-
公开(公告)号：CN112967240B
公开(公告)日：2025-04-25
申请号：CN202110215672.4
申请日：2021-02-26
Applicant: 江南大学
IPC: G06T11/00 , G06T7/00 , G06T5/60 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/096 , G06V10/774
Abstract: 本发明公开了基于深层3D网络与迁移学习的医学图像生成方法，本发明利用图像预处理、制作数据集、数据增强、模型训练、观测模型、网格寻优、再次训练、再次核对、数据测试、评价指标、结果讨论的方式进行模型的训练，并最终利用该模型进行医学图像的生成，涉及医学图像处理技术领域，本发明科学合理，使用安全方便，在本模型中，是将原始图像分成若干个区域，计算各个域的Softmax数值求取平均值，本发明的模型仅仅需要两类医学图像即可，并没有过多的要求，这对于临床实践而言是有意义的；本发明的模型是两个域之间的转换，可以同时进行两种图像的转换，从转换效率而言，本发明的模型转化效率更高。
-
公开(公告)号：CN118797448B
公开(公告)日：2024-11-15
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
公开(公告)号：CN118196831A
公开(公告)日：2024-06-14
申请号：CN202410198457.1
申请日：2024-02-22
Applicant: 江南大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于注意力和对比原型的小样本视觉提示微调方法、装置及计算机可读存储介质。本发明所述方法，在视觉自注意力模型中嵌入层和第一个注意力层之间连接提示模块，所述提示模块由多个连续嵌入组成，并在视觉自注意力模型的每个注意力层中分别增加前缀模块，利用前缀模块的键值对分别重组注意力层中多头自注意力的键值对；将注意力原型作为提示模块的初始化参数，冻结经过预训练的视觉自注意力模型的骨干网络参数，仅对提示模块和前缀模块的参数进行更新。本发明不仅降低了微调的参数量，减少了存储需求和算力需求，而且减轻了过拟合风险，保证了小样本任务的泛化性能。
-
公开(公告)号：CN117726815A
公开(公告)日：2024-03-19
申请号：CN202311758269.1
申请日：2023-12-19
Applicant: 江南大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/764 , G06N3/045 , G06N3/084
Abstract: 本申请公开了一种基于异常检测的小样本医学图像分割方法，涉及医学技术领域，该方法利用特征提取模块对输入的支持切片图像提取支持特征以及对输入的查询切片图像提取查询特征，利用原型提取模块基于支持特征及对应的超像素标签提取得到各个前景类别的前景原型，利用异常检测模块基于查询特征和各个前景类别的前景原型得到分割结果，继而结合对应的超像素标签计算得到损失函数进行模型训练用于小样本医学图像分割。该方法引入异常检测模块使得网络模型能够更好地适应医学图像的特殊性，从而更好地应对不同器官、不同密度和不同结构的医学图像分割，能够有效提高小样本医学图像分割的性能和可靠性。
-
公开(公告)号：CN116596161B
公开(公告)日：2023-10-13
申请号：CN202310807852.0
申请日：2023-07-04
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/30 , G06F18/213 , G06F18/2337 , G06F18/24
Abstract: 本发明涉及一种多中心小样本场景下目标预测模型构建方法和预测方法。通过结合迁移学习的思想直接用已训练节点的知识对新节点的训练集进行预测，借助预测错误样本体现新节点与已训练节点的差异，将其作为补充知识，以此快速获取新节点的模型知识，避免每次都对新节点从头训练；最后使用岭回归方法实现增量式子分类器的并行集成，大大节省了部署时间和成本。通过共享历史知识和知识丢弃机制保证模型的泛化性，在足够的共享知识的支持下，对于小样本量的节点也可以取得较好的分类效果。基于具有高度可解释性的零阶TSK模糊系统进行改进，所有的模型参数都可以通过规则的形式体现，有着高度的语义透明性，在实际应用中更能帮助用户分析和理解数据。
-
Patent Agency Ranking
公开(公告)号：CN114628023A
公开(公告)日：2022-06-14
申请号：CN202210095777.5
申请日：2022-01-26
Applicant: 江南大学
Abstract: 本发明公开了一种基于元学习的深度模糊决策系统，包括参数设置模块、数据空间划分模块、数据处理模块、参数调控模块和循坏训练模块；参数设置模块用于对决策系统中的参数进行设置；数据空间划分模块用于通过FCM或者其他划分技术对训练数据的输入空间进行划分；数据处理模块将数据空间划分模块中的数据转化为相应线性回归模型问题来求解后件参数和输出结果；参数调控模块用于设置初始化参数i并进行随机选择；循环训练模块用于针对所述参数设置模块中的当前图层指示器j进行判断并得出最终输出结果；本发明有效排除不需要的噪声并通过遗忘和变异使有效的特征得到充分的训练。
-
公开(公告)号：CN118797448A
公开(公告)日：2024-10-18
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
公开(公告)号：CN117078996A
公开(公告)日：2023-11-17
申请号：CN202310756498.3
申请日：2023-06-26
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G16H50/20 , G16H50/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像识别领域，公开一种基于渐进式混合特征图识别直肠癌的系统、介质、设备，包括：数据获取模块获取直肠图像，预处理后作为训练集；网络构建模块构建卷积神经网络模型，模型包括：对特征图通道之间的相互依赖关系进行建模的残差压缩和提取模块，逐层整合分类结果的渐进式输出模块，减少直肠图像中低纬度特征信息损失的感受野辅助模块；训练模块使用训练集训练卷积神经网络模型，预测模块将待测直肠图像输入训练完成的卷积神经网络模型得到对直肠癌分期的判断结果。本发明可以降低对数据集的依赖性、提高对直肠癌分期预测的准确性和客观性、辅助医生提高诊断效率。
-
公开(公告)号：CN113066562A
公开(公告)日：2021-07-02
申请号：CN202110441339.5
申请日：2021-04-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于5g的医疗图像传输方法及系统，包括患者应用模块、医生应用模块、医疗图像存储模块、医疗图像分类模块、病变位置确认模块、病变位置对比模块、复诊阶段分析模块、患者就诊阶段匹配模块、患者就诊经验交流模块、医疗图像传输模块、专家信息整合模块、医患信息匹配模块，本发明的有益效果在于：通过对医疗图像进行分类和患者复诊次数以及下一次复诊时间的统计，并判断医疗图像中不同患者的病变位置以及病变位置处的病变程度，分析患者所处就诊阶段，智能调整处于患者的复诊时间，并为患者之间提供交流渠道，以提高复诊率，进一步对医生的综合能力进行分析，将医生与患者进行匹配，为患者提供咨询渠道。
-
公开(公告)号：CN113066562B
公开(公告)日：2024-10-22
申请号：CN202110441339.5
申请日：2021-04-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于5g的医疗图像传输方法及系统，包括患者应用模块、医生应用模块、医疗图像存储模块、医疗图像分类模块、病变位置确认模块、病变位置对比模块、复诊阶段分析模块、患者就诊阶段匹配模块、患者就诊经验交流模块、医疗图像传输模块、专家信息整合模块、医患信息匹配模块，本发明的有益效果在于：通过对医疗图像进行分类和患者复诊次数以及下一次复诊时间的统计，并判断医疗图像中不同患者的病变位置以及病变位置处的病变程度，分析患者所处就诊阶段，智能调整处于患者的复诊时间，并为患者之间提供交流渠道，以提高复诊率，进一步对医生的综合能力进行分析，将医生与患者进行匹配，为患者提供咨询渠道。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
