公开(公告)号：CN118781370A

公开(公告)日：2024-10-15

申请号：CN202410921418.X

申请日：2024-07-10

Applicant: 吉林大学

Inventor： 张洁琳 ,  马金勇 ,  张媛媛 ,  王荔锦 ,  张露 ,  于颖娟 ,  刘燕莉

IPC: G06V10/74 ,  G06F17/16 ,  G06V10/40 ,  G06V10/75

Abstract: 本发明适用于计算机图形学技术领域，提供了基于扩散网络的三维对称图形匹配方法，包括以下步骤：使用深扩散网络从每个三维图形中提取关键特征，并预计算图形的Laplace谱、复Laplace谱；使用特征、Laplace谱与函数映射方法计算出定义在图形表面上的特征函数对应关系的表示矩阵；使用特征、复Laplace谱与复函数映射方法计算出定义在图形表面向量场之间的对应关系的表示矩阵；直接计算出对应的点对点映射关系，然后复原出特征函数对应关系的表示矩阵；通过上述矩阵的正交性和可交换性构造损失函数。本发明提高了三维图形匹配的性能，且在需要处理大量复杂数据的领域中展现了其优越性。

公开(公告)号：CN118887430A

公开(公告)日：2024-11-01

申请号：CN202410906812.6

申请日：2024-07-08

Applicant: 吉林大学

Inventor： 张洁琳 ,  王荔锦 ,  张媛媛 ,  马金勇 ,  张露 ,  于颖娟 ,  刘燕莉

IPC: G06V10/75 ,  G06V20/64

Abstract: 本发明适用于三维模型处理技术领域，提供了一种三维模型的图形匹配方法，包括采样点的提取，然后利用Gromov‑Wasserstein距离度量模型之间特征点匹配概率，完成模型非对称点集的匹配；对于剩下的对称点集进行两步约束后得到对称点分组信息，利用采样点的信息计算两个新的辅助点，利用向量知识来确定模型的上下和左右方向，完成最终匹配。本发明解决了对3D对称图形的初始层采样点进行匹配的过程中，容易发生的对称混淆问题。相较于解决相同问题已有的基于Gromov‑Wasserstein距离的方法相比，本发明适用于更多模型，在普适性和准确率上均有提升。

公开(公告)号：CN116541594A

公开(公告)日：2023-08-04

申请号：CN202310482963.9

申请日：2023-04-28

Applicant: 吉林大学

Inventor： 李瑛 ,  梁钰 ,  张洁琳 ,  杜伟 ,  张晓 ,  孙睿涵

IPC: G06F16/9535 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G06F40/289 ,  G06F40/284

Abstract: 本发明公开了一种基于多粒度异质属性图对比学习的期刊推荐方法，涉及数据分析技术领域，该期刊推荐方法包括以下步骤：数据处理、多粒度语义特征提取、基于异质图神经网络对比学习的多粒度结构特征提取和自适应学习。本发明基于异质图神经网络、对比学习、卷积神经网络和文本预处理方法，将文本处理为多粒度并从语义和结构方向下分别进行处理，使用分层自适应学习来将这些处理后的特征整合成一个最终的最优文本特征，使用softmax来得到最终的分类结果；并在考虑到论文和期刊的特殊性下整合了多个损失函数来训练模型。最终达到了只基于论文内容的针对特定研究领域的期刊推荐高质量效果。

公开(公告)号：CN116563575A

公开(公告)日：2023-08-08

申请号：CN202310528166.X

申请日：2023-05-11

Applicant: 吉林大学

Inventor： 张洁琳 ,  王瑞雪 ,  李瑛 ,  杜伟

IPC: G06V10/74 ,  G06V10/75 ,  G06V10/764 ,  G06V10/80 ,  G06F17/16

Abstract: 本发明适用于3D图形匹配领域，提供了一种多对称模型匹配方法，包括以下步骤：步骤（1），特征点提取：对待匹配非刚性变换模型M、N分别进行特征点的提取；步骤（2），特征点分类：对步骤（1）中提取的特征点进行分类；步骤（3），初始匹配：将模型M和N的对称点进行匹配；步骤（4），调整对称混淆：判断初始匹配结果是否发生对称混淆，并进行调整，得到正确的匹配结果。本发明实施例提供的一种多对称模型匹配方法，针对3D多对称图形的匹配问题，本发明在对称点检测、匹配方法、调整对称混淆三个方面提出了新的策略，解决了现有方法中对称点检测精确度不高、匹配效果差且耗时较长的问题。

公开(公告)号：CN116439672A

公开(公告)日：2023-07-18

申请号：CN202310553992.X

申请日：2023-05-17

Applicant: 吉林大学

Inventor： 李瑛 ,  孙睿涵 ,  杜伟 ,  张洁琳 ,  袁海波 ,  兰晓馨 ,  梁钰 ,  张晓

IPC: A61B5/00

Abstract: 本发明公开了一种基于动态自适应核图神经网络的多分辨率睡眠阶段分类方法，涉及人工智能技术领域，本方法将睡眠信号进行四层的离散小波分解，得到了四层高频信号和最后一层的低频信号共五个分量，对这些分量提取特征，使用神经网络学习嵌入表示，最后再对这些分量的嵌入表示进行整合并通过对比学习捕获它们之间的差异。本发明针对睡眠阶段分类问题，解决了传统模型难以对睡眠信号进行充分的多分辨率分析以及结合时间信息自适应处理多通道生理信号问题。以离散小波分解获得多分辨率信号、动态自适应核图神经网络学习多通道生理信号的嵌入表示、并以监督对比学习的方式学习各信号分量的异同进一步整合多分辨率信息，达到对睡眠阶段准确分类的效果。

公开(公告)号：CN116433942A

公开(公告)日：2023-07-14

申请号：CN202310511209.3

申请日：2023-05-09

Applicant: 吉林大学

Inventor： 张洁琳 ,  陈汇 ,  李瑛 ,  杜伟

IPC: G06V10/75 ,  G06V10/764 ,  G06V10/80 ,  G06T17/00

Abstract: 本发明适用于计算机图形学研究及应用领域，提供了一种基于初始层采样点的3D对称图形匹配方法，包括以下步骤：初始层采样；初始层匹配，区分对称点与非对称点，利用GW距离建立数学优化模型，通过求解该数学模型得到的结果，区分出对称点与非对称点，非对称点的匹配方案采用此求解结果；区分前后，两个图形采用相同的算法增加四个辅助点信息，利用上述的GW距离优化模型，将辅助点的前后点进行匹配，继续增加辅助点和使用区域热核信息；调整图形扭曲，利用图形发生形变后，测地距离保持近似等距不变的特性，建立优化问题，变换点位置，调整图形的扭曲；区分左右。本申请相比于同样解决该问题的基于图形嵌入的方法，对于初始层匹配的准确率和计算时间都有极大的改善。

公开(公告)号：CN116777659A

公开(公告)日：2023-09-19

申请号：CN202310493580.1

申请日：2023-05-05

Applicant: 吉林大学

Inventor： 李瑛 ,  张晓 ,  李倩倩 ,  杜伟 ,  张洁琳 ,  梁钰 ,  孙睿涵

IPC: G06Q50/00 ,  G06F16/34 ,  G06F16/901 ,  G06F16/951 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于异质符号属性网络的热点事件争议性分析方法，涉及数据分析技术领域，该分析方法包括：从社交网络中获得原始数据集，其中包含属性信息；进行数据预处理操作，对微博的所有评论进行文本摘要处理，通过主题模型发现事件主题，并完成异质图的构建；将属性信息与文本信息、结构信息进行融合；根据用户的评论信息进行情感分析，构建出用户之间的符号网络，完成用户在异质网络下和符号网络下的自监督训练；根据社区差异、中介中心性、用户传播表示进行社区争议性衡量。本发明基于社区发现结果从不同角度进行争议性预测，而且通过开发在线服务平台对热点事件进行分析，为用户提供了方便。

公开(公告)号：CN111738993A

公开(公告)日：2020-10-02

申请号：CN202010509763.4

申请日：2020-06-05

Applicant: 吉林大学

Inventor： 张洁琳 ,  张露 ,  李瑛

IPC: G06T7/00 ,  G06K9/62 ,  G06F30/20 ,  G06N3/00 ,  G06F111/04 ,  G06F111/08

Abstract: 本发明涉及一种基于G-W距离的蚁群图形匹配方法，包括以下步骤：对待匹配图形进行特征点的选取；通过特征点的采样信息数据生成G-W距离下的H矩阵；对特征点间G-W距离最小差异度建立二次凸优化模型，并结合蚁群提出模型的假设；规定蚁群在G-W距离最小差异度寻优过程中的物理约束条件，使其满足一一对应匹配原则；累计蚂蚁所遍历城市节点间的距离；对G-W距离下的二次凸优化问题寻优，求得最短路径以及该路径上的城市节点；将最短路径定义为两流形曲面间的整体差异度，利用最短路径上城市节点与特征点序列号之间的关系，计算出特征点间的匹配关系，完成图形匹配。本发明是最接近真实理论的最优解，克服了传统的数值迭代寻优对初始解的依赖性。

公开(公告)号：CN119257556A

公开(公告)日：2025-01-07

申请号：CN202411392319.3

申请日：2024-10-08

Applicant: 吉林大学

Inventor： 李瑛 ,  葛雨凡 ,  杜伟 ,  袁海波 ,  兰晓馨 ,  张洁琳

IPC: A61B5/00 ,  G06F18/24 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08 ,  A61B5/346

Abstract: 本发明适用于睡眠呼吸暂停检测技术领域，提供了一种基于小波变换的睡眠呼吸暂停检测方法。本发明采用离散小波分解技术，将心电图信号分解成多尺度信息作为模型输入，并融合了监督对比学习理念，构建了一个端到端的深度学习网络模型，实现了对睡眠呼吸暂停的高效、准确分类。相较于传统依赖专家手工分析方法或需复杂预处理步骤的检测方法，本发明提升了检测效率，简化了信号处理的复杂度。更重要的是，本发明直接以时序信号作为输入，避免了复杂的二次特征提取过程，这使得本发明更易于转化为实际的硬件设备以实施应用。另外，利用公开的ApneaECG数据集进行测试，本发明的预测准确率超越了当前基于心电图的自动睡眠呼吸暂停检测模型。

公开(公告)号：CN116485816A

公开(公告)日：2023-07-25

申请号：CN202310485694.1

申请日：2023-05-04

Applicant: 吉林大学

Inventor： 杜伟 ,  霍永康 ,  周日鑫 ,  李高阳 ,  李瑛 ,  张洁琳

IPC: G06T7/11 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06N3/0895 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明适用于医学影像分析技术领域，提供了一种基于深度生成模型的弱监督的医学影像分割方法，借助类激活图和生成模型的思想，利用生成式的弱监督分割模型进行病灶区域和正常区域的识别，通过生成的假图像和真实图像进行MSE损失进行优化。最后，使用条件随机场(Dense CRF)对模型生成的病灶分割区域进行后处理，以生成最终的病灶分割。改善了医学影响病灶分割对于像素级标签的依赖，仅仅使用图像的类别标签就可以在网络模型中进行训练，并且最终达到病灶分割的目的。可以帮助医护人员实现快速诊断，大大节约了医护人员的时间，从而达到患者看病快的需求。