-
公开(公告)号：CN117633148A
公开(公告)日：2024-03-01
申请号：CN202311414901.0
申请日：2023-10-30
Applicant: 三峡大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/30 , G06F18/22 , G06F18/2431 , G06N3/045 , G06N3/0895 , G16H70/00
Abstract: 本发明利用统计模型计算所示目标医学术语的相似度，得到文本特征；利用深度度量学习进行向量表示计算相似度，得到语义特征；融合文本特征和语义特征信息。利用预训练模型，将医学术语和候选实体转化为高维向量，后续经过对比学习策略，优化样本表示之间的距离，学习相似样本的差异性。本发明提供一种基于融合多策略对比学习的医学术语标准化方法，成功开发了首个对比学习模型，针对中文医学术语标准化。该模型能够准确捕捉医学术语与候选词之间微妙的差异，准确率达到了领先水平，超越了当前主流的二分类模型。引入了多头注意力机制进行数量预测，通过感知候选排序与相关信息之间的关联性，有效地提升了数量预测的准确性。
-
公开(公告)号：CN112561820B
公开(公告)日：2023-10-27
申请号：CN202011496815.5
申请日：2020-12-17
Applicant: 三峡大学
IPC: G06T5/00
Abstract: 一种适用于超声图像去噪的自适应加权混合总变分方法,包括通过超声图像成像模型和已知的乘性高斯噪声分布，采用最大后验概率估计理论推导出适用于超声图像去噪的通用最小化凸能量泛函；将通用凸能量泛函的正则化项采用一阶总变分、二阶总变分和自适应加权函数融合形成自适应加权混合总变分项，从而得到本发明方法的凸能量泛函。将凸能量泛函采用Split‑Bregman算法进行最小化求解，迭代过程中交替实现超声图像的去噪和自适应加权函数的优化，最终得到的去噪超声图像在有效降低散斑噪声的同时能更好地保留超声图像细节和边缘信息，从而有效提高超声图像的视觉判读性。
-
-
公开(公告)号：CN115861342A
公开(公告)日：2023-03-28
申请号：CN202211514057.4
申请日：2022-11-28
Applicant: 三峡大学
IPC: G06T7/11 , G06T5/00 , G06T5/30 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于ENET和图形学算法的围栏识别方法，涉及计算机视觉、图像处理领域，获取包含围栏设施的图片，并对图片进行预处理；手动分割出图片中的围栏区域并生成对应的掩膜；将原始围栏数据及其对应的掩膜通过随机划分获得训练集、验证集、测试集；将划分好的训练集和验证集输入ENET神经网络训练；将包含围栏设施的测试图片输入训练好的网络获得初步的预测图；运用计算机图形学算法对初步的预测图进行处理获得完整的围栏面；输出最终的围栏识别效果图；该方法一定程度上克服了传统目标检测对于尺度变化范围大、中空结构的围栏设施识别效果较差的问题，采用计算机图形学算法进行处理，在围栏的边界处理上有着更好的表现性能。
-
公开(公告)号：CN119027330A
公开(公告)日：2024-11-26
申请号：CN202410991708.1
申请日：2024-07-23
Applicant: 三峡大学
IPC: G06T5/60 , G06T5/70 , G06N7/01 , G06N5/04 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于成像模型引导的深度变分超声图像散斑消减方法，包括：（1）利用超声图像成像的物理模型及相关参量的统计先验分布，构建超声图像散斑消减的完全贝叶斯模型；（2）基于变分推断原理，利用两个深度卷积网络分别参数化噪声方差和无噪图像的变分后验分布，且两个深度网络通过创建的证据下界ELBO损失和图像物理重建损失来联合训练优化，预训练的网络能同时估计噪声方差和推断散斑消减图像。本发明方法作为一种深度变分框架，既具有模型驱动方法的物理可解释性，又具有数据驱动方法的通用性和灵活性，且能获得优秀的超声散斑消减性能。
-
Patent Agency Ranking
公开(公告)号：CN118471476A
公开(公告)日：2024-08-09
申请号：CN202410665091.4
申请日：2024-05-27
Applicant: 三峡大学
IPC: G16H50/20 , G06N5/022 , G06F16/36 , G06F16/335 , G06F40/289 , G06F40/284 , G06F40/30 , G06F40/205
Abstract: 本发明公开了一种基于大语言模型的辅助诊断方法，包括以下步骤：利用先进的自然语言处理技术，特别是大型预训练语言模型，构建一个全面、准确的疾病知识图谱，分别从症状、体征、实验室检查异常和仪器检查异常进行切入，以提高医疗诊断的效率和准确性；通过整合目前所有常见疾病知识库并自定义关键词和调整Embedding模型，优化模型对疾病症状、体征、诊断和治疗方案的理解和查询能力；结合自己构建的医疗数据集进行模型训练，包括传统公开医疗数据和医院内部数据，涵盖了目前市面上所有的常见疾病。本发明在疾病知识库的构建与精准查询方面取得了显著的成果，能够帮助医生更快速、准确地诊断疾病，为患者提供方便的预问诊平台并提供更好的治疗方案。
-
公开(公告)号：CN114359151B
公开(公告)日：2024-08-06
申请号：CN202111481981.2
申请日：2021-12-06
Applicant: 三峡大学
Abstract: 组合SegNet网络和局部Nakagami分布拟合模型的超声图像分割方法，包括：(1)利用超声图像集和分割真值集对SegNet网络进行训练，预训练的SegNet网络进行超声图像的粗分割；(2)将SegNet网络的粗分割结果转化为初始化水平集函数，利用局部Nakagami分布拟合模型实现精分割，既能克服SegNet网络分割超声图像所出现的边缘定位精度不足问题，也能克服水平集分割方法的初始化敏感问题，从而实现高精度且高效率的超声图像自动分割。
-
公开(公告)号：CN114360736B
公开(公告)日：2024-07-05
申请号：CN202111510584.3
申请日：2021-12-10
Applicant: 三峡大学
IPC: G16H50/80 , G06T7/00 , G06T5/40 , G06V10/25 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G16H10/60 , G06F40/284 , G06F40/30 , G06F18/25 , G06N3/0464
Abstract: 本发明涉及基于多信息样本类自适应分类网络的COVID‑19识别方法，包括：收集不同数据源的不同类别的人体胸部X光影像以及对应的个人经历数据，分类后制作成原始数据集；对原始数据集进行数据清洗，对其中的X光影像进行特征增强后，提取肺部区域；整理肺部区域数据集和个人经历数据形成目标数据集；利用目标数据集对多信息样本类自适应分类网络进行训练；将待识别的人体胸部X光影像和对应的个人经历数据输入训练好的多信息样本类自适应分类网络，得到COVID‑19的识别结果。本发明的识别方法从多种信息中提取特征，根据提取的特征识别出COVID‑19，提高了识别的准确率；采用样本类自适应分类，缓解了样本数较少情况下类别不均衡对训练的不利影响。
-
公开(公告)号：CN111815527B
公开(公告)日：2023-10-27
申请号：CN202010550145.4
申请日：2020-06-16
Applicant: 三峡大学
IPC: G06T5/00
Abstract: 基于Weibull分布的混合高阶变分超声图像去噪方法，对超声图像进行噪声分布拟合，采用Weibull概率密度函数，对选定的图像局部均匀区域进行灰度直方图拟合，并对拟合分布参数采用最大似然法进行估计；根据拟合的噪声分布，推导对数真实无噪图像的似然函数，将似然函数进行负的对数变换，从而得到最小化能量函数的数据保真项；将对数真实无噪图像一阶正则化表达式和二阶正则化表达式进行加权融合，构建最小化能量函数的混合高阶正则化项；将数据保真项和混合高阶正则化项形成最小化能量函数模型，采用Split‑Bregman迭代方法进行快速求解，迭代收敛后，利用指数变换得到去噪超声图像。本发明方法能有效降低散斑噪声的同时更好地保留图像的细节和边缘信息，从而增强超声图像的视觉判读性。
-
公开(公告)号：CN114360127B
公开(公告)日：2023-09-22
申请号：CN202111547643.4
申请日：2021-12-16
Applicant: 三峡大学
IPC: G07C9/25 , G06V40/10 , G06V20/52 , G06V10/56 , G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , A61B5/01 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种用于安检系统的行人健康监测方法，包括以下步骤：步骤1：采集商场、医院、地铁站等大型公共场所的行人经过门禁的画面，对图像进行标记；步骤2：将图像输入实例级行人检测网络中训练，识别行人是否合理佩戴口罩以及是否持有健康码；步骤3：将模型嵌入在安检系统中，对行人健康状况进行监测。本发明的目的是为了解决在疫情防控技术领域中，在需要检查行人体温以及健康码的情况下，现有技术所存在的只能对行人进行单人检测，无法实现多个行人一次性检测的技术问题，使得在人流量较大的场景下具有一定的局限性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.018 seconds)
