公开(公告)号：CN116645733A

公开(公告)日：2023-08-25

申请号：CN202310458727.3

申请日：2023-04-25

Applicant: 中国科学院计算技术研究所

Inventor： 刘瑶 ,  肖俊敏 ,  谭光明

IPC: G06V40/40 ,  G06V40/16 ,  G06V10/70 ,  G06V10/94 ,  G06N20/00 ,  G06N5/04

Abstract: 本发明提出一种基于深度伪造检测的深度学习模型推理加速方法、装置，所述方法包括：获取待检测图像视频；优化深度学习模型；基于优化后的所述深度学习模型，识别所述待检测图像视频的人脸特征；以及依据所述人脸特征，判断所述图像视频是否为深度伪造文件。该方法降低了模型推理预测时间，提升了深度伪造图像视频的检测性能。

公开(公告)号：CN111652843A

公开(公告)日：2020-09-11

申请号：CN202010342792.6

申请日：2020-04-27

Applicant: 中国科学院计算技术研究所

Inventor： 赵地 ,  刘瑶 ,  谭光明

IPC: G06T7/00 ,  G16H50/20 ,  G16H10/20 ,  G16H10/60 ,  G06N5/00 ,  G06N7/00

Abstract: 本发明提出一种基于核磁共振结构影像加权的决策支持方法及系统，包括：使用已标注核磁共振结构影像作为训练数据，对卷积神经网络模型进行预训练，得到决策支持模型；根据待分析对象的临床资料通过数据库查询，得到该待分析对象患病的前置概率；采用深度学习和统计回归的方法，提取该待分析对象核磁共振结构影像的量化特征，将该量化特征作为权重引入该决策支持模型，将该前置概率输入至该决策支持模型，得到该待分析对象的疾病决策支持结果。本发明提供的种基于核磁共振结构影像加权的阿尔茨海默病早期预测的方法具有更高的准确率、假阴性率和假阳性率。