公开(公告)号：CN118314382A

公开(公告)日：2024-07-09

申请号：CN202410386292.0

申请日：2024-04-01

Applicant: 南通大学

Inventor： 丁卫平 ,  陈琨 ,  尹涛 ,  周天奕 ,  耿宇 ,  成晓天 ,  周琳琳

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明提供了一种基于Vision Transformer的肺部癌变病理学图像分类方法，属于医疗影像处理、图像识别与分类技术领域。解决了现有方法在肺部组织医学图像的处理中难以精确分类癌变组织的技术问题。其技术方案为：包括以下步骤：1.获取肺组织癌变病理学图像作为训练数据集；2.对训练数据集和验证数据集增加随机裁剪、随机旋转、色彩抖动的数据增广操作；3.构建基于Vision Transformer的肺组织癌变病理学图像分类模型；4.训练经过改进的Vision Transformer分类模型；5.在模型训练至阈值后，停止训练。本发明的有益效果为：提升了肺组织癌变病理学图像的分类精度和效率。

公开(公告)号：CN118093911A

公开(公告)日：2024-05-28

申请号：CN202410234959.5

申请日：2024-03-01

Applicant: 南通大学

Inventor： 丁卫平 ,  周琳琳 ,  刘传升 ,  黄嘉爽 ,  程纯 ,  鞠恒荣 ,  陈悦鹏 ,  侯涛 ,  周天奕

IPC: G06F16/51 ,  G06F16/583 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供了用于医学图像检索目标攻击的模糊Transformer哈希方法，解决了目前深度哈希模型在医学图像检索中鲁棒性差、易受对抗样本影响的技术问题。其技术方案为：建立医学图像数据库，构建模糊Transformer哈希模型，模型主要有四个部分：视觉Transformer哈希模型、原型网络、残差模糊生成器和判别器；计算各部分的损失函数以及采用交替学习算法优化；将测试集生成的原型码和对抗样本作为查询样本在数据库中检索，并使用目标平均精度t‑MAP评估模型的目标攻击性能。本发明的有益效果为：增强了在医学图像检索过程中模型的鲁棒性和抗干扰性，提高了医学图像检索的准确率。

公开(公告)号：CN119206241A

公开(公告)日：2024-12-27

申请号：CN202411217898.8

申请日：2024-09-02

Applicant: 南通大学

Inventor： 丁卫平 ,  谢天 ,  张炜 ,  周琳琳 ,  周天奕 ,  罗慧 ,  陈悦鹏 ,  黄嘉爽 ,  鞠恒荣 ,  尹涛

IPC: G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/74 ,  G16H30/20

Abstract: 本发明提供了一种用于精神分裂疾病检测的两阶段模糊邻域特征选择方法，属于医学信息智能处理技术领域。解决了传统方法在处理高维数据特征选择中全局搜索能力不足以及选择效率低下，并且复杂的精神分裂疾病特征选择中会存在不确定、模糊的技术问题。其技术方案为：包括以下步骤：S1：精神分裂疾病数据的获取与预处理；S2：根据数据构建模糊邻域决策空间与模糊邻域互信息；S3：模糊邻域差分进化的精神分裂疾病特征选择模块；S4：模糊邻域决策树的精神分裂疾病特征选择模块；S5：将两阶段的特征选择融合。本发明的有益效果为：能够有效处理数据中的不确定性，并且提高在高维空间的全局搜素能力以及选择效率。

公开(公告)号：CN118608826A

公开(公告)日：2024-09-06

申请号：CN202410624576.9

申请日：2024-05-20

Applicant: 南通大学

Inventor： 丁卫平 ,  朱越 ,  尹涛 ,  周晶 ,  周琳琳 ,  陈琨

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明公开了一种基于METIS算法优化图卷积神经网络训练的图划分方法，解决了利用图划分算法进行分簇式图卷积训练效率较低，精度不高的技术问题。包括如下步骤：步骤1：通过数据集构建一个无向且无权中的图；步骤2：采用基于METIS算法的改进策略，对输入图数据准备进行粗划分；步骤3：计算每次粗划分策略的得分；步骤4：将得分最高的划分策略作为最终划分策略进行粗划分；步骤5：采用基于METIS算法的改进策略，对粗划分后的每个簇准备进行细划分；步骤6：计算每个簇中细划分策略的得分。步骤7：将得分最高的划分策略作为最终划分策略进行细划分。本发明的有益效果为：提高了大规模分簇式图卷积训练的效率和准确性。

公开(公告)号：CN119579883A

公开(公告)日：2025-03-07

申请号：CN202410980387.5

申请日：2024-07-22

Applicant: 南通大学

Inventor： 丁卫平 ,  周喆 ,  周天奕 ,  周琳琳 ,  张炜

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/25 ,  G16H30/40 ,  G16H50/20

Abstract: 本发明提供了一种基于多元隶属函数的组织病理图像深度语义分割方法，属于医学图像智能诊断技术领域。解决了当前存在的组织病理图像分割准确率不高、病理医生在图像分类方面易出现误判的技术问题。其技术方案为：首先使用PIL填充灰度条，统一图像灰度，使用开源技术处理图像污染，应用独热编码对分割标签分类；其次建立第一个网络模型，提取图像特征并使用全连接网络预测像素掩码；接着建立第二个网络模型进行特征提取和分割；对两次掩码进行模糊处理并设计隶属度函数计算像素隶属度；最后，将两次结果进行合成运算，生成更精确的组织病理图像分割结果。本发明的有益效果为：鲁棒性高，分割更精细，有利于医生进行诊断。