面向精神分裂症的双通道模糊信息粒与特征选择方法

    公开(公告)号:CN117877711B

    公开(公告)日:2025-03-11

    申请号:CN202311577208.5

    申请日:2023-11-23

    Applicant: 南通大学

    Abstract: 本发明提供了一种面向精神分裂症的双通道模糊信息粒与特征选择方法,属于智慧医疗技术领域,解决了精神分裂症中存在过多冗余病理特征且特征间相关性难以全面表述的技术问题。其技术方案为:包括如下步骤:S10、读取精神分裂症数据集;S20、根据两种不同的粒度表示形成模糊相似关系;S30、刻画精神分裂症数据的特征重要度,对特征进行排序;S40、对不同的粒度表示形成的特征序列采用类内类间策略决定最终的特征序列。本发明的有益效果为:去除冗余病理特征,从稀疏和模糊凸半球两个粒度层面描述样本之间的模糊相关性,更精确地表示样本的紧密性,并提高检测效率,帮助医生有效分析精神分裂症的病变情况,具有较强的应用价值。

    基于协同进化离散粒子群优化的糖尿病并行属性约简方法

    公开(公告)号:CN117059284B

    公开(公告)日:2024-12-17

    申请号:CN202311031910.1

    申请日:2023-08-16

    Applicant: 南通大学

    Abstract: 本发明提供了一种基于协同进化离散粒子群优化的糖尿病并行属性约简方法,属于医学电子病例技术领域。解决了糖尿病症电子病历数据维度大、冗余多,导致医生判断错误的技术问题。其技术方案为:包括以下步骤:S1:将糖尿病症数据存放到分布式文件系统中;S2:计算机节点读取HDFS中block块的数据;S3:主节点得到汇总的数据键值对后;S4:主节点将进行步骤S3操作所得的 键值对数据广播到各个子节点;S5:主节点对得到的属性评价函数结合CQBPSO算法进行建模。本发明的有益效果为:本发明结合粗糙集理论和Spark分布式计算平台,能够从糖尿病症数据集中筛选出最具代表性和关键性的属性。

    基于模糊超盒质量感知神经网络的精神分裂症分类方法

    公开(公告)号:CN118447304A

    公开(公告)日:2024-08-06

    申请号:CN202410547182.8

    申请日:2024-05-06

    Applicant: 南通大学

    Abstract: 本发明提供了基于模糊超盒质量感知神经网络的精神分裂症分类方法,属于智能医学处理技术领域,解决了精神分裂症患者动态脑网络多个时间窗口数据质量不一致的问题;其技术方案为:利用三个特殊的卷积滤波器提取精神分裂症患者动态脑网络每个时间窗口的特征,然后通过全连接层和激活层以获得证据;将多视图证据作为输入构造多视图模糊最小最大神经网络分类器,输出每个视图的类节点;使用证据理论直接建模不确定性,计算每个视图的质量感知权重以评估每个视图的分类可信度;根据每个视图的质量感知权重集成多个视图的类节点以得到最终诊断结果。本发明的有益效果为:本发明分类精度较好,为精神分裂症诊断提供决策支持,提高患者就医满意度。

    面向不完整多模态数据的模糊知识蒸馏方法

    公开(公告)号:CN118136269A

    公开(公告)日:2024-06-04

    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。

    用于眼底硬性渗出图像分割的超像素三支证据DPC方法

    公开(公告)号:CN117058393A

    公开(公告)日:2023-11-14

    申请号:CN202311108211.2

    申请日:2023-08-30

    Applicant: 南通大学

    Abstract: 本发明提供了一种用于眼底硬性渗出图像分割的超像素三支证据DPC方法,属于图像处理分析技术领域。解决了聚类医学图像分割中参数难以确定,边缘区域划分不清晰的技术问题。其技术方案为:包括以下步骤:S10、人工获取眼底硬性渗出图像的病变区域;S20、对眼底硬性渗出图像进行预处理得到图像的CIELab空间;S30、对获得的CIELab空间进行SLIC超像素处理;S40、基于三支聚类理论将图像分割分为两阶段;S50、在获取第一阶段回传的病变图像信息之上。本发明的有益效果为:本发明通过引入超像素算法提高了运行效率,为糖尿病视网膜硬性渗出病变疾病的临床诊断和患者的发现治疗提供了重要的医学影像依据。

    基于模糊逻辑的跳跃式注意力肺部病理图像分类方法

    公开(公告)号:CN116452865B

    公开(公告)日:2023-11-07

    申请号:CN202310345231.5

    申请日:2023-04-03

    Applicant: 南通大学

    Abstract: 本发明提供了一种基于模糊逻辑的跳跃式注意力肺部病理图像分类方法,属于肺部组织病理图像分类技术领域,解决了相似形态和结构下复杂肺部病理组织图像分类准确率低的技术问题。其技术方案为:先从肺部病理图像数据集中连续读取RGB病理图像,构建基于模糊逻辑的隶属函数和非隶属函数,对肺部病理图像数据进行模糊处理;再次构建跳跃式多头自注意力算法,通过将前半部分的特征按规则连接到后半部分的特征中,提取肺部病理图像特征;根据模糊规则去模糊化得到的数据,并输入多层感知机,得到每种分类的概率分布,取概率最高的作为最终分类结果。本发明的有益效果为:为肺部组织病理图像的分类提供决策支持,提升病理医生工作效率。

Patent Agency Ranking