-
公开(公告)号：CN119400348A
公开(公告)日：2025-02-07
申请号：CN202510008846.8
申请日：2025-01-03
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京航空航天大学
IPC: G16H20/10 , A61N5/10 , G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/26
Abstract: 本发明提供了一种盆腔肿瘤多中心多瘤种多处方的剂量预测方法及相关设备，应用于数据处理技术领域。本申请对训练样本集进行预处理，生成带有目标特征数据的训练样本集；基于带有目标特征数据的训练样本集对基于SwinTransformer网络架构的预设剂量分布处理模型进行处理，生成目标剂量分布处理模型；对目标用户的CT图像信息进行特征提取处理，生成目标特征向量；对目标用户的生理状态信息进行处理，生成目标用户的剂量限制因子；对目标用户的生理参数信息进行处理，生成目标用户的动态剂量影响因子；基于目标剂量分布处理模型对目标特征向量、目标用户的剂量限制因子和目标用户的动态剂量影响因子进行处理，生成目标剂量分布信息。
-
公开(公告)号：CN119587902A
公开(公告)日：2025-03-11
申请号：CN202411914337.3
申请日：2024-12-24
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)
Abstract: 本发明提供了一种基于锥形束CT的盆腔肿瘤自适应放疗剂量的预测方法和系统，应用于数据处理技术领域。本申请对目标用户的锥形束CT图像进行预处理，生成目标锥形束CT图像；对目标锥形束CT图像和目标用户的预设CT图像进行处理，生成预设靶区勾画信息；对目标用户的生理运动参数信息和目标用户的目标生理结构信息进行处理，生成动态剂量影响因子；基于训练样本集对初始图像识别处理模型进行处理，生成目标图像识别处理模型；基于目标图像识别处理模型对目标锥形束CT图像和预设靶区勾画信息进行处理，生成目标CT图像；基于目标图像识别处理模型对目标CT图像、动态剂量影响因子和目标用户的生理状态信息进行处理，生成目标剂量预测信息。
-
公开(公告)号：CN118898592A
公开(公告)日：2024-11-05
申请号：CN202410967317.6
申请日：2024-07-18
Applicant: 北京航空航天大学
IPC: G06T7/00 , G06V10/774 , G06V20/70
Abstract: 本发明提供了一种基于外观形变修正的X光安检危险品旋转检测方法及装置，属于目标物检测技术领域，该方法包括获取待检测X射线安检图像；训练基于外观形变修正的旋转检测模型，并根据待检测X射线安检图像，利用已训练的基于外观形变修正的旋转检测模型，得到待检测X射线安检图像中所有目标的对其外观形变修正后的旋转检测结果。本发明有效地解决了因立体旋转的变形特征导致目标检测任务性能下降的问题。
-
公开(公告)号：CN118865379A
公开(公告)日：2024-10-29
申请号：CN202410815968.3
申请日：2024-06-24
Applicant: 北京航空航天大学
IPC: G06V20/70 , G06V10/764 , G06V10/82 , G06F18/22
Abstract: 本发明公开了一种多模态场景自适应提示的开放词汇目标检测方法及装置。该方法根据输入实例动态选择相应的场景提示，针对不同的训练类别自适应地学习这些场景提示，实现对类别知识的自适应迁移。通过在融合过程中结合位置和文本信息，可以动态学习视觉提示和区域提示，所获得的区域特征可以具有更强的可移动性，能够提高目标检测模型对未知类别的分类精确度。
-
公开(公告)号：CN118135331A
公开(公告)日：2024-06-04
申请号：CN202410464679.3
申请日：2024-04-17
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种回归定位优化的目标检测模型量化方法，包括如下步骤：在目标检测模型中，首先采用针对回归头的回归量化器，该回归量化器通过学习量化间隔来适应回归输出的拉普拉斯分布；使用交叉熵损失和基于距离的度量进行联合的校准，并通过Fisher信息矩阵计算反向传播时的二阶海森矩阵；构建全量化检测器，对回归头进行量化。本发明使用回归量化器和回归融合校准方法构建全量化检测器，能够减少量化误差并提升边界框定位的准确性，使得目标检测模型在量化过程中能够更全面地考虑各种损失，选择对最终输出影响最小的量化参数。
-
Patent Agency Ranking
公开(公告)号：CN110473151B
公开(公告)日：2022-05-03
申请号：CN201910598856.6
申请日：2019-07-04
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于分区卷积和关联损失的双阶段图像补全方法及系统。其中，该方法包括如下步骤：S1，对完整图片随机生成缺失区域构成缺失图片；S2，缺失图片经过第一阶段网络，采用分区卷积，生成初步的补全结果；对生成的初步的补全结果构建关联损失和一范数损失；S3，初步的补全结果经过第二阶段网络，采用普通卷积，生成细致的补全结果；对生成的细致的补全结果构建风格损失和一范数损失；S4，计算整体损失函数，迭代步骤S1～S3的训练，直至整体损失函数收敛，完成训练。本发明在保证模型泛化能力的同时，有效提升深度学习模型对于对抗样本噪音和自然噪音的鲁棒性，提高深度学习模型在实际场景中应用时的稳定性。
-
公开(公告)号：CN119811626A
公开(公告)日：2025-04-11
申请号：CN202411684543.X
申请日：2024-11-22
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于令牌感知的大语言模型疾病筛查方法和系统。该方法通过构建包含非疾病和疾病样本的训练样本集，利用互信息构建图网络，并进行多轮图传播以强化令牌中的有用信息。随后，通过图聚合得到最终表示，构建最终训练集，并训练探针确定编辑方向，以指导大语言模型生成符合医学标准的文本。利用本发明，能够有效提高大语言模型在精神心理疾病筛查中的性能，为临床诊断提供了可靠的辅助工具。
-
公开(公告)号：CN114049371A
公开(公告)日：2022-02-15
申请号：CN202111326861.5
申请日：2021-11-10
Applicant: 北京航空航天大学
IPC: G06T7/187 , G06V20/58 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种时序物种进化的小样本目标检测装置和方法。该装置包括：突变模块，用于针对小样本中基础样本和新样本，分别生成基础候选区域和新候选区域后进行合并，得到合并候选区域；检测器，用于根据合并候选区域，识别小样本中基础样本和新样本。本发明解决了检测样本中基础类别的信息和知识继承性差，缺乏对新类别的非特异性变化的问题，并且产生足够的高质量正样本候选区域，有效优化了小样本目标检测装置的检测性能。
-
公开(公告)号：CN120011885A
公开(公告)日：2025-05-16
申请号：CN202510118114.4
申请日：2025-01-24
Applicant: 上海市精神卫生中心(上海市心理咨询培训中心) , 北京航空航天大学
IPC: G06F18/241 , A61B5/372 , A61B5/00 , G06N3/0455
Abstract: 本发明涉及一种面向微状态分析实现脑电少通道发现处理的方法，包括以下步骤：对采集的静息态脑电数据进行预处理；构建微状态监测模块，根据序列样本进行训练，并构建通道重要性生成排序模块，结合基于输入梯度的归因分析技术，发现非均匀分布的少通道；验证少通道微状态的重测信度。采用了该面向微状态分析实现脑电少通道发现处理的方法、系统、装置、处理器及其计算机可读存储介质，提供的面向微状态分析的脑电少通道发现方法，首次从可解释深度学习的角度对脑电微状态监测任务进行建模，得到非均匀分布的少通道发现，与全部通道以及经验选择的对称少通道对比，发现的少通道脑电微状态重测信度能够达到较高水平，并且优于经验选择的对称少通道。
-
公开(公告)号：CN119851969A
公开(公告)日：2025-04-18
申请号：CN202510337563.8
申请日：2025-03-21
Applicant: 北京航空航天大学
IPC: G16H50/70 , G16H50/20 , G06N5/04 , G06N5/043 , G06T7/00 , G06V10/82 , G06V10/44 , G06N3/045 , G06F18/241 , G06F18/26 , A61B5/16
Abstract: 本发明公开了一种基于认知病理关联的双相情感障碍预测系统，涉及生物信号处理技术领域，包括：数据预处理模块，用于对数据集中的数据进行预处理；认知感知注意力模块，用于从预处理后的数据中提取出与双相情感障碍相关的脑区特征；协作多专家网络模块，用于根据认知感知注意力模块的输出模拟脑区间的协作互动，得到包括脑区间协作互动关系的脑区特征；因果归一化分类器，用于对协作多专家网络模块的输出进行分类处理，生成待测人员的双相情感障碍预测结果。本发明显著提高了对双相情感障碍的预测准确性、敏感性和可解释性，同时降低了计算复杂度，实现了双相情感障碍的高效预测，为精神心理疾病的早期干预提供了重要技术支持。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.044 seconds)
