-
公开(公告)号:CN117877711B
公开(公告)日:2025-03-11
申请号:CN202311577208.5
申请日:2023-11-23
Applicant: 南通大学
IPC: G16H50/20 , G06F18/211 , G06F18/243 , G06N5/01 , G06N7/02
Abstract: 本发明提供了一种面向精神分裂症的双通道模糊信息粒与特征选择方法,属于智慧医疗技术领域,解决了精神分裂症中存在过多冗余病理特征且特征间相关性难以全面表述的技术问题。其技术方案为:包括如下步骤:S10、读取精神分裂症数据集;S20、根据两种不同的粒度表示形成模糊相似关系;S30、刻画精神分裂症数据的特征重要度,对特征进行排序;S40、对不同的粒度表示形成的特征序列采用类内类间策略决定最终的特征序列。本发明的有益效果为:去除冗余病理特征,从稀疏和模糊凸半球两个粒度层面描述样本之间的模糊相关性,更精确地表示样本的紧密性,并提高检测效率,帮助医生有效分析精神分裂症的病变情况,具有较强的应用价值。
-
公开(公告)号:CN116596836B
公开(公告)日:2024-12-03
申请号:CN202310226858.9
申请日:2023-03-07
Applicant: 南通大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/40 , G16H50/20
Abstract: 本发明提供了一种基于多视图邻域证据熵的肺炎CT影像属性约简方法,属于智慧医疗技术领域,解决了肺炎CT影像中存在过多冗余病理属性,导致病变情况不能及时检测的问题。其技术方案为:包括如下步骤:S10、读取肺炎CT影像数据集;S20、通过稀疏表示和距离度量两个视图表示肺炎CT影像数据样本之间的相关性,并通过融合和删除两阶段刻画邻域范围;S30、将证据理论和邻域熵融合,构造邻域证据熵,用于刻画肺炎CT影像数据的属性重要度;S40、计算肺炎CT影像数据集中的属性约简集合。本发明的有益效果为:降低肺炎CT影像数据的检测时间,并提高检测效率,帮助医生有效分析肺炎的病变情况。
-
公开(公告)号:CN118470373A
公开(公告)日:2024-08-09
申请号:CN202410394369.9
申请日:2024-04-02
Applicant: 南通大学
IPC: G06V10/764 , G06T5/73 , G06T7/00 , G06N3/0895 , G06V10/74
Abstract: 本发明提供了一种用于抑郁症脑部图像的类属共享半监督特征选择方法,属于医学图像标记选择技术领域。解决了抑郁症患者脑部区域图像样本中存在未标注数据和过多冗余的病理属性的技术问题。其技术方案为:包括如下步骤:S10、读取抑郁症脑部图像数据,对其进行预处理和划分,最终构建一个四元组决策信息系统;S20、对于有标记数据和无标记数据分别根据距离度量构造模糊信息粒形成模糊相似关系;S30、根据最大相关最小冗余策略,刻画抑郁症数据特征重要度;S40、将标签特定特征特征选择方法和动态优化策略结合,选取预测抑郁症的重要脑区域。本发明的有益效果为:有助于抑郁症的预测,改善抑郁病的诊断和治疗效果。
-
公开(公告)号:CN116596836A
公开(公告)日:2023-08-15
申请号:CN202310226858.9
申请日:2023-03-07
Applicant: 南通大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/40 , G16H50/20
Abstract: 本发明提供了一种基于多视图邻域证据熵的肺炎CT影像属性约简方法,属于智慧医疗技术领域,解决了肺炎CT影像中存在过多冗余病理属性,导致病变情况不能及时检测的问题。其技术方案为:包括如下步骤:S10、读取肺炎CT影像数据集;S20、通过稀疏表示和距离度量两个视图表示肺炎CT影像数据样本之间的相关性,并通过融合和删除两阶段刻画邻域范围;S30、将证据理论和邻域熵融合,构造邻域证据熵,用于刻画肺炎CT影像数据的属性重要度;S40、计算肺炎CT影像数据集中的属性约简集合。本发明的有益效果为:降低肺炎CT影像数据的检测时间,并提高检测效率,帮助医生有效分析肺炎的病变情况。
-
公开(公告)号:CN117877711A
公开(公告)日:2024-04-12
申请号:CN202311577208.5
申请日:2023-11-23
Applicant: 南通大学
IPC: G16H50/20 , G06F18/211 , G06F18/243 , G06N5/01 , G06N7/02
Abstract: 本发明提供了一种面向精神分裂症的双通道模糊信息粒与特征选择方法,属于智慧医疗技术领域,解决了精神分裂症中存在过多冗余病理特征且特征间相关性难以全面表述的技术问题。其技术方案为:包括如下步骤:S10、读取精神分裂症数据集;S20、根据两种不同的粒度表示形成模糊相似关系;S30、刻画精神分裂症数据的特征重要度,对特征进行排序;S40、对不同的粒度表示形成的特征序列采用类内类间策略决定最终的特征序列。本发明的有益效果为:去除冗余病理特征,从稀疏和模糊凸半球两个粒度层面描述样本之间的模糊相关性,更精确地表示样本的紧密性,并提高检测效率,帮助医生有效分析精神分裂症的病变情况,具有较强的应用价值。
-
公开(公告)号:CN116486067A
公开(公告)日:2023-07-25
申请号:CN202310386424.5
申请日:2023-04-11
Applicant: 南通大学
IPC: G06V10/25 , G06V10/40 , G06V10/30 , G06V10/771 , G06V10/764 , G06V10/22 , G06T7/00 , G16H20/70
Abstract: 本发明提供了一种用于精神分裂症病历图像特征选择的稀疏双向Spark方法,属于精神分裂症的生物标记物选择技术领域;解决了数据集中样本分布不一致的技术问题。其技术方案为:首先,在主节点Master上,读取大规模精神分裂症病历图像数据,对其进行预处理和划分,并将数据子集广播到相应的子节点上,在第i子节点Slaveri上,通过Spark并行化的稀疏约束模型刻画样本之间的联系,得到样本最优的K个邻居(K是邻居个数),然后,在粒化过程中引入双向互邻策略,构造基于稀疏双向的Spark粗糙集模型,在子节点Slaveri上,将启发式特征选择方法和动态优化策略结合,选取预测精神分裂症的重要脑区域。本发明的有益效果为:有助于精神分裂症的预测。
-
公开(公告)号:CN118170823B
公开(公告)日:2024-12-03
申请号:CN202410285400.5
申请日:2024-03-13
Applicant: 南通大学
IPC: G06F16/2458 , G06F16/27 , G06F16/215 , G06N7/02
Abstract: 本发明提供了一种基于粒‑组协同的双向模糊粒舱并行属性约简加速方法,属于大规模数据挖掘技术领域;解决了传统数据处理技术需要大量计算和内存空间资源的技术问题。其技术方案为:包括以下步骤:S10、对数据集进行划分;S20、在粒化过程中引入双向互邻策略,利用虚拟样本构造双向模糊粒舱模型;S30、将属性组和双向模糊粒舱相结合;S40、在主节点将各子节点的约简聚合,对排序后的结果再次进行属性评价。本发明的有益效果为:利用并行计算技术可以提高计算效率,缩短计算时间,降低内存占用和能源消耗,有利于加快属性约简算法的实现速度。
-
公开(公告)号:CN118170823A
公开(公告)日:2024-06-11
申请号:CN202410285400.5
申请日:2024-03-13
Applicant: 南通大学
IPC: G06F16/2458 , G06F16/27 , G06F16/215 , G06N7/02
Abstract: 本发明提供了一种基于粒‑组协同的双向模糊粒舱并行属性约简加速方法,属于大规模数据挖掘技术领域;解决了传统数据处理技术需要大量计算和内存空间资源的技术问题。其技术方案为:包括以下步骤:S10、对数据集进行划分;S20、在粒化过程中引入双向互邻策略,利用虚拟样本构造双向模糊粒舱模型;S30、将属性组和双向模糊粒舱相结合;S40、在主节点将各子节点的约简聚合,对排序后的结果再次进行属性评价。本发明的有益效果为:利用并行计算技术可以提高计算效率,缩短计算时间,降低内存占用和能源消耗,有利于加快属性约简算法的实现速度。
-
公开(公告)号:CN119742050A
公开(公告)日:2025-04-01
申请号:CN202411806508.0
申请日:2024-12-10
Applicant: 南通大学
IPC: G16H50/20 , G16H50/70 , G06F18/2415 , G06F17/10 , G06F18/214
Abstract: 本发明提供了面向肺炎病因诊断的贝叶斯网络与粗糙集特征选择方法,属于医学信息智能处理技术领域,解决了肺炎病因诊断中症状重叠、标签歧义以及数据特征冗余的技术问题。技术方案为:包括以下步骤S1,对患者的肺炎数据进行数据预处理;S2,以患者特征和病因标签为节点,构建贝叶斯网络以解决病因标签的消歧问题,并生成标签置信度矩阵;S3,基于邻域粗糙集计算每个特征对病因标签的依赖度;S4,结合显著性分析和冗余度约简,筛选最优特征集。本发明的有益效果为:本发明方法以肺炎诊断场景为应用背景,能够有效处理患者病因复杂性和数据冗余问题,既提高了诊断的可靠性与效率,又降低了计算成本,为实际临床诊断提供了技术支持。
-
公开(公告)号:CN116486067B
公开(公告)日:2024-10-29
申请号:CN202310386424.5
申请日:2023-04-11
Applicant: 南通大学
Abstract: 本发明提供了一种用于精神分裂症病历图像特征选择的稀疏双向Spark方法,属于精神分裂症的生物标记物选择技术领域;解决了数据集中样本分布不一致的技术问题。其技术方案为:首先,在主节点Master上,读取大规模精神分裂症病历图像数据,对其进行预处理和划分,并将数据子集广播到相应的子节点上,在第i子节点Slaveri上,通过Spark并行化的稀疏约束模型刻画样本之间的联系,得到样本最优的K个邻居(K是邻居个数),然后,在粒化过程中引入双向互邻策略,构造基于稀疏双向的Spark粗糙集模型,在子节点Slaveri上,将启发式特征选择方法和动态优化策略结合,选取预测精神分裂症的重要脑区域。本发明的有益效果为:有助于精神分裂症的预测。
-
-
-
-
-
-
-
-
-