公开(公告)号：CN113744228A

公开(公告)日：2021-12-03

申请号：CN202110995542.7

申请日：2021-08-27

Applicant: 南通大学

Inventor： 丁卫平 ,  孙颖 ,  张毅 ,  李铭 ,  黄嘉爽 ,  鞠恒荣 ,  程纯 ,  曹金鑫 ,  耿宇 ,  孙楚迪

IPC: G06T7/00 ,  G06T7/136 ,  G06T7/194 ,  G06N3/00

Abstract: 本发明提供了一种用于大规模脑核磁分割的最大熵多阈值蚁群进化Spark方法，属于医学信息智能处理区域技术领域。其技术方案为：首先，读取大规模脑核磁图像数据，并进行预处理操作，然后，设计改进的蚁群算法，将脑核磁图像的灰度级作为路径上的节点，蚂蚁经过的灰度级节点作为分割的阈值组，将Kapur熵作为目标函数；最后，搭建Spark框架，将改进的蚁群算法封装在可并行计算的RDD集合中，进行并行处理，得到最佳阈值组，并根据阈值组进行脑核磁图像的阈值分割。本发明的有益效果为：能够有效提高对大规模脑核磁图像信息提取的效率和精度，对脑核磁数据计算机智能辅助处理具有较强的应用价值。

公开(公告)号：CN112001887B

公开(公告)日：2021-11-09

申请号：CN202010697178.1

申请日：2020-07-20

Applicant: 南通大学

Inventor： 丁卫平 ,  冯志豪 ,  李铭 ,  孙颖 ,  张毅 ,  鞠恒荣 ,  曹金鑫

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/04 ,  G06N3/08

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：CN113012775B

公开(公告)日：2021-10-08

申请号：CN202110341510.5

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  秦廷桢 ,  李铭 ,  孙颖 ,  鞠恒荣 ,  沈鑫杰 ,  潘柏儒 ,  冯志豪 ,  黄嘉爽 ,  程纯 ,  曹金鑫

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：CN113012776A

公开(公告)日：2021-06-22

申请号：CN202110341531.7

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  李铭 ,  孙颖 ,  秦廷帧 ,  鞠恒荣 ,  黄嘉爽 ,  高自强 ,  潘壬远

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：CN112907604A

公开(公告)日：2021-06-04

申请号：CN202110281472.9

申请日：2021-03-16

Applicant: 南通大学

Inventor： 丁卫平 ,  冯志豪 ,  李铭 ,  孙颖 ,  曹金鑫 ,  鞠恒荣 ,  黄嘉爽 ,  程纯 ,  秦廷帧 ,  沈鑫杰 ,  潘柏儒

IPC: G06T7/11 ,  G06T7/136 ,  G06K9/62 ,  G06N3/12

Abstract: 本发明提供了一种用于眼底棉绒斑图像分割的自适应超像素FCM方法，包括：S10、人为等比例裁剪出棉绒斑病变图像的病变区域；S20、对棉绒斑病变图像进行超像素处理，并将超像素点作为自适应FCM样本；S30、使用衍生多种群遗传算法优化自适应FCM聚类中心；S40、计算出聚类之后的逐像素损失值，回调参数；S50、形成眼底棉绒斑图像分割的遗传FCM聚类模型，输入眼底图像，既能输出分割后的眼底棉绒斑病变区域图像。本发明的一种用于眼底棉绒斑图像分割的自适应超像素FCM方法，大大降低了运行时间，提升图像分割时的精度，为相关糖尿病视网膜棉绒斑病变疾病的临床诊断和治疗提供重要的影像特征依据。

公开(公告)号：CN111242156A

公开(公告)日：2020-06-05

申请号：CN201911104118.8

申请日：2019-11-13

Applicant: 南通大学

Inventor： 丁卫平 ,  丁帅荣 ,  任龙杰 ,  鞠恒荣 ,  曹金鑫 ,  孙颖 ,  冯志豪 ,  李铭 ,  胡彬 ,  陈森博 ,  万杰 ,  赵理莉

IPC: G06K9/62

Abstract: 本发明公开一种用于微血管瘤病历图像的超平面近邻分类方法。该方法首先对糖尿病性眼底图像数据进行预处理和分割操作，从处理后的眼底病历图像中提取出微血管瘤病历图像的病变区域；接着将微血管瘤病变的图像区域形态学特征、纹理特征及灰度特征转化为l维数据向量xi；然后将数据分为训练数据Xtr和测试数据Xte，通过对训练数据Xtr进行训练得到一个包括分类超平面Hyper、支持向量集合Xsv、距离阈值t、最近邻居个数k、和谱哈希编码码长nb的高效分类模型；最后测试数据Xte预测时依据测试样本到分类超平面Hyper的距离与距离阈值t的关系，分别采用支持向量机模型和融合谱哈希算法的近邻算法进行预测，并综合相关预测结果。本发明能对提取出的眼底病历中微血管瘤病历图像特征进行快速有效分类，具有较高的分类准确率，大大降低了微血管瘤病历图像特征分类的执行时间。

公开(公告)号：CN119760464A

公开(公告)日：2025-04-04

申请号：CN202411888716.X

申请日：2024-12-20

Applicant: 南通大学

Inventor： 曹金鑫 ,  邹晓阳 ,  马星如 ,  鞠恒荣 ,  丁卫平

IPC: G06F18/2337 ,  G06F18/23213 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明提出了一种图正则化模糊自编码器的重叠群簇检测方法，属于复杂网络分析技术领域，解决了现有深度学习群簇检测方法难以处理拓扑中复杂结构导致过拟合以及重叠群簇检测欠缺的技术问题。其技术方案为：第一步，基于邻接矩阵和节点的度计算得出模块度矩阵；第二步，利用自编码器和模糊C均值聚类方法实现模糊自编码器的构建；第三步，构造一个图正则项以刻画节点的局部相似性；第四步，图正则化模糊自编码器经过训练获得模糊隶属度矩阵；第五步，使用模糊隶属度矩阵获取强相关阈值；第六步，运用节点的模糊隶属度计算重叠阈值；第七步，获取最终重叠群簇结构。本发明的有益效果在于，实现具有复杂结构重叠群簇的检测、提高模型泛化能力。

公开(公告)号：CN119715924A

公开(公告)日：2025-03-28

申请号：CN202411827560.4

申请日：2024-12-12

Applicant: 南通大学

Inventor： 许骞 ,  蔡健荣 ,  丁卫平 ,  王进 ,  鞠恒荣 ,  苏尤宇

IPC: G01N33/00 ,  G01N1/28

Abstract: 本发明提供了一种柑橘黄龙病检测专用的自制电子鼻装置及检测方法，解决了柑橘黄龙病不同感染阶段难以准确识别以及黄龙病专用的电子鼻检测设备缺失的技术难题。其技术方案为：一种柑橘黄龙病检测专用的自制电子鼻装置及检测方法，自制电子鼻装置包括集气室、测试模块和数据采集模块；检测方法包括以下步骤：步骤一：对传感器进行预热并清洁电子鼻腔室；步骤二：采集目标植株叶片，洗净并剪碎；步骤三：确定各实验参数；步骤四：设置测试气路中各器件流速；步骤五：对电子鼻中各个传感器的响应曲线进行数据分析和特征提取；步骤六：建立分类模型。实现黄龙病检测专属检测装置的设计搭建和不同感染阶段。

公开(公告)号：CN119446495A

公开(公告)日：2025-02-14

申请号：CN202411567109.3

申请日：2024-11-05

Applicant: 南通大学

Inventor： 丁卫平 ,  周天奕 ,  陈红光 ,  谢天 ,  符凡 ,  陈悦鹏 ,  尹涛 ,  耿胜 ,  黄嘉爽 ,  鞠恒荣

IPC: G16H50/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明提供了一种基于模糊内核的组织病理全量影像多任务方法，属于医学图像智能诊断技术领域，解决了当前全量影像模型无法同时进行高准确率分类和预测任务的技术问题。其技术方案为：首先，将全量图像预处理为微环境图像ITEM和低分辨率图像ILR；然后，通过隶属函数模糊和去模糊化，并将结果存储在内核中；接下来，通过交叉注意力对特征进行融合；再次，设计一种融合扩散模型，能够在扩散过程中受到动态模糊内核的引导；最后，将扩散后的特征放入分类和生存预测神经网络，得到最终结果。本发明的有益效果为：对多模态医学全量图像进行多任务处理，可以精确的对疾病进行分类及生存预测，帮助医生更全面确的了解肿瘤侵袭性和转移倾向。

公开(公告)号：CN119131443A

公开(公告)日：2024-12-13

申请号：CN202311689485.5

申请日：2023-12-11

Applicant: 南通大学

Inventor： 黄嘉爽 ,  苏展 ,  鞠恒荣 ,  曹金鑫 ,  丁卫平 ,  程纯 ,  姜舒 ,  戚晓雨 ,  魏少龙

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/25 ,  G06V10/40 ,  G06V10/774 ,  G16H50/20

Abstract: 本发明提供了一种基于元学习的基于元学习的罕见脑部病变辨别方法，属于医学信息智能诊断技术领域，解决了传统的人工智能训练需要大量的临床诊断信息，从数据层面上，部分疾病病患的样本数量无法满足传统神经网络训练的需求的技术问题。其技术方案为：先将脑部核磁共振影像的数据集划分为多个任务，每个任务中都包含支持集和查询集；在预训练任务上将CNN模型进行训练和测试，通过反向传播获得全局最优的初始化参数θ；然后使用新类别数据集中的支持集微调训练好的模型；再采用查询集进行测试，得到对模型进行评估。本发明的有益效果为：利用常见脑部疾病区分的先验经验对罕见疾病生成诊断意见，显著提高了模型的泛化能力。