公开(公告)号：CN118864362A

公开(公告)日：2024-10-29

申请号：CN202410847584.X

申请日：2024-06-27

Applicant: 南京工业大学

Inventor： 张梦怡 ,  李新宁 ,  孙立璟 ,  朱文俊 ,  易阳 ,  穆宜敏

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/774 ,  G06V10/764 ,  G06V10/22 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态对比学习的医学图像预测方法，涉及图像处理技术领域，该基于多模态对比学习的医学图像预测方法包括以下步骤：获取肺结节图像数据集并为图像数据集配对文本嵌入数据；基于预处理后的肺结节图像数据集和文本嵌入数据构建多模态对比学习模型，并对多模态对比学习模型进行初次训练；调整初次训练后的多模态对比学习模型参数并进行二次训练，对训练完成后的多模态对比学习模型依次进行性能测试和性能评估；利用性能评估达标后的多模态对比学习模型对肺结节图像数据集进行预测，得到肺结节良恶性预测结果。本发明实现了图像和文本在潜在语义空间中的精确对齐，有效地提高了分类模型识别真阳性结节的能力。

公开(公告)号：CN115909319A

公开(公告)日：2023-04-04

申请号：CN202211619934.4

申请日：2022-12-15

Applicant: 南京工业大学

Inventor： 张梦怡 ,  孙立璟 ,  朱文俊 ,  易阳 ,  王村松 ,  薄翠梅 ,  彭浩

IPC: G06V20/64 ,  G06V10/20 ,  G06V10/77 ,  G06V10/80 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出一种基于分层图网络在点云上用于3D对象检测方法，属于图像处理领域，具有较好的预测性能，能够以较小的预测误差预测3D点云中的物体，具体包括：步骤1：先将点云特征地图输入进网络中，进行特征提取，捕获多层次的语义信息，并将语义信息进一步进行聚合；步骤2：将聚合后的语义信息通过改进的投票模块映射到相同的特征空间中，然后通过提案生成器生成提案；步骤3：结合全局的场景信息，将提案送入提案推理模块，并对边界框进行预测，最后通过3D非极大值抑制后得到最终的检测结果，利用训练集将上述模型训练，当模型的损失函数稳定收敛时，利用统计度量对所述网络性能进行评价。