-
公开(公告)号：CN115719336A
公开(公告)日：2023-02-28
申请号：CN202211387417.9
申请日：2022-11-07
Applicant: 桂林理工大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 一种基于迁移学习的深度神经网络脑肿瘤图像分类方法，包括4个步骤：S1数据预处理：从原始图像数据集生成两种数据集；S2构建预训练模型：预训练模型中应用的是ImageNet数据集，并将收敛后的预训练模型保存下来；S3构建改进的CNN架构模型：选定带有预训练的InceptionV3的迁移学习的深度卷积神经网络，微调网络，使整个模型进一步地适应目标任务，最终提升分类效果；S4脑肿瘤图像分类评估：分别验证已裁剪和未裁剪的数据集，通过精确度、召回率等，评价分类性能。本发明提供可以通过脑肿瘤MR图像数据集对患不同脑肿瘤的病人进行分类，利用分类的脑肿瘤MR图像辅助医生诊断，帮助病人提前发现病情和提高医生的诊断效率。
-
公开(公告)号：CN114546962A
公开(公告)日：2022-05-27
申请号：CN202210147679.1
申请日：2022-02-17
Applicant: 桂林理工大学
IPC: G06F16/172 , G06F16/182 , G06F16/16
Abstract: 本发明公开了一种基于Hadoop的海事局船检的大数据分布式存储方法。包括首先对海事局船检平台数据特征进行分析，通过在客户端与NameNode中间增加一个部门节点，优化HDFS处理海量小文件时表现出的性能低下的问题；其次，在该节点中实现对小文件的合并时，设立了小文件预处理模块和预取模块；同时对热点数据合并的后的大文件元数据信息进行缓存，达到对小文件的访问流程进行优化，缓解NameNode节点压力；小文件预处理模块和预取模块工作的同时，对热点数据合并的后的大文件元数据信息进行缓存，达到对小文件的访问流程进行优化。本发明解决了传统的HDFS在存储海量小文件时通常表现出性能低下的问题，针对海事局海量数据文件小的特性，更加方便文件存储。
-
公开(公告)号：CN114529364A
公开(公告)日：2022-05-24
申请号：CN202210147680.4
申请日：2022-02-17
Applicant: 桂林理工大学
IPC: G06Q30/06 , G06F16/9535 , G06F16/958 , G06K9/62
Abstract: 一种基于注意力机制的商品序列推荐方法，包括：获取用户的商品历史数据集并进行数据预处理；利用多头注意力机制来捕捉用户最近历史行为中物品与物品的之间的关系依赖，得到用户短期兴趣偏好向量；将用户与项目在隐式空间的的相似度系数加入注意力机制的权重中，为长期兴趣分配不同的权重，得到长期偏好的最终表示。最后加权融合长短期偏好得到用户最终的兴趣偏好。然后将其与候选集中每一个物品进行交互，在预测层得到该相关性分数值，然后将所得到的分数值按照由高到低排序得到推荐序列，相关性的分数越高就代表用户下一项交互的可能性越大。本发明能更为精准的为用户推荐多个推荐结果，更加符合用户的商品推荐结果的需求。
-
公开(公告)号：CN115661171A
公开(公告)日：2023-01-31
申请号：CN202211387418.3
申请日：2022-11-07
Applicant: 桂林理工大学
IPC: G06T7/11 , G06T3/40 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/082
Abstract: 本发明公开了一种基于改进U‑net的颈椎黄韧带增厚的图像分割方法，包括4个步骤：S1预处理模块：对输入的颈椎黄韧带MR图像进行预处理；S2网络构建模块：构建改进U‑net网络；S3训练模块：利用所述的颈椎黄韧带MR图像训练改进U‑net网络；S4测试模块：通过改进U‑net网络得到颈椎黄韧带MR图像分割的结果。本发明提供可以通过颈椎黄韧带增厚MR图像数据集对改进U‑net网络进行训练，并根据准确性、召回率和Dice系数判断改进U‑net是否优于原来网络，实现颈椎黄韧带MR图像病灶区域有效分割，减省医生诊断时间，降低医生劳动强度，帮助医师医学影像研究结合计算机的图像处理辅助治疗颈椎黄韧带增厚这类颈椎病有着重要意义。
-
-
-
Search Results
4
records
(took 0.018 seconds)
