-
公开(公告)号：CN110570425A
公开(公告)日：2019-12-13
申请号：CN201910994341.8
申请日：2019-10-18
Applicant: 北京理工大学 , 中国医学科学院肿瘤医院
Abstract: 本发明公开了一种基于深度强化学习算法的肺结节分析方法及装置，所述方法包括构造肺结节分析模型；然后获得待分析图像；将待分析图像数据输入至分析模型中的识别模块，识别模块根据预设征象分类模型给出肺结节的分类结果；根据分类结果确定待分析图像数据的分析结果并输出。本发明实施例所提供的肺结节分析方法通过深度强化学习原理进行肺结节的分析，提高了肺结节分析结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN102262642A
公开(公告)日：2011-11-30
申请号：CN201110030471.3
申请日：2011-01-28
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明提供一种图像搜索方法。该方法包括：用户用关键词进行图像搜索，其中，所述关键词表示图像的待检索语义；在搜索到的图像集合中，通过判别学习得到与所述待检索语义相对应的分类器；利用所述分类器来计算所述图像集合中每幅图像与所述待检索语义之间的相关度；以及，按照所述相关度对所述图像集合进行排序，并且将排序后的图像集合返回给用户。实验结果表明，通过使用本发明方法可以有效改善基于文本的图像检索效果。
-
公开(公告)号：CN103823843B
公开(公告)日：2017-02-22
申请号：CN201410035056.0
申请日：2014-01-24
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明涉及一种高斯混合模型树及其递增聚类方法，属于计算机应用技术中的聚类技术领域。该方法包括两部分：1、一种新的聚类结构——高斯混合模型树（聚类树）；2、在（1）的基础上，提出基于高斯混合模型树的递增聚类方法；其中，递增聚类方法包括数据插入、更新聚类树、数据删除和聚类结果确定。这四个技术环节的关系为：对于每一个新数据，都需要插入到现有的高斯混合模型树，再根据插入的结果更新聚类树；随着新数据的插入，检查已经插入到聚类树的数据是否需要删除，如果需要删除，则删除数据；当所有数据读取完成之后，确定聚类结果。本发明的方法在聚类的准确率、执行效率和稳定性方面都可以获得较好的效果。
-
公开(公告)号：CN102262642B
公开(公告)日：2013-07-10
申请号：CN201110030471.3
申请日：2011-01-28
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明提供一种Web图像搜索方法。该方法包括：用户用关键词进行图像搜索，其中，所述关键词表示图像的待检索语义；在搜索到的图像集合中，通过判别学习得到与所述待检索语义相对应的分类器；利用所述分类器来计算所述图像集合中每幅图像与所述待检索语义之间的相关度；以及，按照所述相关度对所述图像集合进行排序，并且将排序后的图像集合返回给用户。实验结果表明，通过使用本发明方法可以有效改善基于文本的图像检索效果。
-
公开(公告)号：CN110570425B
公开(公告)日：2023-09-08
申请号：CN201910994341.8
申请日：2019-10-18
Applicant: 北京理工大学 , 中国医学科学院肿瘤医院
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度强化学习算法的肺结节分析方法及装置，所述方法包括构造肺结节分析模型；然后获得待分析图像；将待分析图像数据输入至分析模型中的识别模块，识别模块根据预设征象分类模型给出肺结节的分类结果；根据分类结果确定待分析图像数据的分析结果并输出。本发明实施例所提供的肺结节分析方法通过深度强化学习原理进行肺结节的分析，提高了肺结节分析结果的准确性。
-
公开(公告)号：CN103823843A
公开(公告)日：2014-05-28
申请号：CN201410035056.0
申请日：2014-01-24
Applicant: 北京理工大学
IPC: G06F17/30
CPC classification number: G06F17/30598
Abstract: 本发明涉及一种高斯混合模型树及其递增聚类方法，属于计算机应用技术中的聚类技术领域。该方法包括两部分：1、一种新的聚类结构——高斯混合模型树（聚类树）；2、在（1）的基础上，提出基于高斯混合模型树的递增聚类方法；其中，递增聚类方法包括数据插入、更新聚类树、数据删除和聚类结果确定。这四个技术环节的关系为：对于每一个新数据，都需要插入到现有的高斯混合模型树，再根据插入的结果更新聚类树；随着新数据的插入，检查已经插入到聚类树的数据是否需要删除，如果需要删除，则删除数据；当所有数据读取完成之后，确定聚类结果。本发明的方法在聚类的准确率、执行效率和稳定性方面都可以获得较好的效果。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
