公开(公告)号：CN117853797A

公开(公告)日：2024-04-09

申请号：CN202410005295.5

申请日：2024-01-03

Applicant: 安徽大学

Inventor： 邱剑锋 ,  孙鹏飞 ,  谢娟 ,  李海龙

IPC: G06V10/764 ,  G06V10/82 ,  G06V40/10 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/086

Abstract: 本发明公开了一种基于进化神经网络结构搜索的肌肉骨骼异常检测方法，包括：1收集肌肉骨骼的X光片数据并进行预处理；2针对肌肉骨骼异常检测设计特定的网络结构；3初始化神经网络结构种群；4使用X光片数据集对种群中的每个个体对应的神经网络进行训练并将准确率作为个体的适应度值；5从种群中选择个体作为父代使用交叉变异生成子代种群，并通过二元锦标赛选择的方法从子代和父代的混合种群中生成新一代的种群；6迭代上述过程达到预设定条件结束进化，得到最优网络结构。本发明能自动搜索高性能的肌肉骨骼异常检测的卷积神经网络模型，从而能提高X光片异常预测的准确性和效率。

公开(公告)号：CN119313628A

公开(公告)日：2025-01-14

申请号：CN202411367008.1

申请日：2024-09-29

Applicant: 安徽大学

Inventor： 邱剑锋 ,  姜世贸 ,  马雪亮 ,  谢娟 ,  李海龙 ,  赵佳慧

IPC: G06T7/00 ,  G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/086 ,  G06N3/0985

Abstract: 本发明公开了一种约束条件下轻量级网络架构搜索的髌骨X光图像识别方法，包括：1收集标注的髌骨X光图像数据并进行预处理，并划分训练集和验证集；2通过初始化构造神卷积神经网络种群；3利用X光数据集对种群中个体进行训练，使用基于约束的适应度函数值中作为个体的适应度值；4根据种群中个体的适应度值选择父代个体、通过自适应修剪率的滤波器修剪和交叉变异生成子代种群，最后进行环境选择；5迭代优化网络结构直至满足预定条件，并提取最佳架构作为髌骨X光图像识别模型。本发明能自动搜索适应髌骨X光图像数据集的卷积神经网络架构，从而实现对髌骨X光图像的准确分类，特别是有设备硬件约束的应用场景。