-
公开(公告)号：CN110522448B
公开(公告)日：2023-04-11
申请号：CN201910631316.3
申请日：2019-07-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于图卷积神经网络的脑网络分类方法，包括以下步骤：首先，从大脑功能核磁共振图像中提取各个脑区的血氧合度依赖信号；其次，构建能够反映大脑分区之间功能性连接拓扑结构特征的脑图；再次，将构建的脑图以及实际诊断标签输入到图卷积神经网络中进行特征学习以及模型训练。本发明用于脑网络分类。
-
Patent Agency Ranking
公开(公告)号：CN110522448A
公开(公告)日：2019-12-03
申请号：CN201910631316.3
申请日：2019-07-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于图卷积神经网络的脑网络分类方法，包括以下步骤：首先，从大脑功能核磁共振图像中提取各个脑区的血氧合度依赖信号；其次，构建能够反映大脑分区之间功能性连接拓扑结构特征的脑图；再次，将构建的脑图以及实际诊断标签输入到图卷积神经网络中进行特征学习以及模型训练。本发明用于脑网络分类。
-
公开(公告)号：CN104021346B
公开(公告)日：2017-02-22
申请号：CN201410250514.2
申请日：2014-06-06
Applicant: 东南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于程序流程图的Android恶意软件检测方法。对于一个待检测的APK应用程序，首先根据反编译后生成的smali文件，分析程序的基本块并得到其流程图，将API全路径哈希编码值与其连接关系组成的图指纹作为恶意行为特征，然后利用子图同构理论进行恶意软件的行为匹配。相对于传统的利用文件签名方案进行恶意软件检测的系统，本方法可以有效识别出恶意软件的变种，并能有效抵抗恶意代码篡改等签名方案无法检测的病毒类型。
-
公开(公告)号：CN109389585B
公开(公告)日：2021-11-02
申请号：CN201811102450.6
申请日：2018-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于全卷积神经网络的脑组织提取方法，包括以下步骤：首先，采用全卷积分割网络对二维的原始核磁共振图进行初步分割，得到初步分割结果；其次，根据初步分割结果分离脑组织内部以及边界信息；再次，选取这些无法确定是否为脑组织的像素点，作为边界候选像素，将这些候选像素及其邻域送到卷积神经网络中进行二次分割，实现分类判决；最后，整合初步分割得到的内部分割结果以及二次分割得到的边界分割结果，进而获得最终的脑组织提取分割结果。本发明进行粗细两次分割，既保证了本方法的计算效率，又实现了精细化分割目标，能较好地应用于大脑磁共振图像，实现更为精确的脑组织与颅骨、眼球、皮肤、脂肪等非脑组织的剥离。
-
公开(公告)号：CN109389585A
公开(公告)日：2019-02-26
申请号：CN201811102450.6
申请日：2018-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于全卷积神经网络的脑组织提取方法，包括以下步骤：首先，采用全卷积分割网络对二维的原始核磁共振图进行初步分割，得到初步分割结果；其次，根据初步分割结果分离脑组织内部以及边界信息；再次，选取这些无法确定是否为脑组织的像素点，作为边界候选像素，将这些候选像素及其邻域送到卷积神经网络中进行二次分割，实现分类判决；最后，整合初步分割得到的内部分割结果以及二次分割得到的边界分割结果，进而获得最终的脑组织提取分割结果。本发明进行粗细两次分割，既保证了本方法的计算效率，又实现了精细化分割目标，能较好地应用于大脑磁共振图像，实现更为精确的脑组织与颅骨、眼球、皮肤、脂肪等非脑组织的剥离。
-
公开(公告)号：CN104021346A
公开(公告)日：2014-09-03
申请号：CN201410250514.2
申请日：2014-06-06
Applicant: 东南大学
IPC: G06F21/56
CPC classification number: G06F21/561
Abstract: 本发明公开了一种基于程序流程图的Android恶意软件检测方法。对于一个待检测的APK应用程序，首先根据反编译后生成的smali文件，分析程序的基本块并得到其流程图，将API全路径哈希编码值与其连接关系组成的图指纹作为恶意行为特征，然后利用子图同构理论进行恶意软件的行为匹配。相对于传统的利用文件签名方案进行恶意软件检测的系统，本方法可以有效识别出恶意软件的变种，并能有效抵抗恶意代码篡改等签名方案无法检测的病毒类型。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
