公开(公告)号：CN113012776B

公开(公告)日：2022-11-04

申请号：CN202110341531.7

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  李铭 ,  孙颖 ,  秦廷帧 ,  鞠恒荣 ,  黄嘉爽 ,  高自强 ,  潘壬远

IPC: G16H10/60 ,  G16H15/00 ,  G06F16/182 ,  G06K9/62

Abstract: 本发明提供了一种大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法，在主节点上读取糖尿病数据，并按照4:1比例将糖尿病数据划分为训练集和测试集；在子节点上对糖尿病训练集通过Spark并行欠采样获得多个新的训练子集；在子节点上通过Spark并行病理特征约简器得到病理特征约简子集，并更新每个子节点上训练子集和测试子集的病理特征集，在子节点上，通过邻域证据Spark并行分类器获得测试子集的预测类别标签集合，在主节点上根据投票机制得到最终的预测类别标签。本发明的有益效果为：本发明去除大规模数据中冗余属性，提高了计算效率，充分地利用了样本之间的支持信息，提升了糖尿病数据分类的效率和精度。

公开(公告)号：CN113012776A

公开(公告)日：2021-06-22

申请号：CN202110341531.7

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  李铭 ,  孙颖 ,  秦廷帧 ,  鞠恒荣 ,  黄嘉爽 ,  高自强 ,  潘壬远

IPC: G16H10/60 ,  G16H15/00 ,  G06F16/182 ,  G06K9/62

Abstract: 本发明提供了一种大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法，在主节点上读取糖尿病数据，并按照4:1比例将糖尿病数据划分为训练集和测试集；在子节点上对糖尿病训练集通过Spark并行欠采样获得多个新的训练子集；在子节点上通过Spark并行病理特征约简器得到病理特征约简子集，并更新每个子节点上训练子集和测试子集的病理特征集，在子节点上，通过邻域证据Spark并行分类器获得测试子集的预测类别标签集合，在主节点上根据投票机制得到最终的预测类别标签。本发明的有益效果为：本发明去除大规模数据中冗余属性，提高了计算效率，充分地利用了样本之间的支持信息，提升了糖尿病数据分类的效率和精度。

公开(公告)号：CN112907604A

公开(公告)日：2021-06-04

申请号：CN202110281472.9

申请日：2021-03-16

Applicant: 南通大学

Inventor： 丁卫平 ,  冯志豪 ,  李铭 ,  孙颖 ,  曹金鑫 ,  鞠恒荣 ,  黄嘉爽 ,  程纯 ,  秦廷帧 ,  沈鑫杰 ,  潘柏儒

IPC: G06T7/11 ,  G06T7/136 ,  G06K9/62 ,  G06N3/12

Abstract: 本发明提供了一种用于眼底棉绒斑图像分割的自适应超像素FCM方法，包括：S10、人为等比例裁剪出棉绒斑病变图像的病变区域；S20、对棉绒斑病变图像进行超像素处理，并将超像素点作为自适应FCM样本；S30、使用衍生多种群遗传算法优化自适应FCM聚类中心；S40、计算出聚类之后的逐像素损失值，回调参数；S50、形成眼底棉绒斑图像分割的遗传FCM聚类模型，输入眼底图像，既能输出分割后的眼底棉绒斑病变区域图像。本发明的一种用于眼底棉绒斑图像分割的自适应超像素FCM方法，大大降低了运行时间，提升图像分割时的精度，为相关糖尿病视网膜棉绒斑病变疾病的临床诊断和治疗提供重要的影像特征依据。