-
公开(公告)号：CN112164073B
公开(公告)日：2024-11-26
申请号：CN202010999256.3
申请日：2020-09-22
Applicant: 江南大学 , 安徽工大信息技术有限公司
IPC: G06T7/11 , G06T7/155 , G06T5/70 , G06T5/60 , G06T5/30 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的影像三维组织分割与测定方法，包括，采集活体猪的CT图像，划分为训练集与测试集并在训练集上进行标注；构建CT床分割网络和内脏分割网络，并利用所述标注好的训练集进行训练得到CT床分割模型和内脏分割模型；利用所述CT床分割模型和所述内脏分割模型预测其掩膜图并去除所述CT床和内脏；结合所述活体猪的CT图像提取出猪体的脂肪、肌肉与骨骼部分并计算猪体的总体质量及各个组织的占比。可以自动、快速、准确分割出种猪的脂肪、肌肉和骨骼等组织，并且本方法适用于任何形状、任何大小的种猪。
-
公开(公告)号：CN112164073A
公开(公告)日：2021-01-01
申请号：CN202010999256.3
申请日：2020-09-22
Applicant: 江南大学 , 安徽工大信息技术有限公司
Abstract: 本发明公开了一种基于深度神经网络的影像三维组织分割与测定方法，包括，采集活体猪的CT图像，划分为训练集与测试集并在训练集上进行标注；构建CT床分割网络和内脏分割网络，并利用所述标注好的训练集进行训练得到CT床分割模型和内脏分割模型；利用所述CT床分割模型和所述内脏分割模型预测其掩膜图并去除所述CT床和内脏；结合所述活体猪的CT图像提取出猪体的脂肪、肌肉与骨骼部分并计算猪体的总体质量及各个组织的占比。可以自动、快速、准确分割出种猪的脂肪、肌肉和骨骼等组织，并且本方法适用于任何形状、任何大小的种猪。
-
公开(公告)号：CN112309576B
公开(公告)日：2025-01-14
申请号：CN202011005022.9
申请日：2020-09-22
Abstract: 本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：(1)、获取数据；(2)、对CT影像组学数据进行结直肠肿瘤区域标注；(3)、对获取数据进行预处理；(4)、构建基于深度神经网络的特征学习模型；(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；(6)、根据风险评分分组；(7)、曲线及特征有效性验证；(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师(特别是年轻经验不足的放射科医生)提供参考，以便更好地了解病人病情并进行下一步决策。
-
公开(公告)号：CN112309576A
公开(公告)日：2021-02-02
申请号：CN202011005022.9
申请日：2020-09-22
Abstract: 本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：(1)、获取数据；(2)、对CT影像组学数据进行结直肠肿瘤区域标注；(3)、对获取数据进行预处理；(4)、构建基于深度神经网络的特征学习模型；(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；(6)、根据风险评分分组；(7)、曲线及特征有效性验证；(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师(特别是年轻经验不足的放射科医生)提供参考，以便更好地了解病人病情并进行下一步决策。
-
公开(公告)号：CN118981554A
公开(公告)日：2024-11-19
申请号：CN202411021558.8
申请日：2024-07-29
Applicant: 江南大学
IPC: G06F16/901 , G06F16/215 , G06F16/2458 , G06F18/22 , G06F18/2413 , G06F18/25
Abstract: 本发明涉及图数据挖掘技术领域，具体指一种基于信息补全的异构图嵌入方法，包括：对目标节点进行特征聚合，得到目标节点的初步补全特征向量，并基于异构图中节点之间关系，学习节点之间相似度，得到目标节点在每个关系中的目标邻接矩阵；循环更新节点特征，得到节点的目标特征向量；基于目标节点在每个关系中的目标邻接矩阵以及节点的目标特征向量，对目标节点进行邻域转移，得到目标节点的完整补全特征向量，并采用注意力机制聚合，得到目标节点的最终节点表示。本发明补全了目标节点缺失的属性特征，完善了目标节点的邻域信息，使得关系连接较少的目标节点能够学习到更多信息，从而得到更加完整的节点特征表示，进而提升下游任务性能。
-
Patent Agency Ranking
公开(公告)号：CN118279240B
公开(公告)日：2024-11-19
申请号：CN202410233736.7
申请日：2024-03-01
Applicant: 江南大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/42 , G06V10/774 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了基于全局上下文感知双流深度学习的类器官自动标注方法，包括，结合荧光蛋白染色图像，利用labelme标注输入的明场图像中的类器官；基于全局上下文感知双流深度学习构建类器官标注模型并训练标注完成的数据，得到训练完成的网络模型；利用训练好的全局上下文感知双流深度学习网络模型标注未标注的明场图像，得到类器官标注掩膜，完成类器官的自动精确标注。本发明可以高通量地标注显微图像中的类器官，解决了类器官人工标注主观性大、速度慢、精度低的问题。
-
公开(公告)号：CN118586797A
公开(公告)日：2024-09-03
申请号：CN202410632281.6
申请日：2024-05-21
Applicant: 无锡中鼎集成技术有限公司 , 江南大学
IPC: G06Q10/083 , G06Q10/087 , G06F16/9535 , G06F21/62 , G06N3/098 , G06N3/0985 , G06N3/0455 , G06F18/213
Abstract: 本申请涉及一种基于联邦学习的货物推荐系统和方法，涉及机器学习技术领域。所述系统基于联邦学习框架，将每个存储中心作为联邦学习框架的客户端，将中央服务器作为联邦学习框架的服务端，其中：客户端基于本地源域中用户和货物交互数据训练货物推荐模型，将训练得到的模型参数上传至中央服务器；中央服务器聚合不同客户端上传的模型参数，确定源域到目标域的跨域可转移特征，并将聚合后的模型参数和跨域可转移特征下发给客户端；客户端配置聚合后的模型参数，并利用货物推荐模型和跨域可转移特征进行目标域的冷启动用户的评级预测，以生成针对目标域的货物推荐结果。采用本方法可以提高货物推荐的准确性和效率，同时可以有效保护用户隐私。
-
公开(公告)号：CN115063393A
公开(公告)日：2022-09-16
申请号：CN202210785138.1
申请日：2022-06-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于边缘补偿注意力的肝脏及肝脏肿瘤自动分割方法，包括采集原始数据，按比例分为训练集和测试集，并对其进行预处理；通过对监督信息进行变换，生成辅助监督标签；通过Unet网络对肝脏进行快速粗略定位，得到肝脏区域后进行裁剪和插值处理；建立ECA‑Net网络；基于训练集数据，对ECA‑Net网络进行训练；基于ECA‑Net网络进行切割。本发明所述方法分割算法采样次数少，并利用边缘敏感信息对生成的全局边缘信息补偿图进行监督，可以有效弥补由于多次带步长卷积或者池化造成的细节信息丢失问题，并且在肝脏及肿瘤的边界部分分割效果也很显著。
-
公开(公告)号：CN114742802A
公开(公告)日：2022-07-12
申请号：CN202210411370.9
申请日：2022-04-19
Applicant: 江南大学
Abstract: 本发明公开了一种基于3Dtransformer混合卷积神经网络的胰腺CT图像分割方法，包括：采集胰腺CT图像数据集并进行数据预处理；利用步进卷积进行下采样，利用3Dtransformer进行特征提取，利用反卷积上采样进行解码，以建立3Dtransformer混合卷积神经网络；将预处理后的数据输入所述3Dtransformer混合卷积神经网络，输出分割结果；本发明结合卷积神经网络局部表征能力与Transformer的全局建模能力来提取融合胰腺各级特征；提出一种适用胰腺和网络的损失函数，改善了针对胰腺类别不平衡以及纹理信息大不相同带来的学习难易程度存在差异等问题；采用多视角跳跃连接及特征融合模块弥补了医学图像U型架构上下采样的信息损失问题。
-
公开(公告)号：CN114443628A
公开(公告)日：2022-05-06
申请号：CN202111565832.4
申请日：2021-12-20
Applicant: 江南大学 , 浪潮卓数大数据产业发展有限公司
IPC: G06F16/215 , G06K9/62
Abstract: 本发明公开了一种基于聚类的金融缺失数据处理方法，包括：获取金融数据集；对金融数据集进行两步处理；对经过两步处理得到数据集进行聚类操作，整合其聚类后的簇；通过相似度度量将缺失数据对象划分的到最想似的簇中，并通过簇内信息进行填补。本发明提出一种整体和局部相结合的基于聚类的金融缺失数据处理方法，极大程度上保留了原样本的分布情况，减少缺失数据所导致的误差，更准确的对缺失数据进行填充。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.168 seconds)
