-
公开(公告)号：CN115081920A
公开(公告)日：2022-09-20
申请号：CN202210799441.7
申请日：2022-07-08
Applicant: 华南农业大学
Abstract: 本发明公开了一种考勤签到调度管理方法、系统、设备及存储介质，系统包括：实时采集考勤地点区域的天气数据，并对采集到的天气数据进行预处理得到初始样本集；基于改进的生成对抗网络构建预测模型；计算预测目标与真实目标图像之间的损失函数；通过损失函数对预测模型进行训练，训练中，判别器D的目标正确地识别出真实样本和正确地剔除生成的假样本，生成器G的目标是使生成的预测值被判别器D剔除的概率最小化，直至输出训练好的预测模型；将所述天气数据输入训练好的预测模型中得到预测值，根据预测值执行相应的考勤操作。本发明采用改进的GAN网络实时监测考勤地的天气情况，及时自动调整考勤方式与考勤制度，提高办事效率，避免数据出错。
-
公开(公告)号：CN114722936A
公开(公告)日：2022-07-08
申请号：CN202210358264.9
申请日：2022-04-07
Applicant: 华南农业大学
IPC: G06K9/62
Abstract: 本发明公开了一种动植物离子浓度分析预警方法、系统、设备及存储介质，方法包括：采集动植物的特征数据，特征数据包括离子流数据、离子浓度数据、环境物质数据和预警数据；对采集到的特征数据进行预处理得到初始样本集，预处理包括数据清理、数据转换、数据集成和离群点诊断；对初始样本集基于改进ReliefF算法提取最优特征集；使用LDAM损失函数和延迟再平衡DRW处理不平衡问题，以深度残差网络作为离子浓度预警模型的主干网络，随机梯度下降SGD作为离子浓度预警模型的优化器，利用最优特征集来训练离子浓度预警模型，最后使用训练好的离子浓度预警模型预测离子浓度预警等级。本发明可以实现对预警数据的有效处理分析，以达到更快的效率和更好的效果。
-
公开(公告)号：CN114638814A
公开(公告)日：2022-06-17
申请号：CN202210315512.1
申请日：2022-03-29
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于CT图像的结直肠癌自动分期方法、系统、介质及设备，该方法包括下述步骤：CT图像预处理构建初始数据集；进行数据清洗，修正数据集中的正负样本比例；数据集进行数据增强；利用CBAM注意力机制对通道特征和空间特征进行重要性筛选，并使用残差连接；选择预测概率最大的类别作为每个元素的最终预测类别，以确定输出图像的结直肠肿瘤区域和非直肠肿瘤区域的位置；对预测图像使用分块推理方法；基于数据融合思想将包含肿瘤区域的CT图像和原始CT图像进行通道维度的合并，输入到优化3D U‑Net分割模型中进行推理，得到最终的结直肠癌分期结果。本发明能更好地利用CT图像的空间信息，提高对分期结果的识别精度。
-
公开(公告)号：CN114722936B
公开(公告)日：2025-02-28
申请号：CN202210358264.9
申请日：2022-04-07
Applicant: 华南农业大学
IPC: G16C20/70 , G06F18/10 , G06F18/211 , G06F18/213 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种动植物离子浓度分析预警方法、系统、设备及存储介质，方法包括：采集动植物的特征数据，特征数据包括离子流数据、离子浓度数据、环境物质数据和预警数据；对采集到的特征数据进行预处理得到初始样本集，预处理包括数据清理、数据转换、数据集成和离群点诊断；对初始样本集基于改进ReliefF算法提取最优特征集；使用LDAM损失函数和延迟再平衡DRW处理不平衡问题，以深度残差网络作为离子浓度预警模型的主干网络，随机梯度下降SGD作为离子浓度预警模型的优化器，利用最优特征集来训练离子浓度预警模型，最后使用训练好的离子浓度预警模型预测离子浓度预警等级。本发明可以实现对预警数据的有效处理分析，以达到更快的效率和更好的效果。
-
公开(公告)号：CN115081920B
公开(公告)日：2024-07-12
申请号：CN202210799441.7
申请日：2022-07-08
Applicant: 华南农业大学
IPC: G06Q10/0631 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06V10/82 , G06Q10/10
Abstract: 本发明公开了一种考勤签到调度管理方法、系统、设备及存储介质，系统包括：实时采集考勤地点区域的天气数据，并对采集到的天气数据进行预处理得到初始样本集；基于改进的生成对抗网络构建预测模型；计算预测目标与真实目标图像之间的损失函数；通过损失函数对预测模型进行训练，训练中，判别器D的目标正确地识别出真实样本和正确地剔除生成的假样本，生成器G的目标是使生成的预测值被判别器D剔除的概率最小化，直至输出训练好的预测模型；将所述天气数据输入训练好的预测模型中得到预测值，根据预测值执行相应的考勤操作。本发明采用改进的GAN网络实时监测考勤地的天气情况，及时自动调整考勤方式与考勤制度，提高办事效率，避免数据出错。
-
Patent Agency Ranking
公开(公告)号：CN114638814B
公开(公告)日：2024-04-16
申请号：CN202210315512.1
申请日：2022-03-29
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/11 , G06T3/4038 , G06T3/4046 , G06T5/60 , G06T5/92 , G06T5/30 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CT图像的结直肠癌自动分期方法、系统、介质及设备，该方法包括下述步骤：CT图像预处理构建初始数据集；进行数据清洗，修正数据集中的正负样本比例；数据集进行数据增强；利用CBAM注意力机制对通道特征和空间特征进行重要性筛选，并使用残差连接；选择预测概率最大的类别作为每个元素的最终预测类别，以确定输出图像的结直肠肿瘤区域和非直肠肿瘤区域的位置；对预测图像使用分块推理方法；基于数据融合思想将包含肿瘤区域的CT图像和原始CT图像进行通道维度的合并，输入到优化3D U‑Net分割模型中进行推理，得到最终的结直肠癌分期结果。本发明能更好地利用CT图像的空间信息，提高对分期结果的识别精度。
-
公开(公告)号：CN115762748A
公开(公告)日：2023-03-07
申请号：CN202211150941.4
申请日：2022-09-21
Applicant: 中山大学附属第六医院 , 华南农业大学
IPC: G16H50/20 , G06N3/0464 , G06N3/084 , G06T7/00 , G06V10/82
Abstract: 本发明提供结直肠癌CRS根治程度预测模型的训练、使用方法及系统，包括：获取结直肠癌病例的病历数据；对每个结直肠癌病例的腹膜转移相关指标进行筛选，得到第一训练集；将第一训练集输入到第一深度学习模型进行训练；将每个结直肠癌病例的CT图像作为第二训练集输入第二深度学习模型进行训练；将每个结直肠癌病例对应的第一特征向量和第二特征向量进行拼接得到第三特征向量集；将第三特征向量集划分为训练集和验证集；将训练集输入第三深度学习模型训练，得到收敛的第三深度学习模型；将验证集输入收敛的第三深度学习模型进行验证，根据验证结果进行优化。本发明融合多模态特征预测，能有效地对结直肠癌CRS根治程度进行评分。
-
公开(公告)号：CN115358966A
公开(公告)日：2022-11-18
申请号：CN202210809340.3
申请日：2022-07-11
Applicant: 华南农业大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于3D Grad‑CAM的直肠癌等级分类的可解释方法、系统、设备及介质，方法包括：对获取的直肠癌患者的磁共振MRI图像进行训练前的预处理；将预处理后的MRI图像划分为训练集、验证集和测试集，并将训练集放入使用迁移学习得到的MedicalNet预训练模型3D‑ResNet50网络中进行训练，并加入注意力机制提升性能，得到训练好的3D‑ResNet50网络；将测试集输入到训练好的3D‑ResNet50网络中进行分类，得到分类结果；利用改进的Grad‑CAM方法生成热力图，基于热力图对分类结果进行解释，并且定位分类依据；通过导向反向传播和3D Grad‑CAM方法结合起来的Guided Grad‑CAM方法对肿瘤位置进行定位。本发明可有效提高直肠癌T分期的可解释性，同时不会改变分类网络的结构，具有非常好的可泛化能力。
-
公开(公告)号：CN115100165A
公开(公告)日：2022-09-23
申请号：CN202210787519.3
申请日：2022-07-06
Applicant: 华南农业大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于肿瘤区域CT图像的结直肠癌T分期方法及系统，该方法包括下述步骤：对CT图像标注并构建原始数据集；利用标注的掩膜图像提取肿瘤区域CT图像，并对肿瘤区域CT图像进行预处理；将肿瘤区域CT图像与T分期结果一一对应，进行数据集的构建；构建一个由多注意力机制融合的改进DenseNet三维卷积分类网络，提高密集层的通道筛选能力和过渡块的信息筛选能力，从而提高结直肠癌T分期模型的训练效果；本发明利用测试数据增强思想，从多角度进行模型预测，提高结直肠癌T分期的预测效果。
-
公开(公告)号：CN115393278A
公开(公告)日：2022-11-25
申请号：CN202210875020.8
申请日：2022-07-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种压板状态巡检方法、系统、机器人及存储介质，方法包括：获取作业点区域的压板图像；将所述压板图像转换为灰度图，对灰度图进行处理后得到压板图像轮廓；判断压板图像轮廓是否完整，若轮廓完整，则满足检测需求，图像采集单元的位置无需进行调整；若轮廓残缺，则不满足检测需求，通过图像采集单元获取检测物轮廓中心与智能巡检机器人的距离，并根据轮廓中心点的空间位置信息调整图像采集单元的位置，使得调整后得到的压板图像轮廓完整；构建压板状态检测模型并进行训练；将待检测的保护压板图像传输到训练好的压板状态检测模型中，得到待检测压板图像的目标标签信息与标签预测概率信息。本发明极大提高检测精度及检测效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
