-
公开(公告)号：CN117954032A
公开(公告)日：2024-04-30
申请号：CN202410066497.0
申请日：2024-01-17
Applicant: 海南大学
IPC: G16H10/60 , G06F16/215 , G06F18/10 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2413 , G06F18/243
Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。
-
公开(公告)号：CN117911155A
公开(公告)日：2024-04-19
申请号：CN202410092957.7
申请日：2024-01-23
Applicant: 海南大学
IPC: G06Q40/04 , G06Q10/0639
Abstract: 本发明涉及区块链技术领域，尤其涉及一种基于区块链智能合约的交易评价系统，包括：数据采集单元，用于在交易完成后采集第一维度指标的数据值，所述第一维度指标包括交易发出速率、交易吞吐量和交易延迟率；交易评价单元，用于根据所述第一维度指标的数据值进行交易评价，输出评价结果。通过本发明可以对基于区块链智能合约的交易业务进行有效评价，为促进提供更好服务提供技术支持。
-
公开(公告)号：CN112215814B
公开(公告)日：2023-12-22
申请号：CN202011084213.9
申请日：2020-10-12
Applicant: 海南大学
IPC: G06V10/26 , G06V10/80 , G06V10/44 , G06V10/50 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06T7/00 , G06N3/048
Abstract: 本发明提供一种基于3DHOG辅助卷积神经网络的前列腺图像分割方法，包括：S1、获取并分析前列腺MRI图像信息，对3D前列腺MRI图像进行预处理；S2、将预处理后的3D前列腺MRI图像的2D HOG特征扩展为3D HOG特征，并进行特征提取；S3、将3D前列腺MRI图像输入卷积神经网络获取深度特征图；S4、将步骤S2获得的3D HOG特征和步骤S3获得的深度特征进行融合，训练得到最终分割模型；S5、通过最终分割模型对测试图像进行处理，获取前列腺MRI分割概率图。本发明可以有效缓解MRI中前列腺边界模糊不清带来的问题，并有效提高分割的准确率。
-
公开(公告)号：CN112580483B
公开(公告)日：2023-12-01
申请号：CN202011468816.9
申请日：2020-12-15
Applicant: 海南大学
IPC: G06V10/77 , G06V20/13 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/126
Abstract: 本发明提供一种基于粗糙模糊模型的遥感影像特征离散化方法，包括下列步骤：列出遥感影像中被选中样本在各个波段的像元值和所属类别，并建立基于像元值和所属类别的影像信息决策表；初始化各个类别的类中心以及样本例对类中心之间的隶属度；迭代更新各个类别的类中心以及样本例对类中心之间的隶属度，获得各类别的类中心的最终值以及隶属度最终值；建立粗糙模糊集，并计算粗糙模糊集的平均近似精度，对所述影像信息决策表进行离散化，基于平均近似精度以及遗传算法对离散化结果进行评估，选择最优的离散化方案。(56)对比文件Sushmita Mitra 等.Rough–FuzzyCollaborative Clustering.IEEETRANSACTIONS ON SYSTEMS, MAN, ANDCYBERNETICS—PART B: CYBERNETICS.2003,第36卷(第4期),第795-805页.张婧 等.基于遗传算法和变精度粗糙集的离散化算法.华中师范大学学报(自然科学版).2018,52(03),第322-328页.
-
公开(公告)号：CN114998632B
公开(公告)日：2023-10-24
申请号：CN202210539711.0
申请日：2022-05-17
Applicant: 海南大学
IPC: G06V10/762 , G06V10/764 , G06V10/74 , G06V10/36 , G06V10/30 , G06T7/11 , G06T5/00
Abstract: 本发明公开一种基于像素聚类的RVIN检测和去除的方法，包括如下步骤：基于像素点的灰度距离相似性进行聚类分割，将受损图像中的所有像素分成K类；计算像素的LCI值并基于LCI值确定所述像素所处区域，所述区域包括平坦区域和细节区域，再通过迭代求解获取每类像素的最优检测阈值，根据像素的LCI值和最优检测阈值判断所述像素是否为噪声像素；针对平坦区域和细节区域的噪声像素分别采用LCI加权均值滤波器和边缘方向滤波器来恢复被随机值脉冲噪声损坏的像素。本发明提出的噪声检测器和滤波器具有很高的鲁棒性和泛化性，在自然图像和医学图像的RVIN去除中均取得了显著的效果，特别是在高噪声水平上效果更优。
-
Patent Agency Ranking
公开(公告)号：CN116912145A
公开(公告)日：2023-10-20
申请号：CN202310940783.0
申请日：2023-07-27
Applicant: 海南大学
Abstract: 本发明提供一种融入语义及注意力的多分支多尺度医学图像融合方法，包括步骤：S101、输入图像处理：对输入的两模态图像进行处理，使其满足网络输入端要求，两模态图像包括CT图像和MRI图像；S102、初步特征获取：通过卷积及激活函数获得输入图像的表层特征；S103、特征提取及重建：通过融合网络对图像特征进行提取，并根据所提取的特征重建图像特征，融合网络由三分支特征提取网络和多尺度特征重建网络组成；S104、后处理及保存：将重建后的图像特征处理为最终图像，将最终图像保存到指定位置，所述方法获得的融合图像具有较高质量，在多项数值评价指标中均获得了较好的结果，具有良好的综合性能。
-
公开(公告)号：CN112419190B
公开(公告)日：2023-06-20
申请号：CN202011325028.4
申请日：2020-11-24
Applicant: 海南大学
Abstract: 本发明提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法，所述方法具体包括以下步骤：S1：对待测图像的所有噪声像素进行滤波处理，获得滤波后的图像；S2：判断滤波后的图像是否符合判断规则，若不符合则重新获取滤波后的图像。通过以上的步骤可以对噪声像素的图像进行滤波去噪，得到更加干净的像素。
-
公开(公告)号：CN114503946A
公开(公告)日：2022-05-17
申请号：CN202210077627.1
申请日：2022-01-24
Applicant: 海南大学
Abstract: 本发明公开基于高帧率动态帧差精准识别的渔场投喂系统及方法，该方法包括如下步骤：启动驱动装置，使饵料投喂标识物绕驱动装置做圆周运动；获取饵料投喂标识物运动状态下的的高帧率视频流数据；基于高帧率动态帧差算法对高帧率视频流数据进行分析处理，预测饵料投喂标识物的位置；根据预测的饵料投喂标识物的位置，计算投喂模块的投喂角度、距离以及时间；根据计算获得的投喂模块的投喂角度、距离以及时间向饵料投喂标识物下方的网状饵料箱投喂饵料。本发明通过饵料投喂装置对渔场运动投喂标识物的精准识别和跟随，实现了渔场的智能化圆周状的投喂饵料，有效的降低了水产养殖户的人力物力成本的同时确保大范围投喂的实现。
-
公开(公告)号：CN114266795A
公开(公告)日：2022-04-01
申请号：CN202111083141.0
申请日：2021-09-15
Applicant: 海南大学
Abstract: 本发明提供一种基于金字塔池化U型网络的遥感图像海陆分割方法，包括下列步骤：获取高分遥感图像，对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；建立金字塔U型卷积神经网络，将训练集输入金字塔U型卷积神经网络进行学习训练获得高分遥感影像海陆分割模型；将所述测试集中的数据输入金字塔U型卷积神经网络中，得到遥感图像海陆分割结果。
-
公开(公告)号：CN113920043A
公开(公告)日：2022-01-11
申请号：CN202111156702.5
申请日：2021-09-30
Applicant: 海南大学
Abstract: 本发明提供一种基于残差通道注意力机制的双流遥感图像融合方法，卷积神经网络分别从全色图像和低分辨率的多光谱遥感图像中提取特征，然后将它们融合形成紧凑的特征图，然后构建残差注意力网络，残差注意力网络使用注意力机制通过对特征通道之间的相互依赖关系进行建模，自适应地调整每个通道的特征，从而能够专注于更有用的通道，提高识别学习能力残差注意力网络采用多残差连接，其中长残差连接允许浅层的残差学习，长残差连接和短残差连接允许大量浅层信息通过这些基于身份的跳连接，简化了信息的流动，最终经过反卷积层以及卷积层重构后，能够生成高质量遥感图像，对遥感图像融合领域具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.072 seconds)
