择中会存在不确定、模糊的技术问题。其技术方案为：包括以下步骤：S1：精神分裂疾病数据的获取与预处理；S2：根据数据构建模糊邻域决策空间与模糊邻域互信息；S3：模糊邻域差分进化的精神分裂疾病特征选择模块；S4：模糊邻域决策树的精神分裂疾病特征选择模块；S5：将两阶段的特征选择融合。本发明的有益效果为：能够有效处理数据中的不确定性，并且提高在高维空间的全局搜素能力以及选择效率。
-
公开(公告)号：CN119132625A
公开(公告)日：2024-12-13
申请号：CN202311600404.X
申请日：2023-11-27
Applicant: 南通大学
IPC: G16H50/70 , G16H50/20 , G06F16/901 , G06F16/903 , G06F18/2113 , G06F18/214 , G06F18/243 , G06F18/20 , G06N5/01 , G06N20/20
Abstract: 本发明提供了基于结构‑功能脑网络局部耦合模式的精神疾病分类方法，属于医学信息智能诊断技术领域；其技术方案为：对结构脑网络的连接矩阵进行频繁子图挖掘，获得所有的频繁连通子图；通过挖掘出的所有频繁连通子图，计算结构脑网络和功能脑网络之间的耦合系数；再通过五折交叉验证，使用lasso模型对获得的耦合系数进行特征选择；对经过属性约简后获得的耦合系数使用随机森林分类以评估准确性。本发明的有益效果为：本发明可以更好地捕捉结构‑脑网络的关键特征，显著提高了精神疾病分类的准确性和效率，帮助医生为患者制定更有效的治疗计划。
-
公开(公告)号：CN116596836B
公开(公告)日：2024-12-03
申请号：CN202310226858.9
申请日：2023-03-07
Applicant: 南通大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/40 , G16H50/20
Abstract: 本发明提供了一种基于多视图邻域证据熵的肺炎CT影像属性约简方法，属于智慧医疗技术领域，解决了肺炎CT影像中存在过多冗余病理属性，导致病变情况不能及时检测的问题。其技术方案为：包括如下步骤：S10、读取肺炎CT影像数据集；S20、通过稀疏表示和距离度量两个视图表示肺炎CT影像数据样本之间的相关性，并通过融合和删除两阶段刻画邻域范围；S30、将证据理论和邻域熵融合，构造邻域证据熵，用于刻画肺炎CT影像数据的属性重要度；S40、计算肺炎CT影像数据集中的属性约简集合。本发明的有益效果为：降低肺炎CT影像数据的检测时间，并提高检测效率，帮助医生有效分析肺炎的病变情况。
-
Patent Agency Ranking
公开(公告)号：CN118470373A
公开(公告)日：2024-08-09
申请号：CN202410394369.9
申请日：2024-04-02
Applicant: 南通大学
IPC: G06V10/764 , G06T5/73 , G06T7/00 , G06N3/0895 , G06V10/74
Abstract: 本发明提供了一种用于抑郁症脑部图像的类属共享半监督特征选择方法，属于医学图像标记选择技术领域。解决了抑郁症患者脑部区域图像样本中存在未标注数据和过多冗余的病理属性的技术问题。其技术方案为：包括如下步骤：S10、读取抑郁症脑部图像数据，对其进行预处理和划分，最终构建一个四元组决策信息系统；S20、对于有标记数据和无标记数据分别根据距离度量构造模糊信息粒形成模糊相似关系；S30、根据最大相关最小冗余策略，刻画抑郁症数据特征重要度；S40、将标签特定特征特征选择方法和动态优化策略结合，选取预测抑郁症的重要脑区域。本发明的有益效果为：有助于抑郁症的预测，改善抑郁病的诊断和治疗效果。
-
公开(公告)号：CN116759069B
公开(公告)日：2024-07-23
申请号：CN202310651001.1
申请日：2023-06-02
Applicant: 南通大学
Abstract: 本发明提供了一种用于大规模认知障碍疾病检测的动态加权属性约简方法，属于医学信息智能处理技术领域，传统方法在处理大规模数据处理时间较长，复杂的认知障碍疾病特征选择中会导致不确定性的技术问题。其技术方案为：包括以下步骤：S1、大规模认知障碍疾病数据获取与预处理；S2、计算认知障碍疾病原始数据和增量数据的知识粒度；S3、构建动态特征交互加权属性树；S4、将构建的动态特征交互加权属性树分支，每轮分支结束时将低权重属性添加到交互集F中进行增量特征交互；S5、在所有属性树完成分支后，将计算节点约简集输出到主节点，获得大规模认知障碍疾病数据约简。本发明的有益效果为：可以有效提高特征选择的速度并提高精度。
-
公开(公告)号：CN116994743B
公开(公告)日：2024-04-09
申请号：CN202310851846.5
申请日：2023-07-11
Applicant: 南通大学
IPC: G16H50/20 , G16H10/60 , G16H50/70 , G06F18/214 , G06F18/2415 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供了一种基于序贯三支的置信图卷积神经网络的自闭症分类方法，属于图卷积神经网络与序贯三支决策技术领域。解决了自闭症诊断过程存在的不确定性的技术问题。其技术方案为：首先，该方法通过定义置信度，描述诊断过程中存在的不确定性；然后，定义序贯三支的置信度阈值；接着，将序贯三支决策模块加入置信度图卷积神经网络模型，得到样本的预测标签；最后，通过自闭症数据集，评估自闭症预测模型的性能。本发明的有益效果为：有效提升自闭症的分类准确率。
-
公开(公告)号：CN116128846B
公开(公告)日：2023-08-22
申请号：CN202310097938.9
申请日：2023-02-01
Applicant: 南通大学
IPC: G06T7/00 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种面向肺部X‑ray图像检索的视觉Transformer哈希方法，属于医学图像处理技术领域，解决了不同种类的肺部X‑ray图像之间去检索同种类图像时存在检索时间长、检索精度低的问题。其技术方案为：建立肺部X‑ray图像数据库，构建视觉Transformer哈希模型，根据模型的输出计算成对损失Lpair、量化损失Lquan、平衡损失Lbal以及分类损失Lcl，构造总损失函数Lall；使用交替学习算法优化损失函数Lall；并逐一返回与测试集中最相似的前T张肺部X‑ray图像。本发明的有益效果为：能够分辨不同肺部X‑ray图像之间的细微差异，哈希方法将高维肺部X‑ray图像映射为低维的二进制编码，实现肺部X‑ray图像检索的准确率。
-
公开(公告)号：CN116596836A
公开(公告)日：2023-08-15
申请号：CN202310226858.9
申请日：2023-03-07
Applicant: 南通大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/40 , G16H50/20
Abstract: 本发明提供了一种基于多视图邻域证据熵的肺炎CT影像属性约简方法，属于智慧医疗技术领域，解决了肺炎CT影像中存在过多冗余病理属性，导致病变情况不能及时检测的问题。其技术方案为：包括如下步骤：S10、读取肺炎CT影像数据集；S20、通过稀疏表示和距离度量两个视图表示肺炎CT影像数据样本之间的相关性，并通过融合和删除两阶段刻画邻域范围；S30、将证据理论和邻域熵融合，构造邻域证据熵，用于刻画肺炎CT影像数据的属性重要度；S40、计算肺炎CT影像数据集中的属性约简集合。本发明的有益效果为：降低肺炎CT影像数据的检测时间，并提高检测效率，帮助医生有效分析肺炎的病变情况。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.035 seconds)
