公开(公告)号：CN109285153A

公开(公告)日：2019-01-29

申请号：CN201811148749.5

申请日：2018-09-29

Applicant: 广东工业大学

Inventor： 丁磊 ,  范大煌 ,  毋鹏杰 ,  邓杰航 ,  顾国生

IPC: G06T7/00

Abstract: 本发明公开了一种图像质量评价方法及系统，包括：计算待评价图像和参考图像的特征参数相似度；对待评价图像每一像素和参考图像每一像素分别对多个不同方向的梯度模板进行卷积运算，根据对应不同方向的计算结果中取值最大的梯度值得到该像素的梯度值，多个不同方向的梯度模板包括0度方向梯度模板、90度方向梯度模板以及至少一个除0度方向和90度方向之外其它方向的梯度模板；根据待评价图像和参考图像对应像素的梯度，计算待评价图像和参考图像的梯度相似度；根据待评价图像和参考图像各像素的特征参数相似度、梯度相似度计算用于评价待评价图像质量的评价指标。本发明图像质量评价方法及系统，与现有方法相比能够提高对图像质量评价的精确性。

公开(公告)号：CN119993556A

公开(公告)日：2025-05-13

申请号：CN202510075959.X

申请日：2025-01-16

Applicant: 广东工业大学

Inventor： 顾国生 ,  韩浩杰 ,  陈旭东 ,  邓杰航 ,  黎凡 ,  项德杰 ,  江芡 ,  杨珉浩 ,  伍浩伟 ,  张纯霖 ,  陈泽昊 ,  吴艳娟 ,  李梓亮

IPC: G16H70/40 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25

Abstract: 本发明涉及一种基于异同构多分支的抗癌药物反应预测方法，应用于生物信息学领域。该方法包括：S1：对数据进行预处理，获取细胞系多组学数据、药物子结构指纹数据、药物分子图数据以及细胞系‑药物反应数据；S2：构建相似性全局特征提取模块(SGFE)进行特征提取，得到细胞系相似性特征、药物相似性特征、药物全局特征；S3：构建异同构多分支特征提取模块(HHFE)得到多分支细胞系特征与多分支药物特征；S4：构建多分支多层融合模块(MFML)，得到细胞系融合特征和药物融合特征，并计算两者相关性；S5：利用相关性对细胞系和药物间的反应情况进行预测，输出预测结果。本发明充分利用已知的细胞系数据和药物数据，提升了模型的泛化能力。

公开(公告)号：CN119991688A

公开(公告)日：2025-05-13

申请号：CN202510122987.2

申请日：2025-01-24

Applicant: 广东工业大学

Inventor： 李梓亮 ,  吴艳娟 ,  陈泽昊 ,  张纯霖 ,  黎凡 ,  项德杰 ,  江芡 ,  杨珉浩 ,  陈楷青 ,  洪彬 ,  陈旭东 ,  韩浩杰 ,  邓杰航 ,  顾国生

IPC: G06T7/10 ,  G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06T3/4038 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于多向空间特征的肝肿瘤分割方法，该方法旨在实现精确的肝肿瘤分割。该方法包括：S1：预处理腹部CT数据，得到NPY矩阵数据，将数据划分为训练集，验证集和测试集；S2：提取NPY矩阵数据的初始特征；S3：在初始特征中提取多向空间特征；S4：构建自适应门控注意力模块AGAM对多向空间特征进行特征提取，得到局部特征；S5：构建六向Mamba模块HoM对多向空间特征进行特征提取，得到全局特征；S6：对局部特征和全局特征进行融合和增强得到强化特征；S7：构建通道解析熵模块CPEM对强化特征进行筛选，得到最终特征；S8：拼接多尺度的最终特征，得到肝肿瘤的分割图。本发明能够有效提升肝肿瘤分割精度，可用于CT图像中的肝肿瘤分割。

公开(公告)号：CN119904469A

公开(公告)日：2025-04-29

申请号：CN202411982971.0

申请日：2024-12-30

Applicant: 广东工业大学

Inventor： 黎凡 ,  江芡 ,  杨珉浩 ,  项德杰 ,  伍浩伟 ,  张纯霖 ,  陈泽昊 ,  吴艳娟 ,  李梓亮 ,  顾国生 ,  邓杰航

IPC: G06T7/11 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455

Abstract: 本发明公开了一种基于多区域感知注意力的脑肿瘤分割方法，旨在通过充分学习脑肿瘤组织区域之间内在关系，实现脑肿瘤子区域精准定位。该方法包括以下步骤：S1：对脑肿瘤MR图像进行预处理与数据增强，得到脑肿瘤数据集；S2：构建多模态特征交互增强模块对脑肿瘤MRI不同模态(T1,T1CE,T2,Flair)分别进行特征提取并融合，得到全局特征；S3：构建多区域感知注意力模块，提取多区域之间的特征表示，得到局部多区域特征；S4：构建多区域协同融合模块对局部多区域特征和全局特征进行融合，得到融合特征；S5：根据训练好的MRI脑胶质瘤分割模型进行MRI脑胶质瘤分割；本发明通过从MRI中有效提取并融合脑肿瘤多区域内在关系，实现了对脑肿瘤MRI的精准分割。

公开(公告)号：CN119722709A

公开(公告)日：2025-03-28

申请号：CN202411910756.X

申请日：2024-12-23

Applicant: 广东工业大学

Inventor： 项德杰 ,  江芡 ,  杨珉浩 ,  黎凡 ,  伍浩伟 ,  张纯霖 ,  陈泽昊 ,  吴艳娟 ,  李梓亮 ,  顾国生 ,  邓杰航

IPC: G06T7/11 ,  G06T3/40 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种基于目标一致多分辨融合的肺结节分割方法和装置，该方法包括：S1：采集肺部CT影像数据并采用目标一致的多分辨率输入策略(Object‑Consistent Muti‑Resolution Input Strategy,OCMIS)，生成高分辨率和低分辨率数据；S2：通过小结节细粒度增强编码器(Small Nodule Fine‑Grained Enhanced Encoder,SNFGEE)和多粒度增强编码器(Multi‑Granularity Enhanced Encoder,MGEE)分别对高、低分辨率数据进行特征提取，得到小结节的高、低分辨率特征；S3：通过多分辨率无损特征融合模块(Muti‑Resolution Lossless Feature Fusion,MLFF)对高、低分辨率特征进行融合，生成融合特征；S4：将融合特征输入解码器，生成分割结果。本发明能够实现对复杂形态的肺结节的精准分割。本发明作为一种基于目标一致多分辨融合的肺结节分割方法和装置，可广泛应用于医学图像分割领域。

公开(公告)号：CN118430660A

公开(公告)日：2024-08-02

申请号：CN202410637242.5

申请日：2024-05-22

Applicant: 广东工业大学

Inventor： 林志毅 ,  黎大银 ,  谢国波 ,  顾国生

IPC: G16B40/00 ,  G06F17/16 ,  G06F18/22 ,  G06F17/10 ,  G06F17/11 ,  G06F18/10 ,  G06F16/901 ,  G06N5/04

Abstract: 本发明公开的属于矩阵分解与生物基因结合技术领域，具体为一种基于高阶扰动和灵活三元正则化的协同矩阵分解的LncRNA‑疾病关联预测方法，包括具体步骤如下：获取LncRNA‑疾病的关联矩阵Z；基于已知的关联矩阵Z，计算出LncRNA的功能相似性矩阵Rs和疾病的语义相似性矩阵Ds；将基于已知关联矩阵计算的多阶关联矩阵作为高阶扰动添加到已知关联矩阵中；通过灵活三元正则项的相似性学习，获取相似性矩阵的全局非线性结构相似性信息；本发明基于协同矩阵分解的方法对目标函数进行优化迭代得到最后的预测得分矩阵，使得最终预测lncRNA‑疾病的关联更加准确。

公开(公告)号：CN117216656A

公开(公告)日：2023-12-12

申请号：CN202311156905.3

申请日：2023-09-07

Applicant: 广东工业大学

Inventor： 谢国波 ,  余意 ,  林志毅 ,  顾国生 ,  夏炜 ,  刘汉林 ,  林松泽 ,  黄晓锋

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明提供了一种基于剪枝预训练模型与人工特征编码融合的4mC位点识别算法，包括以下步骤：S1：获取DNA‑4mC的核苷酸序列集L，通过Kmer编码将序列集L转化为数值向量集M；S2：将预训练模型DNABert进行剪枝压缩操作得到的模型DNABert‑Pruning作为基准模型，训练得到序列集L的深层特征信息；S3：根据CKSNAP编码特征方式扩充各核苷酸在序列集L中的特征表示空间，通过双向LSTM网络训练得到序列集L的浅层特征信息；S4：将上述训练得到的浅层信息与深层信息特征同时输入到特征融合注意力模块中，得到更为准确的融合特征表征；S5：对融合后的表征特征使用前馈神经网络和Sigmoid函数输出识别预测，计算其分类评分，本发明可以更准确地预测DNA‑4mC的位点识别信息。

公开(公告)号：CN116312805A

公开(公告)日：2023-06-23

申请号：CN202310109046.6

申请日：2023-02-14

Applicant: 广东工业大学

Inventor： 林志毅 ,  陈锐滨 ,  谢国波 ,  顾国生 ,  余俊锐

IPC: G16B40/00 ,  G06F18/22

Abstract: 本发明提供一种结合选择性相似性矩阵融合和双向线性邻域标签传播的lncRNA‑疾病关联性预测方法，包括以下步骤：S1：获取lncRNA表达相似矩阵SL和疾病语义相似矩阵SD；S2：获取lncRNA‑疾病关联矩阵LD，并利用LD计算出lncRNA线性邻域相似性矩阵LNL和疾病线性邻域相似性矩阵LND；S3：构建一个非线性迭代的选择性相似性融合方法，将S2步骤所述两种lncRNA相似性和两种疾病相似性分别融合生成lncRNA相似性网络KL和疾病相似性网络KD；S4：最后采用双向线性邻域标签传播方法得到最终预测结果。本发明通过构建相似性融合方法来挖掘更深的邻域相似性信息生成高质量且低噪声相似性网络，结合双向线性邻域标签传播能有效地利用好所构建的相似性网络，从而实现精准预测lncRNA‑疾病的关联。

公开(公告)号：CN113160880B

公开(公告)日：2023-06-06

申请号：CN202110295353.9

申请日：2021-03-19

Applicant: 广东工业大学

Inventor： 林志毅 ,  朱印廷 ,  顾国生 ,  孙宇平 ,  谢国波

IPC: G16B20/00 ,  G16C20/50 ,  G16H50/20

Abstract: 本发明提供一种基于高阶接近性和矩阵补全算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：计算lncRNA相似矩阵LS和疾病相似矩阵DS的高阶接近矩阵；S2：获取疾病‑lncRNA邻接矩阵DL，所述疾病‑lncRNA邻接矩阵用于描述lncRNA‑疾病关联关系；S3：构建一个异构性的疾病‑lncRNA关联矩阵，所述疾病‑lncRNA关联矩阵整合了疾病‑lncRNA邻接矩阵DL、lncRNA相似矩阵LS的高阶接近矩阵和疾病相似矩阵DS的高阶接近矩阵；S4：采用矩阵补全法，在所述疾病‑lncRNA关联矩阵中预测lncRNA‑疾病的关联。本发明引入高阶接近性来重构lncRNA和疾病的相似度矩阵，建立一个更好的度量标准来精确描述药物或疾病之间的相似关系，采用构建异构矩阵来利用lncRNA和疾病的相似度信息来辅助预测，实现了更加准确的lncRNA‑疾病的关联预测。

公开(公告)号：CN111489346B

公开(公告)日：2023-04-07

申请号：CN202010289829.3

申请日：2020-04-14

Applicant: 广东工业大学

Inventor： 邓杰航 ,  袁仲鸣 ,  蔡东健 ,  顾国生 ,  杨灿 ,  林好润

IPC: G06T7/00 ,  G06V10/46 ,  G06V10/74

Abstract: 本申请公开了一种全参考图像质量评价方法及系统，方法包括：获取参考图像以及失真图像；估计参考图像以及失真图像中像素点的亮度和色度，并计算亮度相似度以及色度相似度；使用GBVS显著性模型提取参考图像以及失真图像的显著性特征，得到参考图像以及失真图像的显著性图，根据显著性图得到参考图像以及失真图像之间的显著性相似度；计算参考图像以及失真图像的梯度幅值，根据梯度幅值计算参考图像以及失真图像之间的梯度相似度；根据亮度相似度，色度相似度、显著性相似度以及梯度相似度计算得到图像质量评价指标。本申请能够在全参考图像的前提下，通过简单的计算，即可对噪声图像进行质量评价且与主观评分有较好的一致性。