-
公开(公告)号：CN119991486A
公开(公告)日：2025-05-13
申请号：CN202510083816.3
申请日：2025-01-20
Applicant: 海南大学
Abstract: 本公开实施例中提供了基于条件扩散概率模型的多参数MRI医学图像融合方法，方法包括：S101，将当前步数的高斯噪声与待融合的医学图像对进行拼接得到三通道张量，将所述三通道张量输入训练好的噪声预测器，以输出预测噪声；医学图像对为具有不同参数的MRI图像；S102，对预测噪声进行单步反向去噪得到当前步数的去噪图；S103，在判断所述当前步数达到预设步数时，输出当前步数的去噪图获得所需的医学融合图像，否则将所述去噪图设置为下一步数的高斯噪声，并返回步骤S101。本发明可有效地对前列腺多参数MRI图像进行图像融合，不仅可以增强对前列腺结构信息的识别和观察，还有利于精准定位疑似病灶区域。
-
公开(公告)号：CN114241377B
公开(公告)日：2025-02-07
申请号：CN202111543482.1
申请日：2021-12-16
Applicant: 海南大学
IPC: G06V20/40 , G06V20/52 , G06V10/774
Abstract: 本发明公开基于改进YOLOX的船舶目标检测方法、装置、设备及介质，该方法获取样本数据集，所述样本数据集中包含船舶标注图像和未标注图像，所述样本数据集分为训练集和测试集；构建YOLOX网络，对所述YOLOX网络的主干网络进行优化，将主干网络替换为ResNet50，以用于提取图片小目标特征；将样本数据集输入所述YOLOX网络中进行训练和测试，得到船舶检测模型；将待检测的图像输入到训练好的船舶检测模型中进行检测，用以输出船舶检测结果。本发明通过网络结构改进、模型简化等方法对传统YOLO算法进行改进，使改进算法更好地适应船舶目标检测任务，协助船检人员及早发现潜在的危险并做出正确判断。
-
公开(公告)号：CN112286921B
公开(公告)日：2024-06-07
申请号：CN202011175316.6
申请日：2020-10-29
Applicant: 海南大学
IPC: G06F16/215 , G06F16/23 , G06F16/242 , G06F16/2455 , G06F16/25 , G06Q10/10
Abstract: 本发明提供一种基于多源异构数据的动态企业画像生成方法，包括下列步骤：S1、采集目标企业的信息数据，并对所述企业信息数据进行预处理；S2、构建企业画像模型，所述企业画像模型由企业基本属性、企业经营范围、企业主要产品、企业内外关联、企业行业评价五个维度特征组成，从预处理后的企业信息数据中提取特征项，并填充至对应的维度特征，实现企业信息向量化，标签化；S3、若目标企业的信息数据出现变动，根据变动的企业信息数据，形成新的特征项，并将维度特征中的旧的特征项进行替换更新，形成新的企业画像。
-
公开(公告)号：CN117334334B
公开(公告)日：2024-05-03
申请号：CN202311272180.4
申请日：2023-09-28
Applicant: 海南大学
IPC: G16H50/30 , G16H50/70 , G06F18/214 , G06F18/21 , G06F18/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N20/20 , G06N3/048
Abstract: 本发明公开一种健康风险预测方法、装置、设备及介质。该方法获取现时环境数据；将现时环境数据输入至预测模型中，所述预测模型包括VARLST混合模型和AdaBoost模型，其中，所述VARLST模型包括VARMA模型和BI‑LSTM模型，将VARLST模型的预测结果和AdaBoost模型的预测结果进行加权融合，获得最终预测值；基于现时环境数据下预测的最终预测值以及过去时间段内的危险参考基准值下的疾病患病人数和非患病人数，计算得到预测健康风险的相对危险值；基于相对危险值进行健康风险预警。本发明能够在环境质量指数异常时，通过快速预测以及健康风险的相对危险值的计算，做到提早预防的准备。
-
公开(公告)号：CN117952198A
公开(公告)日：2024-04-30
申请号：CN202311606478.4
申请日：2023-11-29
Applicant: 海南大学
IPC: G06N5/022 , G06N3/049 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N5/04
Abstract: 本发明公开基于时间特征和复杂进化下的时序知识图谱表示学习方法，包括构建TFCE模型，包括时间特征模块、复杂进化模块和两个嵌入时间的解码器，时间特征模块，用于对知识图谱中的实体和关系进行时间编码，捕捉时间特征的长距离依赖关系和关联关系，获得时间嵌入矩阵；复杂进化模块中引入感知机制和注意力网络，用于分别学习知识图谱中的实体和关系在每个时间戳上的进化表示，更新实体嵌入矩阵和关系嵌入矩阵；两个嵌入时间的解码器同时进行实体预测和关系预测；将数据集输入至所述TFCE模型进行训练，同时计算损失函数以更新模型参数，当损失函数不断下降直至收敛时，得到最优TFCE模型。本发明能够提高对未来事件的预测效果。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.025 seconds)
