-
公开(公告)号：CN118412040A
公开(公告)日：2024-07-30
申请号：CN202410593811.0
申请日：2024-05-14
Applicant: 华南理工大学
IPC: G16B30/00 , G16B50/10 , G16B40/00 , G16B50/00 , G06F18/22 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于孪生网络与多阶张量信息的基因功能诊断系统，包括：数据管理模块，负责存储和管理基因组数据；数据导入模块，对基因组数据进行预处理，生成高质量基因功能特征矩阵；样本相似性模块，利用改进的相似性计算方法对高质量基因功能特征矩阵生成对应的样本相似信息；功能诊断训练模块，利用自动编码器将高质量基因功能特征矩阵转换为深度表征，并结合样本相似性模块与多阶张量相似性融合方式对改进的孪生网络进行训练；基因功能诊断预测模块，基于训练好的改进孪生网络进行基因功能智能诊断，结合基因本体注释并提供诊断结果的解释。本发明将多阶张量信息、孪生网络与基因组学数据结合，提升诊断能力与诊断结果可解释性。
-
公开(公告)号：CN111882566B
公开(公告)日：2023-09-19
申请号：CN202010758860.7
申请日：2020-07-31
Applicant: 华南理工大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的视网膜图像的血管分割方法，涉及医学图像处理领域，通过获取待处理的视网膜图像；对待处理的视网膜图像进行预处理，得到血管增强图像；基于预先训练的血管分割模型，应用包括通道加权处理过程和空间加权处理过程的多通道交叉注意力机制对待处理的视网膜图像和初始的血管增强图像进行处理，得到血管分割模型的输出；根据血管分割模型的输出，得到血管分割结果。本发明还公开了相应的装置、设备及存储介质，有效地提高了视网膜图像的血管分割速度、提高对微小血管和受病灶影响的血管的检测效果，并且设计简单易实现，模型参数量可依据任务难度进行调节，具有较高的精确度和特异度，以及更低的模型复杂度。
-
公开(公告)号：CN116433484A
公开(公告)日：2023-07-14
申请号：CN202310241208.1
申请日：2023-03-14
Applicant: 华南理工大学
IPC: G06T3/40 , G06T15/50 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 本发明公开了一种基于U‑Net的BRDF贴图拼接方法，包括：1)使用公开的BRDF贴图制作拼接数据集；2)使用公开的BRDF贴图获取算法，获得整体贴图和局部贴图，将所有局部贴图串连，合并成一张BRDF贴图，经过这个步骤，得到包含真值BRDF贴图、缺失细节的整体贴图、串连的局部贴图的数据集；3)使用数据集，训练改进的U‑Net拼接网络，使用BRDF贴图的L1距离和渲染图像的L1距离作为网络训练的损失函数；4)应用训练好的改进的U‑Net拼接网络，将物体照片获取的BRDF贴图输入网络，得到具有物体细节的高分辨率整体贴图。本发明对大面积物体的局部进行拍摄合成整体的BRDF贴图，使之可以完整保留物体的细节信息，且避免了传统远景拼接产生的接缝问题。
-
公开(公告)号：CN111275166A
公开(公告)日：2020-06-12
申请号：CN202010046206.3
申请日：2020-01-15
Applicant: 华南理工大学
Abstract: 本发明公开了基于卷积神经网络的图像处理装置，涉及图像处理领域，一种基于卷积神经网络的图像处理装置，包括：图像获取模块，用于获取待处理图像；小波分解模块，用于对所述待处理图像进行小波分解，从而得到多个子分量；卷积融合模块，用于对所述多个子分量进行卷积融合，得到初步特征图；神经网络模块，用于对所述初步特征图进一步提取特征，得到高级特征图；结果输出模块，用于根据所述高级特征图输出相应的图像处理结果。本发明实施例还提供了基于卷积神经网络的图像处理设备及计算机可读存储介质，能高效地实现对神经网络模型的压缩和加速，节省存储资源和运行中需要占用的运行资源，提高图像处理的效率。
-
公开(公告)号：CN111260664A
公开(公告)日：2020-06-09
申请号：CN202010046208.2
申请日：2020-01-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种鼻咽癌的病灶图像分割装置，涉及医用图像处理领域，包括：图像获取模块，用于获取待分割图像；特征提取模块，用于提取所述待分割图像的图像特征；神经网络模块，包括用于根据所述图像特征对所述待分割图像进行图像分割的神经网络；所述神经网络还包括位置获取单元和语义分割单元；所述位置获取单元，用于根据所述图像特征获取所述待分割图像中病灶的位置信息；所述语义分割单元，用于根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。本发明实施例还提供了一种鼻咽癌的病灶图像分割设备及计算机可读存储介质，能有效简化神经网络模型，并提高对鼻咽癌的病灶图像分割的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN111243666A
公开(公告)日：2020-06-05
申请号：CN202010024079.7
申请日：2020-01-08
Applicant: 华南理工大学
Abstract: 本发明实施例提供一种基于Nextflow的环状核糖核酸自动化分析方法及系统，所述系统包括质量控制模块、比对模块、定量模块、合并去重模块和报告生成模块，其中，每个模块的功能均由设定的一个或多个软件分别独立实现。本发明实施例通过Nextflow框架将多个环状核糖核酸的分析软件进行整合，并对所述多个软件分析出来的结果进行比对、去重和筛选，综合不同软件的分析结果得出最终结果，从而能够获得更加全面，精确的cicRNA预测分析报告。
-
公开(公告)号：CN109994200A
公开(公告)日：2019-07-09
申请号：CN201910174117.4
申请日：2019-03-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于相似度融合的多组学癌症数据整合分析方法，该方法包括计算局部相似度网络、多个局部相似度网络融合、根据全局相似度网络进行分型、根据全局相似度网络回溯原始的数据源中的特征四个步骤。对比当前技术，本发明通过对逐步递进的相似度网络连接路径建模，实现了多个相似度网络的融合算法，相比于现有技术能够刻画更为复杂的网络结构，具有更高的精确度和更好的稳定性。通过一致性交替乘子法实现了网络融合模型的快速求解。本发明不仅将整合的全局相似度网络运用于癌症患者的分型，得到预后显著差异的患者分型，并且结合了一种多集群特征选择方法辅助进行关键靶点特征的筛选，选出的特征有望成为潜在的生物标记物。
-
公开(公告)号：CN109993214A
公开(公告)日：2019-07-09
申请号：CN201910174105.1
申请日：2019-03-08
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于拉普拉斯正则化和秩约束的多视图聚类方法，包括步骤：1)获取多视图数据；2)对多视图数据进行预处理；3)选择所需的相似性度量，计算相似度矩阵；4)基于特征之间的相似性网络，融入先验信息，将各个来源视图的数据投影到一个公共的受秩约束的低维子空间；5)在低维子空间上运用谱聚类，得到最终的聚类结。本发明考虑到各个视图数据的局部特征，使得在单个视图中接近的数据在公共子空间中依然接近，约束了公共子空间的秩，使得能够得到确切数量的聚类簇，提高聚类的准确性。
-
公开(公告)号：CN114741527B
公开(公告)日：2024-12-24
申请号：CN202210315493.2
申请日：2022-03-28
Applicant: 华南理工大学
IPC: G06N3/0895 , G06F18/241 , G06F18/214 , G06N5/022 , G06F16/901 , G06F16/36
Abstract: 本发明公开了一种基于多源异构医疗知识图谱的图表示学习方法及装置，所述方法包括：将多源异构医疗知识图谱输入至多视图图表示学习模型，得到多源异构医疗知识图谱的图表示；其中，所述模型通过下述方式训练：将多视图图数据作为正样本，基于多视图图数据生成负样本；将正负样本输入至初始模型编码器，得到正负样本的多视图节点表示矩阵；对正样本的多视图节点表示矩阵进行加权融合，得到图节点表示矩阵，根据图节点表示矩阵确定全局图表示；根据全局图表示和正负样本的多视图节点表示矩阵对初始模型进行二分类迭代训练，直至达到训练停止条件。通过上述方法能够得到更全面的多源异构知识图谱图表示。
-
公开(公告)号：CN118247428A
公开(公告)日：2024-06-25
申请号：CN202410287823.0
申请日：2024-03-13
Applicant: 华南理工大学
IPC: G06T17/00 , G06V40/10 , G06V10/44 , G06V10/82 , G06V10/766 , G06V10/774 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于样例优化的三维人体网格重建方法，属于计算机视觉技术领域。所述方法包括：首先，从输入的单目图像中利用残差网络和姿态检测器分别提取图像特征和获得二维关节点位置；然后将图像特征分别输入主回归网络和辅助回归网络，获得人体姿态参数和形状参数；接着主回归网络根据辅助回归网络的结果和检测的二维关节点联合优化网络参数；最终由主网络输出目标人体的三维网格参数。本发明通过将样例优化融入训练阶段，并引入辅助回归网络来提供以往样例优化损失函数缺乏的SMPL标签，统一了训练损失函数和样例优化损失函数的表达形式。基于以上两方面的改进，本发明的网络模型在三维人体网格的重建精度上进一步得到提高。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.029 seconds)
