-
公开(公告)号：CN115861694A
公开(公告)日：2023-03-28
申请号：CN202211495980.8
申请日：2022-11-24
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于自聚类图卷积的解剖学合理性检测方法及系统，通过全卷积操作提取特征图，然后对特征图中的节点进行M次独立的随机聚类得到M组聚类结果，选取M组聚类结果中任意一组作为基准，计算所选取的聚类结果中每个聚类集合与其他组聚类结果中聚类集合的交并比，选取每个聚类结果中交并比最大的聚类集合与其进行合并得到最终聚类结果，将最终聚类结果作为邻接矩阵，与全卷积操作提取的特征图通过图卷积操作进行特征融合，得到解剖学融合特征，进行多层卷积操作，输出合理性判决结果。本发明在同一类别之间进行信息融合，对器官或组织的解剖学特征给出合理性评价。
-
公开(公告)号：CN114723698A
公开(公告)日：2022-07-08
申请号：CN202210331209.0
申请日：2022-03-30
Applicant: 浙江工业大学
Abstract: 一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
-
公开(公告)号：CN114021699A
公开(公告)日：2022-02-08
申请号：CN202111280238.0
申请日：2021-10-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于梯度的卷积神经网络剪枝方法及装置，采用卷积核的梯度来构建梯度欧式距离矩阵，统计挑选出的梯度欧式距离对应的卷积核出现的次数，根据出现的次数对卷积核进行排序，生成待删除卷积核索引序列，并逐层对待删除卷积核索引序列进行剪枝。相比于现有技术的其他方法，本发明的方法在压缩率不断提升的情况下，精度下降相对缓慢，具有较高的剪枝效率，能够达到较好的剪枝效果。实验证明了本发明的剪枝算法对压缩率的提升表现出了良好耐受力。
-
公开(公告)号：CN110533066B
公开(公告)日：2021-12-17
申请号：CN201910655806.7
申请日：2019-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的图像数据集自动构建方法，所述图像数据集自动构建方法包括以下步骤：第一步、获取图片：根据目标类别确定需要检索的关键字信息，使用计算机自动程序在互联网上检索出包含关键字的图片并保存下来；第二步、图像清洗：通过使用或改良目前流行的深度神经网络将保存下来的关键字图片与过渡数据集中的类别建立联系，筛选出有价值的建议区域图像；第三步、基于类别层次的数据集构建：针对保存下来的建议区域图像，根据关键字，过渡类别和目标类别的从属关系进行整合操作，输出目标图像数据集。本发明提供了一种可以解决图像识别领域中面临着训练样本数量不够，类型不够丰富的基于深度神经网络的图像数据集自动构建方法。
-
公开(公告)号：CN108665483B
公开(公告)日：2021-10-12
申请号：CN201810418273.6
申请日：2018-05-04
Applicant: 浙江工业大学
Abstract: 一种基于多特征融合的癌细胞跟踪方法，包括以下步骤：步骤1，癌细胞的检测，包括以下步骤：1.1、制作数据集；1.2、候选区域的产生；1.3、建议区域的分类及候选框的精修；步骤2，癌细胞的特征提取，包括以下步骤：2.1、质心特征的提取；2.2、卷积特征的提取；步骤3，癌细胞的初级跟踪，包括如下步骤：3.1、癌细胞类别判定；3.2、按类别进行初步跟踪；步骤4，癌细胞的再跟踪，包括如下步骤：4.1、漏检区域的关联匹配；4.2、重复检测区域的关联匹配。本发明提供了一种有效提高跟踪效率和跟踪精度的基于多特征融合的癌细胞跟踪方法。
-
Patent Agency Ranking
公开(公告)号：CN113469957A
公开(公告)日：2021-10-01
申请号：CN202110670353.2
申请日：2021-06-17
Applicant: 浙江工业大学
Abstract: 一种基于注意力机制的胰腺CT图像囊性肿瘤检测方法，首先整体框架基于改进Faster R‑cnn网络，对与特征提取主干网络采用ResNet101+FPN结构；构建了一个自下而上的增强特征金字塔，对于FPN生成的多尺度特征图，将其输入到改进的RPN网络中，RPN网络加入注意力机制能有效抑制不重要的信息，来生成更加适合的推荐区域。本发明解决了现有胰腺肿瘤小病灶检测精度不高以及出现的漏检误检难题，检测效果较好。
-
公开(公告)号：CN111814847A
公开(公告)日：2020-10-23
申请号：CN202010564925.4
申请日：2020-06-19
Applicant: 浙江工业大学
Abstract: 一种基于车辆三维轮廓的聚类方法，通过拍摄实际车辆或者三维模型投影法生成车辆的二值三视图；计算差异矩阵M，即N辆车两两之间的差异性，通过比较三张图中的差异性，得到最大差异值，可以是不同像素点的总数；将M进行归一化，可以以最大差异值为基准；M中元素越大即为不同的像素点个数越多，相互间的差异性越强，为了能够表达相似性以便于聚类，可以将M取反，如M＝1-M；进行聚类算法，得到K个不同的类。本发明能够可简单快速的实现轮廓聚类，且能够突出车辆姿态估计中所需关键特征上的差异。
-
公开(公告)号：CN111780350A
公开(公告)日：2020-10-16
申请号：CN202010473223.5
申请日：2020-05-29
Applicant: 浙江工业大学
Abstract: 一种基于融合遗传算法的空调节能方法，包括以下步骤：步骤1，建立空调能耗预测评估模型；步骤2，种群初始化；步骤3，适应度函数建立：将步骤1中建立的空调能耗预测模型作为适应度函数，并增加惩罚函数约束优化范围；步骤4，选择交叉基因：使用梯度遗传算法和锦标赛算法选择基因，并对基因进行单点交叉，生成子代基因；步骤5，变异子代基因：使用大变异遗传算法变异子代基因；步骤6，使用精英策略保留父辈最优基因保存，替换子代最差基因；步骤7，重复步骤3到步骤6，直到经过100代进化，或超过10次迭代，最优染色体不变，算法停止。本发明提升了优化速度，并达到更好的优化效果。
-
公开(公告)号：CN111724392A
公开(公告)日：2020-09-29
申请号：CN202010447464.2
申请日：2020-05-25
Applicant: 浙江工业大学
Abstract: 一种针对深度学习特征注意力转移的数据处理方法，首先获取前景特征和背景特征，使用photoshop进行填充处理，目的是消除目标留下的轮廓信息；其次随机对前后景特征用全排列的方式交叉出现，是将类间的无关信息差异体现在不同的图片中，这些无关信息就无法成为判断依据；最后训练数据，随着网络的优化，除了目标区域之外的信息的激活值会被不断降低，也就可以使得目标区域的激活值逐渐上升，增加特征提取准确性。
-
公开(公告)号：CN111724391A
公开(公告)日：2020-09-29
申请号：CN202010425083.4
申请日：2020-05-19
Applicant: 浙江工业大学
Abstract: 一种基于动态阈值的淋巴癌图像精细分割方法，首先使用双预测精度的方法来保证ROI选取的准确性，以及确保选择区域包含整个淋巴癌；其次，对于在优化过程中新出现的单个淋巴癌病灶，视为一个新的ROI区域，并以独立的阈值标准继续优化边缘，以此调整密集区域单个淋巴癌的边缘精细分割。本发明通过采用动态ROI阈值方法对密集区域单个病灶图像的初分割结果进行优化，利用双预测精度信息获取更为准确的淋巴癌图像。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.135 seconds)
