-
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：CN117058393B
公开(公告)日：2024-06-25
申请号：CN202311108211.2
申请日：2023-08-30
Applicant: 南通大学
IPC: G06V10/26 , G06V10/762 , G06V10/74 , G06T7/00
Abstract: 本发明提供了一种用于眼底硬性渗出图像分割的超像素三支证据DPC方法，属于图像处理分析技术领域。解决了聚类医学图像分割中参数难以确定，边缘区域划分不清晰的技术问题。其技术方案为：包括以下步骤：S10、人工获取眼底硬性渗出图像的病变区域；S20、对眼底硬性渗出图像进行预处理得到图像的CIELab空间；S30、对获得的CIELab空间进行SLIC超像素处理；S40、基于三支聚类理论将图像分割分为两阶段；S50、在获取第一阶段回传的病变图像信息之上。本发明的有益效果为：本发明通过引入超像素算法提高了运行效率，为糖尿病视网膜硬性渗出病变疾病的临床诊断和患者的发现治疗提供了重要的医学影像依据。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN117975069B
公开(公告)日：2024-10-01
申请号：CN202410270923.2
申请日：2024-03-11
Applicant: 南通大学
IPC: G06V10/762 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于医学图像处理领域，提供了一种用于脑肿瘤图像分割的深度证据FCM聚类方法，解决了医学图像分割中不能很好地保留学习到的特征空间中数据生成分布的局部结构和边缘区域划分不清晰的技术问题。其技术方案为：包括以下步骤：S10、对脑肿瘤MRI图像进行预处理；S20、利用自编码器对输入脑肿瘤图像进行特征学习并实现降维；S30、运用三支策略分配出确定的和不确定的脑肿瘤图像分割区域；S40、运用粒舱和证据理论分配不确定的图像分割区域；S50、对深度聚类模型进行训练。本方案的有益效果为：可以有效的提取脑肿瘤图像特征、降低脑肿瘤图像分割的计算复杂性、改善聚类效果，有助于医生进行更准确的诊断和治疗规划。
-
公开(公告)号：CN117975069A
公开(公告)日：2024-05-03
申请号：CN202410270923.2
申请日：2024-03-11
Applicant: 南通大学
IPC: G06V10/762 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于医学图像处理领域，提供了一种用于脑肿瘤图像分割的深度证据FCM聚类方法，解决了医学图像分割中不能很好地保留学习到的特征空间中数据生成分布的局部结构和边缘区域划分不清晰的技术问题。其技术方案为：包括以下步骤：S10、对脑肿瘤MRI图像进行预处理；S20、利用自编码器对输入脑肿瘤图像进行特征学习并实现降维；S30、运用三支策略分配出确定的和不确定的脑肿瘤图像分割区域；S40、运用粒舱和证据理论分配不确定的图像分割区域；S50、对深度聚类模型进行训练。本方案的有益效果为：可以有效的提取脑肿瘤图像特征、降低脑肿瘤图像分割的计算复杂性、改善聚类效果，有助于医生进行更准确的诊断和治疗规划。
-
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：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。
-
公开(公告)号：CN117058393A
公开(公告)日：2023-11-14
申请号：CN202311108211.2
申请日：2023-08-30
Applicant: 南通大学
IPC: G06V10/26 , G06V10/762 , G06V10/74 , G06T7/00
Abstract: 本发明提供了一种用于眼底硬性渗出图像分割的超像素三支证据DPC方法，属于图像处理分析技术领域。解决了聚类医学图像分割中参数难以确定，边缘区域划分不清晰的技术问题。其技术方案为：包括以下步骤：S10、人工获取眼底硬性渗出图像的病变区域；S20、对眼底硬性渗出图像进行预处理得到图像的CIELab空间；S30、对获得的CIELab空间进行SLIC超像素处理；S40、基于三支聚类理论将图像分割分为两阶段；S50、在获取第一阶段回传的病变图像信息之上。本发明的有益效果为：本发明通过引入超像素算法提高了运行效率，为糖尿病视网膜硬性渗出病变疾病的临床诊断和患者的发现治疗提供了重要的医学影像依据。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
