-
公开(公告)号：CN116206752A
公开(公告)日：2023-06-02
申请号：CN202310169343.X
申请日：2023-02-22
Applicant: 南通大学
IPC: G16H50/20 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0495
Abstract: 本发明提供了基于结构‑功能脑网络的精神疾病识别方法，属于医学信息智能诊断技术领域，解决了利用人工智能帮助医生从海量数据中识别精神疾病的技术问题。其技术方案为：对结构和功能两类脑网络的连接矩阵分别进行行列卷积，获得深度特征；在特征学习过程中，增加深度融合模块，使两个模态可以交互式特征学习；在最终的识别阶段，通过多模态双线性池化层，进一步融合两类脑网络的特征，学习最后的联合特征；然后输入到最终的分类层获得疾病识别结果，并将预测标签和真实标签的交叉熵损失作为损失函数进行训练。本发明的有益效果为：显著提高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：CN113763409B
公开(公告)日：2023-05-02
申请号：CN202110995534.2
申请日：2021-08-27
Applicant: 南通大学
Abstract: 本发明提供了一种基于高斯滤波的高维脑核磁图像多阈值分割方法，属于智慧医疗技术领域。其技术方案为：首先，获取脑核磁图像数据F；其次，通过标准差为脑核磁图像的粗糙性度量的高斯滤波进行自适应平滑滤波预处理；再次，对预处理后的脑核磁图像进行灰度直方图统计，并根据灰度直方图的峰值设定脑部组织的灰质、白质、脑脊液和背景的三个初始分割阈值(t1,t2,t3)；最后，将脑核磁图像中三个目标组织和背景的四类间方差σ2(t1,t2,t3)作为混合蛙跳算法的适应度函数寻找三个最优分割阈值并输出分割后的二值化图像。本发明的有益效果为：降低了噪声对脑核磁图像分割的影响，提高了对脑核磁图像中三个目标组织的分割精度，对脑核磁图像智能辅助分割和诊断具有较强的应用价值。
-
公开(公告)号：CN113012776B
公开(公告)日：2022-11-04
申请号：CN202110341531.7
申请日：2021-03-30
Applicant: 南通大学
IPC: G16H10/60 , G16H15/00 , G06F16/182 , G06K9/62
Abstract: 本发明提供了一种大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法，在主节点上读取糖尿病数据，并按照4:1比例将糖尿病数据划分为训练集和测试集；在子节点上对糖尿病训练集通过Spark并行欠采样获得多个新的训练子集；在子节点上通过Spark并行病理特征约简器得到病理特征约简子集，并更新每个子节点上训练子集和测试子集的病理特征集，在子节点上，通过邻域证据Spark并行分类器获得测试子集的预测类别标签集合，在主节点上根据投票机制得到最终的预测类别标签。本发明的有益效果为：本发明去除大规模数据中冗余属性，提高了计算效率，充分地利用了样本之间的支持信息，提升了糖尿病数据分类的效率和精度。
-
公开(公告)号：CN113763409A
公开(公告)日：2021-12-07
申请号：CN202110995534.2
申请日：2021-08-27
Applicant: 南通大学
Abstract: 本发明提供了一种基于高斯滤波的高维脑核磁图像多阈值分割方法，属于智慧医疗技术领域。其技术方案为：首先，获取脑核磁图像数据F；其次，通过标准差为脑核磁图像的粗糙性度量的高斯滤波进行自适应平滑滤波预处理；再次，对预处理后的脑核磁图像进行灰度直方图统计，并根据灰度直方图的峰值设定脑部组织的灰质、白质、脑脊液和背景的三个初始分割阈值(t1,t2,t3)；最后，将脑核磁图像中三个目标组织和背景的四类间方差σ2(t1,t2,t3)作为混合蛙跳算法的适应度函数寻找三个最优分割阈值并输出分割后的二值化图像。本发明的有益效果为：降低了噪声对脑核磁图像分割的影响，提高了对脑核磁图像中三个目标组织的分割精度，对脑核磁图像智能辅助分割和诊断具有较强的应用价值。
-
公开(公告)号：CN113515685A
公开(公告)日：2021-10-19
申请号：CN202110425314.6
申请日：2021-04-20
Applicant: 南通大学
IPC: G06F16/9532
Abstract: 本发明提供了一种融合Embedding强化拓扑与节点内容信息的社团检测方法：获取复杂网络汇总节点之间的边和节点上文本数据集合；对网络拓扑、节点内容信息分别进行矩阵化处理、one‑hot处理，基于Node2vec方法对网络拓扑Embedding处理以获取复杂网络的Embedding信息；关联以上信息以构建融合强化网络拓扑和节点内容的社团检测模型；模型优化推到出模型参数，并对基于模型参数的聚类进行评估。本发明的有益效果为：本发明减缓网络拓扑表征不足、稀疏性的负面影响，对融合网络拓扑与内容信息的社团检测具有良好的理论应用价值。
-
Patent Agency Ranking
公开(公告)号：CN113012775A
公开(公告)日：2021-06-22
申请号：CN202110341510.5
申请日：2021-03-30
Applicant: 南通大学
IPC: G16H10/60 , G16H15/00 , G06F16/182
Abstract: 本发明提供了一种红斑病电子病历病变分类的增量属性约简Spark方法，基于知识粒度的动态变化数据集增量约简算法与处理大数据常用的Spark并行框架相结合，在处理复杂，大规模和动态的数据集方面有着良好的效果，有效提高处理速度，能够进一步提高电子病历属性约简的效率和精度。
-
公开(公告)号：CN112163133A
公开(公告)日：2021-01-01
申请号：CN202011023382.1
申请日：2020-09-25
Applicant: 南通大学
IPC: G06F16/906 , G06K9/62
Abstract: 本发明提供了一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，包括如下步骤：S10采集乳腺癌数据集，并将所述乳腺癌数据集分为训练数据集和测试数据集；S20在所述训练数据集上构建多粒度数据；S30在不同粒度的所述病理特征约简集合下预测所述测试数据的类别标签集合；S40根据投票机制得到所述测试数据集中票数最多的类别标签，获得乳腺癌数据分类结果。本发明的一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，去除了冗余属性压缩乳腺癌数据规模，同时在分类过程中，将证据理论引入邻域粗糙分类，充分地利用了样本之间的紧密性，提升了对乳腺癌数据分类的效率和精度，对乳腺癌智能辅助分类具有较强的应用价值。
-
公开(公告)号：CN112001887A
公开(公告)日：2020-11-27
申请号：CN202010697178.1
申请日：2020-07-20
Applicant: 南通大学
Abstract: 本发明公开了一种用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法，属于医学图像信息智能处理领域，首先输入婴幼儿脑病历图像数据，对图像预处理，并根据DMPGA-FCN网络权值长度L对参数进行遗传编码初始化；然后将m个个体随机划分至遗传原生子种群Pop中并衍生孪生子种群Pop′，子种群在不相交区间确定各自交换概率pc和变异概率pm，使用遗传算子寻找最优初始权值fa；其次将fa作为前向传播计算参数，并在特征地址featuremap上做加权Q操作；最后将婴幼儿脑病历预测图像与标准分割图进行逐像素交叉熵损失计算从而反向更新权值，最终得到婴幼儿脑病历图像分割网络模型的最优权值。本方法能提高婴幼儿脑病历图像分割效率，对婴幼儿脑病的早期正确诊断和患儿脑病的康复具有重要意义。
-
公开(公告)号：CN111612096A
公开(公告)日：2020-09-01
申请号：CN202010484386.3
申请日：2020-06-01
Applicant: 南通大学
Abstract: 本发明提供了一种基于Spark平台的大规模眼底图像分类系统训练方法，包括如下步骤：S10设置执行分布式卷积神经网络训练必要的参数；S20调用所述卷积神经网络算法程序，将所述参数代入算法程序，通过分布式蛙跳算法生成所述卷积神经网络训练时的初始权值；S30使用存储的标准图像数据对所述卷积神经网络训练，寻找出最优蛙，作为下次分组权值训练的初始权值，完成所述卷积神经网络的训练；以及S40保存训练完的所述卷积神经网络模型。本发明的一种基于Spark平台的大规模眼底图像分类系统训练方法，采用混合蛙跳算法生成网络初始权值，通过分组优化策略实现卷积神经网络的分布式并行训练，可有效提高大规模眼底图像在卷积神经网络训练时的高效性和分类的准确性。
-
公开(公告)号：CN110930412A
公开(公告)日：2020-03-27
申请号：CN201911200695.7
申请日：2019-11-29
Applicant: 南通大学
Abstract: 本发明涉及到眼底血管图像聚类操作技术领域，具体来说涉及一种用于眼底血管图像聚类分割的近似骨架蛙群编号方法。本发明借助聚类方法，对眼底图像进行分割处理，根据病变点高亮的特性对病变点进行定位和剔除。为了获得更好的聚类分割效果，采用智能算法中较为有效且便于理解的混合蛙跳算法对K-means算法进行改进并使用近似骨架进一步充分利用算法获得的局部最优解，改进后的算法能有效克服原始K-means算法易于收敛至局部最优而无法有效进行图像分割缺点，获得更好的眼底血管聚类分割效果，更准确的分离出眼底血管的病变点。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.029 seconds)
