-
公开(公告)号：CN116935182B
公开(公告)日：2024-12-17
申请号：CN202310598706.1
申请日：2023-05-20
Applicant: 河南大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及智慧医疗技术领域，具体涉及一种基于RepCSC‑Net的乳腺肿瘤良恶性识别方法，包括：获取乳腺钼靶影像数据集，对乳腺钼靶影像数据集进行图像增强处理，并分为训练集、验证集和测试集；构建具有结构重参数化策略的RepCSC模块，获得RepCSC‑Net模型；获得训练后的RepCSC‑Net模型，进而获得验证后的RepCSC‑Net模型；将测试集输入到验证后的RepCSC‑Net模型，输出乳腺肿瘤的识别结果。本发明通过构建RepCSC‑Net模型，有效提高了乳腺肿瘤良恶性识别精度，可以应用于肿瘤良恶性识别领域。
-
公开(公告)号：CN116912212A
公开(公告)日：2023-10-20
申请号：CN202310886912.2
申请日：2023-07-19
Applicant: 河南大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于YOLO‑CSC模型的肺结节CT图像分析方法，通过在目标检测网络YOLOv5中引入卷积稀疏编码，使得网络在提升目标检测和识别能力的同时，避免学习到其他冗余特征；进而在YOLOv5的路径聚合网络中增加一个高分辨率的特征层，并去除最低分辨率的特征层，使得对极小的肺结节有更好地检测效果，并提高网络查准率和查全率。本发明构建了一个特征表示学习能力强，且具有良好可解释性的深度目标检测网络，旨在快速精确识别小尺寸、假阳性的肺结节。
-
公开(公告)号：CN108171215B
公开(公告)日：2023-02-03
申请号：CN201810072104.1
申请日：2018-01-25
Applicant: 河南大学
Abstract: 本发明公开了一种基于低秩变异字典和稀疏表示分类的人脸伪装检测和识别方法，包括以下步骤：利用低秩分解出的稀疏部分构造变异字典库。变异字典库包含眼镜伪装和口罩伪装。对用户提交的检索图像进行低秩分解，得到低秩部分和稀疏部分，对检索图像的稀疏部分，计算伪装检测指标的值，如果伪装检测指标的值大于给定的阈值，检索图像判定为没有伪装；小于给定的阈值，检索图像判定为有伪装，再进行下一步识别是哪一种伪装，用构造好的变异字典库对待检测的伪装进行稀疏表示，用重建误差作为分类准则，检测是哪一种伪装并对伪装进行去除。
-
公开(公告)号：CN108171215A
公开(公告)日：2018-06-15
申请号：CN201810072104.1
申请日：2018-01-25
Applicant: 河南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于低秩变异字典和稀疏表示分类的人脸伪装检测和识别方法，包括以下步骤：利用低秩分解出的稀疏部分构造变异字典库。变异字典库包含眼镜伪装和口罩伪装。对用户提交的检索图像进行低秩分解，得到低秩部分和稀疏部分，对检索图像的稀疏部分，计算伪装检测指标的值，如果伪装检测指标的值大于给定的阈值，检索图像判定为没有伪装；小于给定的阈值，检索图像判定为有伪装，再进行下一步识别是哪一种伪装，用构造好的变异字典库对待检测的伪装进行稀疏表示，用重建误差作为分类准则，检测是哪一种伪装并对伪装进行去除。
-
公开(公告)号：CN116935182A
公开(公告)日：2023-10-24
申请号：CN202310598706.1
申请日：2023-05-20
Applicant: 河南大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及智慧医疗技术领域，具体涉及一种基于RepCSC‑Net的乳腺肿瘤良恶性识别方法，包括：获取乳腺钼靶影像数据集，对乳腺钼靶影像数据集进行图像增强处理，并分为训练集、验证集和测试集；构建具有结构重参数化策略的RepCSC模块，获得RepCSC‑Net模型；获得训练后的RepCSC‑Net模型，进而获得验证后的RepCSC‑Net模型；将测试集输入到验证后的RepCSC‑Net模型，输出乳腺肿瘤的识别结果。本发明通过构建RepCSC‑Net模型，有效提高了乳腺肿瘤良恶性识别精度，可以应用于肿瘤良恶性识别领域。
-
Patent Agency Ranking
公开(公告)号：CN114732409B
公开(公告)日：2025-02-25
申请号：CN202210173928.4
申请日：2022-02-24
Applicant: 河南大学
IPC: A61B5/16 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于脑电信号的情绪识别方法，通过对脑电信号预处理后，将连通性指标作为邻接矩阵，利用图卷积神经网络提取图特征；同时利用时间卷积神经网络提取脑电信号中所蕴含时间特征；进而将两者有效结合进行情绪分类。本方法将图卷积神经网络和时间卷积神经网络相结合，一方面将脑电信号建立为图模型，利用功能连通性指标作为图模型的邻接矩阵进行图卷积特征提取；另一方面利用时间卷积网络提取时间特征。将两个并行的网络提取的空间特征和时间特征相结合，使得模型对不同情绪有更好的识别能力。
-
公开(公告)号：CN118857174A
公开(公告)日：2024-10-29
申请号：CN202410925703.9
申请日：2024-07-11
Applicant: 开封市测控技术有限公司 , 河南大学
IPC: G01B15/02
Abstract: 本发明涉及一种测厚仪反馈数据的矫正方法，包括以下步骤：驱动被测极片运动并利用测厚仪驱动第一测厚组件对被测极片进行第一次测量校准后得到数据组r；驱动被测极片运动并利用测厚仪驱动第二测厚组件对被测极片进行第二次测量得到数据组y*；驱动被测极片运动并利用测厚仪驱动第三测厚组件对被测极片进行第三次测量得到数据组x；利用构建全连接神经网络和因子分解机模型，根据数据组r、数据组y*、数据组x、第三测厚组件反馈数据的权重参数以及第二测厚组件反馈数据y*的权重参数，求得第三测厚组件反馈数据所对应拟合值；能够降低X射线测厚仪被标定的频率并且能够保持通过X射线测厚仪获取数据可靠性；本发明使用方便，具有广泛的市场前景。
-
公开(公告)号：CN119540616A
公开(公告)日：2025-02-28
申请号：CN202411590222.3
申请日：2024-11-08
Applicant: 河南大学
IPC: G06V10/764 , G06V40/20 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种用于人体骨架动作识别的多尺度图卷积网络自适应集成系统及方法，方法步骤为S0：获取人体骨架数据，根据人体骨架数据构建多尺度分层分解图；S1：基于多尺度分层分解图对人体骨架数据进行特征提取并进行分类；S2：对人体骨架数据的多组初步动作分类结果进行融合操作，得到人体骨架数据的一组动作分类结果。系统包括依次连接的多尺度图卷积网络和自适应集成网络，所述多尺度图卷积网络包括并行的人体整体特征图卷积网络、人体局部特征图卷积网络和人体细节特征图卷积网络。本发明不仅提高了分类精度，还减少了人工干预，减弱了权重参数设置不合理对模型精度的影响。
-
公开(公告)号：CN116912212B
公开(公告)日：2024-08-16
申请号：CN202310886912.2
申请日：2023-07-19
Applicant: 河南大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于YOLO‑CSC模型的肺结节CT图像分析方法，通过在目标检测网络YOLOv5中引入卷积稀疏编码，使得网络在提升目标检测和识别能力的同时，避免学习到其他冗余特征；进而在YOLOv5的路径聚合网络中增加一个高分辨率的特征层，并去除最低分辨率的特征层，使得对极小的肺结节有更好地检测效果，并提高网络查准率和查全率。本发明构建了一个特征表示学习能力强，且具有良好可解释性的深度目标检测网络，旨在快速精确识别小尺寸、假阳性的肺结节。
-
公开(公告)号：CN116831614A
公开(公告)日：2023-10-03
申请号：CN202310909133.X
申请日：2023-07-19
Applicant: 河南大学
IPC: A61B7/04 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及疾病筛查技术领域，具体涉及一种基于时空注意力特征融合模型的异常心音检测方法，该异常心音检测方法先获取心音信号数据，对心音信号数据进行预处理，获得预处理后的心音信号数据；对预处理后的心音信号数据进行特征提取，确定各个心音信号特征数据；通过构建的CNN‑TCN‑Attention网络模型，对各个心音信号特征数据进行多源特征融合和心音分类，获得心音信号数据的分类结果。本发明基于直接从心音信号数据上的提取特征，利用CNN‑TCN‑Attention网络模型，进行心音信号分类，有效提高了异常心音识别的准确性，主要应用于异常心音检测领域。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
