-
公开(公告)号：CN119180751A
公开(公告)日：2024-12-24
申请号：CN202411117623.7
申请日：2024-08-15
Applicant: 北京航空航天大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T3/4053 , G06V10/25 , G06V10/764 , G06V10/54 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于条件控制扩散模型的HRCT图像生成方法及系统，涉及图像处理技术领域，该方法包括：采集病灶图像以构建数据集，并运用图像处理算法，从所述数据集中识别并提取待检测区域；通过分析待检测区域的纹理特性确定种子点，并将种子点输入至图像分割模型中，获取图像分割结果；运用图像解析技术，对经过分割的图像进行分类与标注，得到图像分类结果；基于图像分类结果，优化预设的图像扩散模型，并将所述图像扩散模型与条件调控网络融合，生成高分辨率图像。本发明通过建立数据集，采用图像处理技术，在降低标注成本的同时生成高质量的图像，为后续的图像分割任务提供了更可靠的数据基础，提高对图像的检出效能。
-
公开(公告)号：CN118212446A
公开(公告)日：2024-06-18
申请号：CN202410259733.0
申请日：2024-03-07
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V20/69 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于transformer的医学图像细粒度分类方法，包括：获取待处理的包括多菌类的图像并预处理输入transformer分类模型，获取transformer分类模型输出的part图像；在transformer分类模型的处理中，利用transformer分类模型中不同头head来辅助定位包含目标区别性特征的区域作为part图像，首先获取各层不同头head的注意力图attention map，利用attention map对应原图中的响应区域作为该head定位到的part图像，然后选择更强响应的head来最终用于定位part图像；将选择的part图像和待处理的图像进行预处理并输入至预先训练的用于分类的share‑weighted transformer模型中，获取输出的多种菌类图像的分类结果。上述方法对于菌类的分类更准确。
-
公开(公告)号：CN117910526A
公开(公告)日：2024-04-19
申请号：CN202311549925.7
申请日：2023-11-20
Applicant: 北京航空航天大学 , 中国人民解放军总医院第一医学中心
IPC: G06N3/065 , G06N3/0499 , G06N3/088 , G06F18/213 , G06F18/232
Abstract: 本发明涉及脑区模拟技术领域，具体是一种基于同步振荡的脑区行为响应模拟装置，包括同步振荡抑制器，同步振荡抑制器对输入信号进行通带分类与处理；自组织分类器，自组织分类器对处理后的信号进行聚类；滤波器，滤波器对聚类后的信号进行进一步的处理，并生成相应的脑电信号；本发明能够增加了一个反馈机制来评估其行为响应的正确性，通过模拟人脑中的奖赏和惩罚机制来实现，如果装置的行为响应正确，那么它会得到一个正的奖赏信号，如果响应错误，那么它会得到一个负的奖赏信号，这些奖赏信号可以改变突触晶体管之间的连接强度，从而改变装置的行为。
-
公开(公告)号：CN117809008A
公开(公告)日：2024-04-02
申请号：CN202311857506.X
申请日：2023-12-29
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种针对具有融合模块的视觉语言大模型的检测方法，包括：将包括文本和图像的待测信息输入训练后的视觉语言大模型，获取目标检测结果图；该视觉语言大模型中每一层编码结构的融合层包括：双模态特征拼接模块、融合模块、索引切片模块；第i层的双模态特征拼接模块用于获取文本拼接特征#imgabs0#和图像拼接特征#imgabs1#第i层的融合模块用于在交叉注意力空间中对#imgabs2#和#imgabs3#融合处理并特征对齐输出#imgabs4#和#imgabs5#第i层的索引切片模块用于分别对#imgabs6#和#imgabs7#进行索引切片操作，输出至第i+1层编码结构待处理双模态特征。上述方法中能更好地发挥基于融合模块的视觉语言大模型的迁移潜力，降低计算开销，提高计算速度。
-
公开(公告)号：CN117217267A
公开(公告)日：2023-12-12
申请号：CN202311108339.9
申请日：2023-08-30
Applicant: 北京航空航天大学 , 中国人民解放军总医院第一医学中心
IPC: G06N3/049 , G06N3/06 , G06F18/15 , G06F18/2131 , G06F18/24
Abstract: 本发明公开了基于脑电时频表征的脉冲神经元通用编码方法，包括编码方法包括以下几个步骤：S1，神经元的脉冲发放，神经元的脉冲发放为一个神经元收到脉冲刺激后，突触后电位逐步增加，达到发放阈值后，脉冲发放，电位归零。本发明基于脑电时频表征的脉冲神经元通用编码方法，大脑中数以万计的神经元的同步或不同步信息传导就构成了大脑的神经网络。根据神经元的放电起点与脑电波形成后对于大脑活动的表征，本文将因果表征进行同步推导，设计了一种具备时空特征，且符合神经元脉冲发放生物过程的神经元编码方法，既能表达单个神经元编码序列，又能表达时空神经元脉冲序列矩阵，同时能够很好的表征大脑活动的时空信息传递状态。
-
Patent Agency Ranking
公开(公告)号：CN112819914A
公开(公告)日：2021-05-18
申请号：CN202110164795.X
申请日：2021-02-05
Applicant: 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
Abstract: 本发明涉及一种PET图像处理方法，方法包括：获取待处理的第一类型的PET图像；将第一类型的PET图像输入到训练的条件生成对抗网络G中，输出第二类型的PET图像；第一类型的PET图像为PET采集设备采集并重建的低信噪比PET图像，第二类型PET图像为经过G处理的、具有高信噪比的图像，且第二类型PET图像与PET采集设备采集并重建的高信噪比图像匹配，G包括：对输入的第一类型的PET图像依次进行样式表达编码和仿射变换处理的样式表达单元。本发明对低信噪比PET图像进行处理获得匹配的高信噪比PET图像，进而有效提升PET图像质量，辅助临床更加准确地进行诊断的目的。
-
公开(公告)号：CN118982463A
公开(公告)日：2024-11-19
申请号：CN202410675645.9
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/50 , G06T11/00 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06V10/774 , G06T5/77 , G06T7/11
Abstract: 本发明公开了一种基于样式对齐的通用低剂量PET图像合成方法，涉及图像合成技术领域，该基于样式对齐的通用低剂量PET图像合成方法包括以下步骤：通过残差学习结构估计输入图像的残差，生成合成PET图像；对不同剂量减少系数的低剂量PET图像样式进行对齐；实现网络学习样式区域的恢复；训练卷积网络模型最小化合成PET图像与全剂量PET图像之间的差异；通过不同剂量减少系数的数据对训练后的卷积网络模型进行验证。本发明通过提出样式对齐网络SAN，使得模型能够自适应性的将不同DRF的低剂量PET图像的样式进行对齐和恢复，从而使模型能够在不同DRF的低剂量PET图像上有强大的泛化性。
-
公开(公告)号：CN118469875A
公开(公告)日：2024-08-09
申请号：CN202410675650.X
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/77 , G06T5/60 , G16H30/20 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于动态路由机制的通用医学图像恢复方法及系统，用于图像处理领域，该通用医学图像恢复方法包括以下步骤：该通用医学图像恢复方法包括以下步骤：构建路由指令网络；基于路由指令网络，利用卷积神经网络编码器、全局平均池化及Softmax函数，从输入的医学图像中提取特征并归一化权重，并基于归一化后权重的特征对指令字典中的指令进行加权，生成图像指令；利用动态路由机制将图像指令转化为通道掩码，让通道掩码通过预设的通道路径，输出最终的合成图像。本发明不同任务选择不同的通道路径，避免了任务之间的相互干扰，从而缓解了任务之间冲突带来的模型性能下降，从而提升模型最终的性能。
-
公开(公告)号：CN118429200A
公开(公告)日：2024-08-02
申请号：CN202410675651.4
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/50 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/80 , G06T5/77
Abstract: 本发明公开了一种基于向量量化码书先验的PET图像合成方法，涉及图像合成技术领域，该方法包括以下步骤：构建第一阶段网络模型，并基于PET图像训练集，利用自重构任务训练第一阶段网络模型；基于训练后的第一阶段网络模型，利用离散码书与向量量化解码器解码出的多层次特征作为先验知识指导PET图像合成，并构建第二阶段网络模型；配置第二阶段网络模型的网络参数，并优化调节策略。本发明利用高质量码书先验指导PET图像合成过程，能够通过训练的码书存储具有高信息密度与高表达性的先验知识，并借助深度网络的多层非线性变换来捕获上下文丰富的图像信息，进而帮助生成生动的图像细节。
-
公开(公告)号：CN117273089A
公开(公告)日：2023-12-22
申请号：CN202311108561.9
申请日：2023-08-30
Applicant: 北京航空航天大学 , 中国人民解放军总医院第一医学中心
Abstract: 本发明公开了基于LIF神经元模型的脉冲自组织神经网络STDP学习方法，S1：建立脉冲神经元LIF模型，LIF模型是描述细胞膜电势随时间以及外界输入变化的模型；S2：进行脉冲编码，编码方式采用泊松函数，利用脉冲神经网络生成随机序列，将精确定时后对应的脉冲序列来表达神经信息序列；S3：利用STDP学习规则计算突触权值，S4：计算神经元膜电势，确定阈值调节范围与调节方法，将经由LIF‑STDP过程处理的数据输入SOM网络进行迭代计算；S5：训练模型。本发明通过在LIF神经元模型的基础上运用STDP方法进行阈值参数的调整与迭代，同时将仿生的组合模型引入脉冲自组织神经网络，通过训练能够使算法根据实际情况进行自我完善。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.076 seconds)
