公开(公告)号：CN118823469A

公开(公告)日：2024-10-22

申请号：CN202410929330.2

申请日：2024-07-11

Applicant: 新疆大学

Inventor： 田生伟 ,  霍相佐 ,  宋金淼 ,  杨启萌 ,  范鑫 ,  李澳伦

IPC: G06V10/764 ,  G06V10/80 ,  G06T5/10 ,  G06V10/52

Abstract: 本发明涉及医学影像处理技术领域，公开了基于频率特征的多模态食管癌识别方法及系统，包括数据预处理单元，多模态特征提取单元，特征融合单元，分类决策单元，所述数据预处理单元用于对输入的病理图像、内镜图像和病历文本数据进行处理，所述多模态特征提取单元用于利用自适应频率多尺度特征融合模块对病理图像和内镜图像进行多尺度特征提取，所述特征融合单元用于利用频率交叉融合模块对提取的多模态特征进行融合，所述分类决策单元用于将融合后的特征输入分类器进行最终的诊断决策。通过快速傅里叶变换和逆快速傅里叶变换，结合自适应频率多尺度特征融合模块和频率交叉融合模块，从而可以达到提高特征融合的效率和准确性的效果。

公开(公告)号：CN118673401A

公开(公告)日：2024-09-20

申请号：CN202410694269.8

申请日：2024-05-30

Applicant: 新疆大学

Inventor： 禹龙 ,  何晓宇 ,  田生伟 ,  王婧 ,  杨启萌 ,  宋金淼 ,  范鑫

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/25 ,  G06N3/098 ,  G06F16/35 ,  G06F17/16

Abstract: 用于多模态隐喻检测的模态表征分解方法，属于自然语言处理的技术领域。该方法通过不同的Projector将每个模态表征分解为一致性特征和差异性特征。然后，利用设计的对比学习框架为模态的一致性特征和差异性特征学习提供更为全面的视角。同时，为了保留与隐喻检测任务相关模态特异性信息，设计了多任务学习框架，该任务依赖于每个模态的分解表征，使模型能够从单模态预测中进行学习，减少特异性隐喻信息丢失。通过精心设计的对比学习和多任务学习联合框架，确保所有模态中的特征都能够在多个训练路径中得到充分的调整和优化。

公开(公告)号：CN118522442A

公开(公告)日：2024-08-20

申请号：CN202410698719.0

申请日：2024-05-31

Applicant: 新疆大学

Inventor： 杨启萌 ,  邓海良 ,  杨宇豪 ,  邓天凯 ,  宋金淼 ,  任航希 ,  吕增筱 ,  董斌 ,  王欣婕

IPC: G16H50/20 ,  G16H30/20 ,  G06V40/18 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774

Abstract: 本发明公开了一种视网膜静脉阻塞的辅助诊断系统，包括：图像预处理模块，所述图像预处理模块用于图像预处理，通过有目的性地强调眼底图像的静脉特征，扩大眼底图像中视网膜静脉与其他器官的差别，本发明通过将卷积神经网络与Transformer模型的组合使用，借助小样本学习的原理，构建一个高效的准确的疾病识别模型，该模型有助于做到视网膜静脉阻塞的早期诊断，在该病处于轻症时期便能被识别发现，将该病扼杀于摇篮之中，帮助病患掌握自身视网膜健康情况，及时就医避免错过最佳治疗时机，可以进行大规模推广应用的新型计算机高精度辅助诊断模型，为视网膜静脉阻塞疾病的筛查提供高效、低成本、广覆盖的解决方案。

公开(公告)号：CN118278419A

公开(公告)日：2024-07-02

申请号：CN202410380595.1

申请日：2024-03-30

Applicant: 新疆大学

Inventor： 禹龙 ,  段世杰 ,  田生伟 ,  杨启萌 ,  宋金淼 ,  范鑫

IPC: G06F40/35 ,  G06F16/332 ,  G06F16/35 ,  G06F18/2415 ,  G06F18/2431 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464

Abstract: 一种基于分层线图交互网络的多意图检测和槽位填充方法，属于自然语言处理的技术领域。通过图与线图的转换来模拟意图‑槽位之间的强相关性。根据数据集的特性，线图交互层弱化了不同意图之间的特征关联，着重对词元级的意图和槽位之间进行双向高效率的多粒度信息整合，加强了意图与槽位之间的语义信息交互，提高了联合任务精度。在标准的公开的数据集上的实验结果表明，与最先进的几种方法相比，设计的框架在槽填充F1得分（Slot F1）、意图检测准确率（Intent acc）、句子级别准确率（Sent acc）3个指标上达到了最佳性能。

公开(公告)号：CN118735794A

公开(公告)日：2024-10-01

申请号：CN202410694283.8

申请日：2024-05-30

Applicant: 新疆大学

Inventor： 禹龙 ,  王婧 ,  田生伟 ,  何晓宇 ,  杨启萌 ,  宋金淼 ,  范鑫

IPC: G06T5/50 ,  G06T5/60 ,  G06T7/40 ,  G06T7/11 ,  G06V10/44 ,  G06F17/16 ,  G06N3/0455 ,  G06N3/088

Abstract: 基于Transformer的无监督多源图像融合方法，属于图像处理的技术领域。该方法中编码器网络包括两个Transformer块和一个细节块。Transformer块利用远程注意力来处理低频全局信息，而细节块则侧重于提取高频局部特征。该方法不仅解决了网络中间层信息利用不足的问题，还能兼顾高频特征和低频信息的捕获。另该方法还在鉴别器中加入了压缩和激励网络，以迫使模型聚焦于源图像中最显著的区域。在多个数据集上进行大量仿真实验的结果表明，与现有融合框架相比，该方法具有竞争力的融合结果。