-
公开(公告)号:CN114999629B
公开(公告)日:2024-03-01
申请号:CN202210471036.2
申请日:2022-04-28
Applicant: 安徽大学
IPC: G16H50/20 , G16H50/30 , G06V10/764 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06V10/774 , G06V10/82 , G06V10/80 , A61B5/00 , A61B6/00
Abstract: 本发明属于医学影像处理领域,具体涉及一种基于多特征融合的AD早期预测方法、系统、装置。本发明针对基于Brain 18F‑FDG PET切片图像的预测AD的复杂问题,重新设计了一个新的包含双卷积的骨干网络和分类网络的神经影像预测模型;并在网络模型中引入多注意力模块。在数据集采集过程中,以滤波、裁剪等方式代替传统扩增方法扩增PET切片,提高网络模型的泛化特性。在网络模型的训练阶段,将模糊标签并运用到监督对比学习损失中,在预测阶段还结合分类结果和临床精神心理评估结果进行联合分析,得到最可靠的预测结论。本发明解决了现有图像处理方法在针对Brain 18F‑FDG PET影像进行AD(56)对比文件吕鸿蒙;赵地;迟学斌.基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断.计算机科学.2017,(第S1期),全文.
-
公开(公告)号:CN116434756A
公开(公告)日:2023-07-14
申请号:CN202310460757.8
申请日:2023-04-25
Applicant: 安徽大学
Abstract: 本发明公开了一种基于数据引导特征蒸馏的虚假音频检测方法,包括以下步骤:对原始音频提取出对数功率谱,使用其F0子带作为网络的输入特征;对原始数据进行数据增强,并预训练得到教师模型;使用原始数据训练的模型作为学生模型,计算预测值与标签的损失,教师模型在浅层和深层特征上对学生模型进行指导;教师模型在预测维度进一步进行指导并平衡损失,防止学生模型过度拟合原始数据;设置训练轮次对模型进行训练,选取再好效果的模型进行测试,最深层网络输出作为预测结果。还公开了一种基于数据引导特征蒸馏的虚假音频检测系统。本发明首次将基于数据引导的特征蒸馏用于虚假音频检测,能够显著提高虚假音频检测低质量环境下的鲁棒性。
-
公开(公告)号:CN114999629A
公开(公告)日:2022-09-02
申请号:CN202210471036.2
申请日:2022-04-28
Applicant: 安徽大学
IPC: G16H50/20 , G16H50/30 , G06V10/764 , G06T7/00 , G06N3/04 , G06V10/774 , G06V10/82 , G06V10/80 , A61B5/00 , A61B6/00
Abstract: 本发明属于医学影像处理领域,具体涉及一种基于多特征融合的AD早期预测方法、系统、装置。本发明针对基于Brain 18F‑FDG PET切片图像的预测AD的复杂问题,重新设计了一个新的包含双卷积的骨干网络和分类网络的神经影像预测模型;并在网络模型中引入多注意力模块。在数据集采集过程中,以滤波、裁剪等方式代替传统扩增方法扩增PET切片,提高网络模型的泛化特性。在网络模型的训练阶段,将模糊标签并运用到监督对比学习损失中,在预测阶段还结合分类结果和临床精神心理评估结果进行联合分析,得到最可靠的预测结论。本发明解决了现有图像处理方法在针对Brain 18F‑FDG PET影像进行AD预测时,存在的鲁棒性低、差裕度差和识别率低等问题。
-
-