-
公开(公告)号：CN111816270B
公开(公告)日：2022-12-09
申请号：CN202010558462.0
申请日：2020-06-18
Applicant: 南通大学
IPC: G16H10/60 , G16H50/70 , G06F16/35 , G06F16/182
Abstract: 本发明提供了大规模肝脏电子病历病变分类的属性并行约简Spark方法，包括如下步骤：S10读取肝脏电子病历的数据集合并划分成多个肝脏病历数据子集发送到相应从节点上；S20对所述肝脏病历数据子集进行不一致处理，约简肝脏病历数据中不一致的数据，然后计算肝脏病历数据属性的等价类划分值；S30根据肝脏病历数据子集中数据对象计算属性重要度；S40计算出所述从节点中肝脏病历数据子集的属性重要度集合，进行聚合操作，得到肝脏病历数据的属性重要度集合；S50计算肝脏病历数据集的属性约简集合，并判断其是否满足约简要求。本发明的大规模肝脏电子病历病变分类的属性并行约简Spark方法，有效提高大规模肝脏电子病历属性并行约简的效率和精度。
-
公开(公告)号：CN113838532B
公开(公告)日：2022-11-18
申请号：CN202110845531.0
申请日：2021-07-26
Applicant: 南通大学
Abstract: 本发明提供了一种基于双重自适应邻域半径的多粒度乳腺癌基因分类方法，读取大规模基因位点数据并做归一化处理，并对大规模基因位点进行数据分析；利用轮廓系数和PCA降维可视化相结合方式，选取最佳K值，调整信息粒化的模型；其次，使用启发式约简算法分别实现基于簇心距离自适应邻域半径的多粒度属性约简基于属性包含度的邻域半径的多粒度属性约简，并采用SVM支持向量机机器学习分类算法对乳腺癌基因大数据进行分类和预测。本发明的有益效果是：调整惩罚项使模型在乳腺癌基因分类具有较高的准确率和召回率，去除大规模数据中冗余属性，提高了计算效率，利用样本之间的支持信息，提升了乳腺癌数据分类的效率和精度。
-
公开(公告)号：CN112232253B
公开(公告)日：2021-11-09
申请号：CN202011154195.7
申请日：2020-10-26
Applicant: 南通大学
Abstract: 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法，包括如下步骤：S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表；S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算；S30基于PSO优化算法的合理邻域选择；S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径，更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法，根据邻域信息识别异常样本，分别给出不同分布情况下样本的粗糙隶属度，为标签噪声样本提供一组伪类别标记；引入合理粒度准则，利用粒子群优化算法选择最优邻域半径，对根据伪类别标记修正后的信息表进行上下近似集的更新。
-
公开(公告)号：CN112163133B
公开(公告)日：2021-10-08
申请号：CN202011023382.1
申请日：2020-09-25
Applicant: 南通大学
IPC: G06F16/906 , G06K9/62
Abstract: 本发明提供了一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，包括如下步骤：S10采集乳腺癌数据集，并将所述乳腺癌数据集分为训练数据集和测试数据集；S20在所述训练数据集上构建多粒度数据；S30在不同粒度的所述病理特征约简集合下预测所述测试数据的类别标签集合；S40根据投票机制得到所述测试数据集中票数最多的类别标签，获得乳腺癌数据分类结果。本发明的一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，去除了冗余属性压缩乳腺癌数据规模，同时在分类过程中，将证据理论引入邻域粗糙分类，充分地利用了样本之间的紧密性，提升了对乳腺癌数据分类的效率和精度，对乳腺癌智能辅助分类具有较强的应用价值。
-
公开(公告)号：CN111816270A
公开(公告)日：2020-10-23
申请号：CN202010558462.0
申请日：2020-06-18
Applicant: 南通大学
IPC: G16H10/60 , G16H50/70 , G06F16/35 , G06F16/182
Abstract: 本发明提供了大规模肝脏电子病历病变分类的属性并行约简Spark方法，包括如下步骤：S10读取肝脏电子病历的数据集合并划分成多个肝脏病历数据子集发送到相应从节点上；S20对所述肝脏病历数据子集进行不一致处理，约简肝脏病历数据中不一致的数据，然后计算肝脏病历数据属性的等价类划分值；S30根据肝脏病历数据子集中数据对象计算属性重要度；S40计算出所述从节点中肝脏病历数据子集的属性重要度集合，进行聚合操作，得到肝脏病历数据的属性重要度集合；S50计算肝脏病历数据集的属性约简集合，并判断其是否满足约简要求。本发明的大规模肝脏电子病历病变分类的属性并行约简Spark方法，有效提高大规模肝脏电子病历属性并行约简的效率和精度。
-
Patent Agency Ranking
公开(公告)号：CN111815574A
公开(公告)日：2020-10-23
申请号：CN202010558465.4
申请日：2020-06-18
Applicant: 南通大学
Abstract: 本发明提供了一种用于眼底视网膜血管图像分割的粗糙集神经网络方法，包括如下步骤：S10图像预处理，获得基于粗糙集增强眼底视网膜血管图像；S20构建U-net神经网络模型；S30利用粒子群优化算法(PSO)对所述U-net神经网络模型进行优化训练，获得PSO-U-net神经网络模型；以及S40将待测彩色眼底视网膜血管图像采用粗糙集理论进行图像增强预处理后使用所述PSO-U-net神经网络模型对所述待测彩色眼底视网膜血管图像分割。本发明的一种用于眼底视网膜血管图像分割的粗糙集神经网络方法，减少了医护人员的工作量，避免了医护人员经验和技能的差别对同一幅眼底图像分割结果存在的差异，有效的进行彩色眼底视网膜血管图像分割，获得更高的分割精度和效率。
-
公开(公告)号：CN110929775A
公开(公告)日：2020-03-27
申请号：CN201911127264.2
申请日：2019-11-18
Applicant: 南通大学
Abstract: 本发明涉及到医学信息智能处理领域，具体来说涉及一种用于视网膜病变分类的卷积神经网络权值优化方法。该方法首先获取眼底图像训练集、及其对应的多病变标签；通过单种群蛙跳算法寻找最优初始权值，然后构建卷积神经网络中的卷积层、池化层和全连接层，将最优初始权值作为第一次前向传播计算的参数；将视网膜中四种病变的四个预测值分别与真实值进行交叉熵损失计算并求和得到损失值，判断损失值是否异常，如果异常则围绕前一次前向传播的权值生成蛙群，寻找最优蛙更新网络权值；否则采用梯度下降算法更新网络权值；最后对最终权值进行优化。本发明能有效提高眼底图像多病变检测的准确率，对视网膜疾病和辅助治疗具有较强应用价值。
-
公开(公告)号：CN109342667B
公开(公告)日：2024-04-23
申请号：CN201811508812.1
申请日：2018-12-11
Applicant: 环境保护部南京环境科学研究所 , 南通大学
Inventor： 王文林 , 刘波 , 杜薇 , 张弛 , 吴晓晨 , 李文静 , 余岑涔 , 邹长新 , 林乃峰 , 王燕 , 徐德琳 , 吴丹 , 顾羊羊 , 韩宇捷 , 蒋慧 , 张毅 , 赵学涛 , 吴琼 , 陈俊松 , 范佳辉 , 卢佳新 , 陈永梅 , 李霄汉
Abstract: 本发明公开了基于无人机的大范围气体动态检测装置及其检测方法，包括若干个定点动态检测器、无人机和管理终端，无人机上至少安装有采集器、若干个距离传感器、无人机无线信号收发器和电源，管理终端包括中控装置、信息输入端以及显示端，无人机对目标区域进行扫描，扫描信息经采集器汇总后发送至中控装置，中控装置根据信息绘出目标区域的地形模型；定点动态检测器包括环形底座和集气罩，环形底座为水平底座，无人机下端设有可开合的抓爪，抓爪能抓在集气罩上，将定点动态检测器固定在无人机下方，定点动态检测器能盖合在检测点上，环形底座密封地压在将检测点四周的土壤上，底座通孔位于检测点上，检测点土壤挥发的气体完全进入集气罩中。
-
公开(公告)号：CN111815574B
公开(公告)日：2022-08-12
申请号：CN202010558465.4
申请日：2020-06-18
Applicant: 南通大学
Abstract: 本发明提供了一种用于眼底视网膜血管图像分割的粗糙集神经网络方法，包括如下步骤：S10图像预处理，获得基于粗糙集增强眼底视网膜血管图像；S20构建U‑net神经网络模型；S30利用粒子群优化算法(PSO)对所述U‑net神经网络模型进行优化训练，获得PSO‑U‑net神经网络模型；以及S40将待测彩色眼底视网膜血管图像采用粗糙集理论进行图像增强预处理后使用所述PSO‑U‑net神经网络模型对所述待测彩色眼底视网膜血管图像分割。本发明的一种用于眼底视网膜血管图像分割的粗糙集神经网络方法，减少了医护人员的工作量，避免了医护人员经验和技能的差别对同一幅眼底图像分割结果存在的差异，有效的进行彩色眼底视网膜血管图像分割，获得更高的分割精度和效率。
-
公开(公告)号：CN110930412B
公开(公告)日：2022-04-22
申请号：CN201911200695.7
申请日：2019-11-29
Applicant: 南通大学
IPC: G06T7/10 , G06K9/62 , G06N3/00 , G06V10/762
Abstract: 本发明涉及到眼底血管图像聚类操作技术领域，具体来说涉及一种用于眼底血管图像聚类分割的近似骨架蛙群编号方法。本发明借助聚类方法，对眼底图像进行分割处理，根据病变点高亮的特性对病变点进行定位和剔除。为了获得更好的聚类分割效果，采用智能算法中较为有效且便于理解的混合蛙跳算法对K‑means算法进行改进并使用近似骨架进一步充分利用算法获得的局部最优解，改进后的算法能有效克服原始K‑means算法易于收敛至局部最优而无法有效进行图像分割缺点，获得更好的眼底血管聚类分割效果，更准确的分离出眼底血管的病变点。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.034 seconds)
