-
公开(公告)号：CN117892805B
公开(公告)日：2024-05-28
申请号：CN202410306872.4
申请日：2024-03-18
Applicant: 清华大学
Abstract: 本发明涉及机器学习技术领域，特别涉及一种基于超网络和层级别协作图聚合的个性化联邦学习方法，其中，方法包括：接收多个客户端的目标模型参数更新量和更新后的多个客户端目标模型参数，并对超网络中的目标超网络参数进行自适应更新，分层计算多个客户端的目标模型参数更新量得到初始相似性矩阵，并利用目标超网络参数显式建模多个客户端的协作关系，进而生成层级别协作图，将更新后的多个客户端的目标模型参数分层，并按对应层级别协作图边权重进行加权聚合，得到每个客户端的最优个性化模型。由此，有效缓解了基于个性化参数聚合的联邦学习方法在选择客户端进行协作时不够灵活的问题。
-
公开(公告)号：CN115067962A
公开(公告)日：2022-09-20
申请号：CN202210467494.9
申请日：2022-04-29
Applicant: 清华大学
IPC: A61B5/346
Abstract: 本发明提供一种心电信号的分类方法及装置。该方法包括：将心电信号波形输入分类网络模型，得到分类结果，所述分类网络模型包括：深度特征提取网络、波形特征提取模块、全连接层和分类模块，所述深度特征提取网络用于对所述心电信号波形进行带通滤波后提取深度特征，所述波形特征提取模块用于提取所述心电信号波形的统计特征，所述深度特征和所述分类统计特征拼接后输入所述全连接层；根据所述统计特征和所述分类结果生成分类报告；输出所述分类报告。该方法使用心电信号波形的深度特征和统计特征进行分类，提高了分类结果的准确性，同时，通过增加统计特征，使提取的特征信号更具有可解释性，从而提高了分类网络模型的分类结果的可解释性。
-
公开(公告)号：CN114972849A
公开(公告)日：2022-08-30
申请号：CN202210505393.6
申请日：2022-05-10
Applicant: 清华大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06T7/00 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本公开提供的一种胶质瘤的类型识别方法、模型训练方法、装置、设备，涉及图像处理技术，包括：获取胶质瘤的组织病理图像；将组织病理图像输入预设识别模型，提取胶质瘤中各目标图块的各特征向量，基于第一通道对各特征向量进行处理，得到与每种类型对应的第一分类信息以及目标向量，基于第二通道对目标向量进行处理，得到与每种类型对应的第二分类信息；对第一分类信息和第二分类信息进行处理，得到目标分类结果。本方案中，可以通过第一通道得到每种类型对应的第一分类信息以及目标向量；通过第二通道对目标向量进行处理，得到每种类型对应的第二分类信息；根据第一、第二分类信息，得到分类结果。可在一定程度上提高分型的准确率。
-
公开(公告)号：CN114913923A
公开(公告)日：2022-08-16
申请号：CN202210496320.5
申请日：2022-05-09
Applicant: 清华大学
Abstract: 本发明提供一种针对单细胞染色质开放性测序数据的细胞类型识别方法、系统、电子设备及存储介质，属于细胞检测技术领域，通过获得有效表征训练集特征的贝叶斯神经网络模型，实现对单细胞染色质开放性数据进行高精度的细胞类型识别。本发明的包含混合高斯模型的叶贝斯神经网络，作为一种概率生成模型，能够生成与真实数据高度吻合、无批次效应的仿真单细胞染色质开放性数据，适用于单细胞染色质开放性测序数据的细胞类型检测的数据仿真场景中。
-
公开(公告)号：CN111062051B
公开(公告)日：2022-05-20
申请号：CN201911199645.1
申请日：2019-11-29
Applicant: 清华大学
IPC: G06F21/62
Abstract: 本发明提供一种医疗数据系统的权限管理方法，包括：采取默克尔有向无环图存储医疗数据的权限为记录，记录包括内容、内容哈希值、前左记录哈希值、前右记录哈希值和记录哈希值，内容包括首记录哈希值、受权人、授权记录哈希值、权限、授权日期和有效期，将医疗数据在医疗数据系统生成时的权限对应的记录作为首记录，首记录哈希值是首记录的记录哈希值，授权记录哈希值是授权人获得授权权利的记录的记录哈希值，记录哈希值是本记录的内容哈希值、前左记录哈希值和前右记录哈希值三者拼接后，通过哈希运算生成的哈希值。上述方法能够快速检验权限历史篡改情况。
-
Patent Agency Ranking
公开(公告)号：CN114334128A
公开(公告)日：2022-04-12
申请号：CN202111446542.8
申请日：2021-11-30
Applicant: 清华大学
Abstract: 本发明涉及智能医学领域，提供一种基于CT影像的肿瘤演进过程分析方法、系统及存储介质，将待检测肿瘤的原始CT影像进行降噪预处理获得肿瘤图像矩阵；对肿瘤图像矩阵进行定位标注，获得含有肿瘤位置信息的图像矩阵；将含有肿瘤位置信息的图像矩阵输入肿瘤影像深度网络模型，获得肿瘤特征向量；将所获得的肿瘤特征向量投影到通过训练预先获取的肿瘤演进轨迹上，获得待检测肿瘤在肿瘤演进轨迹上的位置；根据待检测肿瘤在肿瘤演进轨迹上的位置，获得并输出待检测肿瘤的肿瘤演进过程的评分；达到了准确提供肿瘤在演进过程中所处的阶段，辅助医生精准判断肿瘤病灶的临床特性的技术效果。
-
公开(公告)号：CN113723617A
公开(公告)日：2021-11-30
申请号：CN202110986930.9
申请日：2021-08-26
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本发明提供一种二阶段联邦学习方法、系统，按照预设的第一轮次数重复基于特征融合算法根据本地模型和新全局模型进行一阶段联邦学习，以更新本地模型的本地权重和新全局模型的参数，并将更新的新全局模型作为二阶段全局模型，再通过预设的测试数据对二阶段全局模型进行收敛测试以获取准确率，若准确率收敛，则将二阶段全局模型作为客户端的二阶段本地模型，并重复基于联邦平均算法进行二阶段联邦学习，以更新二阶段本地模型的本地权重，若重复次数达到预设的第二轮次数，则完成二阶段联邦学习，如此，改变原模型训练的损失函数，使得本地模型在更新时更接近于从服务器端收到的全局模型，从而减轻用户本地数据的过多影响，进而使模型更快地具有泛化能力，提高收敛速度。
-
公开(公告)号：CN110458846B
公开(公告)日：2021-08-24
申请号：CN201910567031.8
申请日：2019-06-27
Applicant: 清华大学
Abstract: 本发明属于生物医学和计算机图像处理技术领域，公开了一种基于图路径搜索和深度学习的细胞图像分割方法，包括采用经过训练的U‑net预测模型，进行以下步骤：预测阶段，把待分割的细胞图像输入经过训练的U‑net预测模型，预测出待分割细胞的距离图；标注细胞中心，以局部像素值最大的像素点作为细胞中心；搜索路径，搜索两个相邻细胞中心的多条路径，提取路径点的像素值；进行判断，以搜索路径上每个路径点的像素值与细胞中心像素值对比判断两个细胞中心是否属于不同细胞，若不是则进行其他两个相邻细胞中心之间的路径搜索，若是则进入分割处理，重复搜索直至全部搜索完成。本发明可以实现对细胞图像中的粘连细胞进行较好的区分和分割。
-
公开(公告)号：CN108921172B
公开(公告)日：2021-01-12
申请号：CN201810550987.2
申请日：2018-05-31
Applicant: 清华大学
Abstract: 本发明公开了一种基于支持向量机的图像处理装置。该装置包括：图像块获取模块，用于获取图像块；特征提取模块，提取图像块特征，得到特征向量，包括：第一提取单元，第二提取单元，第三提取单元，以及第四提取单元；图像识别模块，基于邻近算法，从低级别到高级别，根据某一级别中是否存在大于该级别预先设置的阈值的置信分数识别该图像块是否正常；图像分类模块，基于支持向量机对图像分类；数据处理模块，对识别出的图像块数目和分类出的图像块数目进行处理，完成图像的识别和分类。本发明还公开了一种基于支持向量机的图像处理方法。本发明可以快速、准确的完成图像识别与分类，提高了识别和分类的准确性，可应用于病理组织图片处理。
-
公开(公告)号：CN108846834B
公开(公告)日：2020-11-20
申请号：CN201810548920.5
申请日：2018-05-31
Applicant: 清华大学
Abstract: 本发明提供一种医用图像处理装置及医用图像处理方法，包括：图像存储部，存储包含股骨头的第一图像；图像分割部，分割出仅含有股骨头部分的第二图像；特征检验部，检验第二图像边缘是否为圆，显示不为圆部分的图像；纹理检测部，包括：ROI区域选取单元，从第二图像选取ROI区域；灰度变换单元，所述区域作灰度梯度变换，大于第一阈值的点置为0；细分单元，将ROI区域细分成多个第二区域，ROI区域面积是第二区域面积的整数倍；计数单元，对第二区域内的0的个数进行计数；第一判断单元，判断第二区域0个数是否超过第二阈值；第一显示单元，显示超过第二阈值的第二区域的图像。上述装置和方法能够实现股骨头医用图像的自动化处理。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.045 seconds)
