-
公开(公告)号：CN116958157A
公开(公告)日：2023-10-27
申请号：CN202310778789.2
申请日：2023-06-28
Applicant: 广东工业大学
Abstract: 本发明提供一种基于深度强化学习的主动脉夹层分割方法和系统，方法包括获取主动脉夹层切片数据，并利用特征提取网络中进行特征提取；将每个主动脉夹层切片数据与其对应的主动脉夹层切片特征拼接，获得多维图像数据集；利用深度强化学习智能体和多维图像数据集构建主动脉夹层定位任务；设置视野窗口的扩张策略、定位窗口的动作和奖励函数，利用DQN算法训练主动脉夹层定位任务；最后利用最优的深度强化学习智能体对待分割的主动脉夹层切片数据进行主动脉夹层定位，根据定位结果对主动脉夹层进行分割；本发明能够减少切片的冗余信息占比，有效提高分割结果的精度，同时提高定位窗口的准确性和稳定性。
-
公开(公告)号：CN119049551A
公开(公告)日：2024-11-29
申请号：CN202410979540.2
申请日：2024-07-22
Applicant: 广东工业大学
Abstract: 本发明涉及生物信息技术领域，公开了一种基于迭代计算图神经网络的蛋白质序列设计方法，包括：获取蛋白质序列数据集，提取蛋白质序列的主链原子坐标，并在主链原子坐标末尾增加噪声；根据主链原子坐标设计虚拟原子并获取虚拟原子坐标；建立主链原子坐标和虚拟原子之间的距离特征，根据距离特征获得距离表征；构造主链原子之间的角度特征；根据角度特征获得节点特征的嵌入表达，根据距离表征获得边特征的嵌入表达；对标准氨基酸类型以及未知氨基酸进行编码处理；构建并训练迭代计算图神经网络；将节点特征的嵌入表达、边特征的嵌入表达和编码后的氨基酸序列输入训练好的迭代计算图神经网络，获得蛋白质序列。本发明能够提高生成蛋白序列的准确率。
-
公开(公告)号：CN117953341A
公开(公告)日：2024-04-30
申请号：CN202410014806.X
申请日：2024-01-03
Applicant: 广东工业大学
IPC: G06V10/82 , G06V10/26 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种病理图像分割网络模型、方法、装置及介质，网络模型包括编码器和解码器；编码器包括多尺度卷积注意力模块，多尺度卷积注意力模块用于通过若干不同尺寸的卷积核提取输入图像不同尺度的特征信息，以及从空间维度关注不同尺度的特征信息之间的关联信息，获取全局上下文信息，并通过全局上下文信息抑制特征信息中的干扰信息；解码器包括多尺度特征融合模块，多尺度特征融合模块用于将不同尺度的特征信息进行融合。本发明的病理图像分割网络模型可以较好的捕捉到不同尺度的特征信息并通过全局上下文关联信息的学习减小噪声的干扰，同时能够高效的保留边缘信息和细粒度信息，并能够以更高的准确率去进行病理图像的分割工作。
-
Patent Agency Ranking
公开(公告)号：CN116563618A
公开(公告)日：2023-08-08
申请号：CN202310482507.4
申请日：2023-04-27
Applicant: 广东工业大学
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/042 , G06T7/00 , A61B5/055
Abstract: 本发明提供一种基于超图神经网络的阿尔茨海默症分类方法和系统，方法包括：获取阿尔茨海默症患者大脑的fMRI图像数据并进行预处理；利用RBF‑SVR递归特征消除算法对每个fMRI图像构造超图；对预处理后的fMRI图像数据和fMRI超图数据添加噪声并整合为训练元数据，将训练元数据输入建立的阿尔茨海默症分类模型进行训练，利用训练好的阿尔茨海默症分类模型对待诊断患者大脑的fMRI图像数据进行分类，获取阿尔茨海默症分类断结果；本发明使用RBF‑SVR递归特征消除算法来非线性地为每一个fMRI图像构造超图，结合超图神经网络模型，能够有效提高AD早期诊断的性能和精准度，分类性能更好。
-
公开(公告)号：CN116958161A
公开(公告)日：2023-10-27
申请号：CN202310938434.5
申请日：2023-07-27
Applicant: 广东工业大学
IPC: G06T7/10 , G06V10/764 , G06V10/80 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于自注意力和三维卷积的心脏多类分割方法和系统，方法包括：获取人体心脏CT三维图像数据集并进行预处理；建立基于自注意力和三维卷积的心脏多类分割模型；将预处理后的人体心脏CT三维图像数据集裁剪为若干个预设大小的三维方块，将所有三维方块依次输入心脏多类分割模型中进行迭代训练；将待分割的人体心脏CT三维图像输入训练好的心脏多类分割模型中进行像素分类，完成心脏的多类分割；本发明在编解码网络的深层提出三维自注意力机制和三维卷积并行进行特征提取，以及设置3D空间感知模块，能够提取不同维度之间的相关性信息，有效解决图像下采样操作可能导致的信息丢失问题，并提高心脏分割的准确性。
-
公开(公告)号：CN116843697A
公开(公告)日：2023-10-03
申请号：CN202310639973.9
申请日：2023-05-31
Applicant: 广东工业大学
IPC: G06T7/10 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T17/00
Abstract: 本发明提供一种二阶段的3D冠状动脉分割重构方法和系统，方法包括获取冠状动脉的真实标签并利用膨胀算子进行膨胀，获取冠状动脉的膨胀标签；以冠状动脉的膨胀标签作为监督信息，获取3D心血管图像并输入训练好的粗分割模型中进行粗分割，获取冠状动脉的位置特征图并与3D心血管图像进行特征融合；将融合后的3D心血管图像进行分割切片和切片组合，获取若干张2D心血管图像组合切片并输入训练好的精分割模型中进行精分割处理；最后将所有精分割后的2D心血管图像切片进行堆叠，获取重构的3D冠状动脉图像，完成3D冠状动脉的分割和重构；本发明从粗到细进行冠状动脉的二阶段分割和重构，能够有效提高冠状动脉重构的精度。
-
公开(公告)号：CN117036689A
公开(公告)日：2023-11-10
申请号：CN202310843676.6
申请日：2023-07-10
Applicant: 广东工业大学
Abstract: 本发明提供一种基于深度强化学习的左心室内膜图像分割方法和系统，首先获取人体心脏MRI数据集并进行预处理；利用强化学习智能体建立起始点定位任务并转化为第一马尔可夫决策过程；利用第一D3QN网络对第一马尔可夫决策过程进行循环迭代优化，获取最优的起始点；智能体以最优的起始点为轮廓追踪的起点，建立轮廓追踪任务并将轮廓追踪任务转化为第二马尔可夫决策过程；利用第二D3QN网络对第二马尔可夫决策过程进行循环更新，将每次更新获得的轮廓点共同保存为左心室内膜图像轮廓，将左心室内膜图像轮廓作为左心室内膜图像分割结果；本发明能够有效提高模型的性能并提高分割精度。
-
公开(公告)号：CN116188844A
公开(公告)日：2023-05-30
申请号：CN202211727338.8
申请日：2022-12-30
Applicant: 广东工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/08 , G06V10/42 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及冷冻电镜技术领域，公开了一种抗噪的轻量冷冻电镜颗粒挑选方法及系统，包括以下步骤：S1.得到冷冻电镜图像的序列化文件；S2.对冷冻电镜图像的序列化文件进行预处理；S3.构建并通过预处理后的数据训练基于YOLOX模型的轻量冷冻电镜颗粒挑选模型；S4.通过训练好的轻量冷冻电镜颗粒挑选模型进行冷冻电镜颗粒挑选。解决了现有技术区分噪音和待挑选颗粒的能力较弱的问题，具有训练方便，结构简单，准确率高的特点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
