公开(公告)号：CN114494196A

公开(公告)日：2022-05-13

申请号：CN202210094089.7

申请日：2022-01-26

Applicant: 南通大学

Inventor： 丁卫平 ,  王海鹏 ,  鞠恒荣 ,  刘传升 ,  耿宇 ,  黄嘉爽 ,  程纯 ,  曹金鑫 ,  秦廷桢 ,  沈鑫杰 ,  潘柏儒

IPC: G06T7/00 ,  G06T5/00 ,  G06N5/00 ,  G06N5/04 ,  G06N3/12 ,  G06N3/04 ,  G06N3/08 ,  G16H30/20 ,  G16H50/20

Abstract: 本发明涉及医学信息智能处理技术领域，具体涉及基于遗传模糊树的视网膜糖尿病变深度网络检测方法。首先对视网膜图像进行增强处理，将病变区域展宽，对正常区域进行压缩；然后搭建网络模型U‑net，准确分割出视网膜血管以及血管末梢图像；接着将模型分割出的血管图像与真实诊断结果进行训练，构建出可解释的模糊决策树；其次对决策树权值编码并且构造适应度函数，基于遗传算法对多棵决策树进行组合优化；最后引入准确率指标动态调整损失函数中的惩罚项。本发明的有益效果是可精确地识别出视网膜糖尿病变血管末梢，提高检测分类准确度，更有效地帮助医生诊断视网膜糖尿病变，让患者获得最佳治疗时期。

公开(公告)号：CN114491293A

公开(公告)日：2022-05-13

申请号：CN202210104815.9

申请日：2022-01-28

Applicant: 南通大学

Inventor： 许伟忠 ,  曹金鑫 ,  张晓峰 ,  丁卫平 ,  鞠小林 ,  鞠恒荣 ,  黄嘉爽 ,  程纯

IPC: G06F16/9536 ,  G06Q50/00 ,  G06K9/62

Abstract: 本发明属于复杂网络分析技术领域，具体涉及一种统一化融合内容信息的半监督社团检测方法。本发明的步骤为：形式化带有节点内容网络中的拓扑和内容信息；利用基于非负矩阵分解的生成框架实现基于标准NMF和SNMF的拓扑子模型，计算结构相似度构建must‑link先验信息以调整节点社团隶属度，借鉴pLSA主题模型思想，基于非负矩阵分解构建内容子模型；引入平衡因子统一化融合具有先验信息的拓扑子模型和内容子模型，进而构建统一化融合节点内容半监督社团检测模型，最后，利用梯度下降法学习模型参数，得到节点的社团隶属度矩阵，进行聚类以挖掘网络中社团结构，运用标准化互信息熵NMI和调整兰德系数ARI对模型性能进行评估。

公开(公告)号：CN112232253B

公开(公告)日：2021-11-09

申请号：CN202011154195.7

申请日：2020-10-26

Applicant: 南通大学

Inventor： 鞠恒荣 ,  孙颖 ,  蔡天使 ,  丁卫平 ,  曹金鑫 ,  黄嘉爽 ,  张毅 ,  马依婷 ,  牛辅疆

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/00 ,  A61B5/344 ,  A61B5/346

Abstract: 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法，包括如下步骤：S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表；S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算；S30基于PSO优化算法的合理邻域选择；S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径，更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法，根据邻域信息识别异常样本，分别给出不同分布情况下样本的粗糙隶属度，为标签噪声样本提供一组伪类别标记；引入合理粒度准则，利用粒子群优化算法选择最优邻域半径，对根据伪类别标记修正后的信息表进行上下近似集的更新。

公开(公告)号：CN112163133B

公开(公告)日：2021-10-08

申请号：CN202011023382.1

申请日：2020-09-25

Applicant: 南通大学

Inventor： 鞠恒荣 ,  李铭 ,  丁卫平 ,  曹金鑫 ,  黄嘉爽 ,  周子洵 ,  张毅

IPC: G06F16/906 ,  G06K9/62

Abstract: 本发明提供了一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，包括如下步骤：S10采集乳腺癌数据集，并将所述乳腺癌数据集分为训练数据集和测试数据集；S20在所述训练数据集上构建多粒度数据；S30在不同粒度的所述病理特征约简集合下预测所述测试数据的类别标签集合；S40根据投票机制得到所述测试数据集中票数最多的类别标签，获得乳腺癌数据分类结果。本发明的一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，去除了冗余属性压缩乳腺癌数据规模，同时在分类过程中，将证据理论引入邻域粗糙分类，充分地利用了样本之间的紧密性，提升了对乳腺癌数据分类的效率和精度，对乳腺癌智能辅助分类具有较强的应用价值。

公开(公告)号：CN113159156A

公开(公告)日：2021-07-23

申请号：CN202110405276.8

申请日：2021-04-15

Applicant: 南通大学

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

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04

Abstract: 本发明提供了一种用于宫颈癌数据分类的粗糙图卷积方法，要从宫颈癌数据中获得宫颈癌病变细胞信息的数据集合及其决策分类；计算宫颈癌数据中决策属性的依赖度，约简子集的属性重要度；按照约简子集的重要度排序选择可以得到宫颈癌数据中病理特征约简子集R；将经过粗糙集处理后的宫颈数据集转换成拓扑图的形式，作为神经网络的输入；利用神经网络采取一阶切比雪夫ChebNet的方法进行图卷积，用半监督方法进行节点分类，所得到的结果经过可视化后可求出宫颈癌数据中数据所属的类。本发明能够有效提高对宫颈癌数据进行分类的效率和精度，对宫颈癌数据计算机智能辅助分类具有较强的应用价值。