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

Inventor： 鞠恒荣 ,  李佳蓉 ,  樊晓雪 ,  单婷婷 ,  蔡超越 ,  丁卫平

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：CN119762828A

公开(公告)日：2025-04-04

申请号：CN202411911225.2

申请日：2024-12-24

Applicant: 南通大学

Inventor： 郭静 ,  鞠恒荣 ,  成晓天 ,  丁卫平 ,  蔡超越 ,  严如 ,  杨光 ,  邱珊珊

IPC: G06V10/762 ,  G06V10/40 ,  G06V10/44 ,  G06V10/20 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/74 ,  G06N3/047 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/088

Abstract: 本发明提供了一种基于粗细粒度对比学习的肺部医学图像深度模糊聚类方法，属于医学图像处理技术领域。解决了传统方法在处理肺部医学图像时局部特征丧失以及不能精确地区分相似类别和处理数据边界模糊的技术问题。其技术方案为：包括以下步骤：S10、获取肺部医学图像的特征表示并聚类生成初步的伪标签；S20、利用数据增强技术获取肺部医学图像的增强图像；S30、获取模糊特征表示；S40、结合簇级粗粒度对比损失、样本级细粒度对比损失和均方差损失优化特征表示；S50、获取最终肺部医学图像聚类结果。本方案的有益效果为：可以有效的提高全局与局部信息的关联性，增强特征的表达能力、增强模型对复杂数据的适应性。