公开(公告)号：CN119107258A

公开(公告)日：2024-12-10

申请号：CN202411090864.7

申请日：2024-08-09

Applicant: 湖北省妇幼保健院(湖北省妇女儿童医院) ,  中国地质大学(武汉)

Inventor： 严秋月 ,  石祖亮 ,  朱雅琪 ,  陈大颉

IPC: G06T5/77 ,  G06T5/60 ,  G06T7/00 ,  G06V10/82

Abstract: 本发明提供一种CT影像修复的神经网络模型及训练方法、装置和设备，涉及深度学习技术领域，其中，CT影像修复的神经网络模型的训练方法包括：获取样本影像集；利用所述样本影像集对预设神经网络模型进行训练，获取损失函数对应的梯度值；基于所述梯度值的反方向更新所述预设神经网络模型的权重参数并进行迭代训练，直至所述预设神经网络模型输出的影像对应的损失函数达到预设值；将所述损失函数达到预设值时对应的所述预设神经网络模型确定为目标神经网络模型，并利用目标神经网络完成对待修复影像的修复。本发明通过对神经模型进行合理优化，提高了对CT影像修复的效率和准确性。

公开(公告)号：CN119478210A

公开(公告)日：2025-02-18

申请号：CN202411499492.3

申请日：2024-10-25

Applicant: 中国地质大学(武汉)

Inventor： 陈麒玉 ,  李焕焕 ,  刘翠 ,  陈大颉 ,  刘刚

IPC: G06T17/00 ,  G06T7/10 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明提供一种基于生成对抗网络的三维模型重构方法及设备，涉及三维地质建模领域，包括：从原始三维模型中提取多个条件剖面；对各条件剖面进行填充和分割，获得训练三维模型集合；对原始三维模型进行分割，获得标签三维模型集合；通过训练三维模型集合和标签三维模型集合对生成对抗网络进行训练，获得训练好的生成对抗网络；将待重构的三维模型输入训练好的生成对抗网络，获得重构后的三维模型。本发明构建的生成对抗网络在生成器的多个网络中加入了自注意力层，优化了生成对抗网络的结构，基于自注意力层的生成对抗网络通过特征图的方式提取数据空间特征，避免了传统基于多点地质统计三维重构方法中生成结果含有不连续不自然空间结构的问题。

公开(公告)号：CN117172954A

公开(公告)日：2023-12-05

申请号：CN202311048619.5

申请日：2023-08-18

Applicant: 中国地质大学(武汉)

Inventor： 陈麒玉 ,  陈大颉 ,  崔哲思

IPC: G06Q50/02 ,  G06N3/0985 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了一种基于深度学习的储层表征方法、装置、设备及存储介质，该方法根据原有储层结构生成训练集和测试集；对训练集中原有储层结构进行采样得到第一条件数据；将第一条件数据按照相对位置进行排列，并将空白位置进行填充，获得第二条件数据；搭建待训练的神经网络，设置神经网络的超参数；初始化待训练的神经网络的权重参数，使用训练集及对应的第二条件数据对神经网络进行训练；使用测试集及对应的第三条件数据进行测试，若达到预设结果，通过目标条件数据进行储层结构的表征；若未达到预设结果，则返回设置神经网络超参数的步骤，对神经网络再次训练，直至满足预设结果，生成的储层结构结果连通性好，准确性高。

公开(公告)号：CN117171852A

公开(公告)日：2023-12-05

申请号：CN202311187736.X

申请日：2023-09-13

Applicant: 中国地质大学(武汉)

Inventor： 崔哲思 ,  陈麒玉 ,  刘刚 ,  陈大颉

IPC: G06F30/13 ,  G06F30/27 ,  G06F18/214 ,  G06F119/02

Abstract: 本申请提供了一种多条件数据融合神经网络的地质结构建模方法，包括：搭建多条件数据融合神经网络模型并进行训练，加载条件硬数据和条件软数据，将所述条件硬数据以及所述条件软数据输入至训练后的所述多条件数据融合神经网络模型，还原地质结构模型，将还原后的所述地质结构模型与参考模型进行对比，通过反向传播调整所述多条件数据融合神经网络模型的训练，保存所述地质结构模型的最终模拟结果，完成模拟流程。利用多条件数据融合神经网络模型提取并融合软硬条件数据中的隐含特征，并根据隐含特征实现了基于多条件数据融合神经网络模型的地质结构建模方法，大大提高了地质异构模式的重构能力和效率。