公开(公告)号：CN110517182A

公开(公告)日：2019-11-29

申请号：CN201910809474.3

申请日：2019-08-29

Applicant: 海南大学

Inventor： 李京兵 ,  周经俊 ,  黄梦醒 ,  涂蓉

IPC: G06T1/00 ,  G16H30/40 ,  G16H10/60

Abstract: 本申请公开了一种基于NSCT组合变换的医学图像零水印嵌入方法、装置、设备及可读存储介质，该方案基于NSCT、RDWT、DCT的混合变换和Arnold变换实现，在水印嵌入过程中，首先，结合NSCT、RDWT、DCT来提取更加鲁棒的医学图像特征向量，以抵抗几何攻击。其次，利用Arnold变换加密水印，增强水印信息的安全性。最后，使用零水印技术来实现水印嵌入，保证了医学图像的完整性、水印容量以及隐身性，避免了传统的水印嵌入技术对原图数据修改造成的缺陷，保证了医学图像的质量。因此，即使患者信息受到有意或者无意的攻击，只要非授权用户不知道密钥，便无法破解出医学图像和水印，使得患者的个人信息得到真正的保护。

公开(公告)号：CN116402741A

公开(公告)日：2023-07-07

申请号：CN202310033703.3

申请日：2023-01-10

Applicant: 海南大学

Inventor： 刘谦 ,  付玲 ,  周经俊

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/40 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/088 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及图像识别领域，具体实施例中提供一种基于自监督和小样本学习的医学图像识别方法、装置、计算机设备、可存储介质，利用图像增强技术对同一张pCLE图像进行两次随机增强得到不同的实例，并将两个实例分别输入到孪生神经网络获得相应的图像特征嵌入；接着，对两个图像特征嵌入进行特征混合，使用pCLE图像数据集对孪生神经网络进行无监督范式的训练，将获得的预训练模型与分类器进行结合来完成对常见疾病pCLE图像的识别，利用在自监督学习中获得的预训练模型与基于度量的元学习相结合来进一步微调孪生神经网络，以实现对稀有疾病下的pCLE图像的识别，具有较好的泛化性，有效实现了对常见类别疾病和稀有类别疾病两种场景下的pCLE图像的精准识别。

公开(公告)号：CN110517182B

公开(公告)日：2021-06-25

申请号：CN201910809474.3

申请日：2019-08-29

Applicant: 海南大学

Inventor： 李京兵 ,  周经俊 ,  黄梦醒 ,  涂蓉

IPC: G06T1/00 ,  G16H30/40 ,  G16H10/60

Abstract: 本申请公开了一种基于NSCT组合变换的医学图像零水印嵌入方法、装置、设备及可读存储介质，该方案基于NSCT、RDWT、DCT的混合变换和Arnold变换实现，在水印嵌入过程中，首先，结合NSCT、RDWT、DCT来提取更加鲁棒的医学图像特征向量，以抵抗几何攻击。其次，利用Arnold变换加密水印，增强水印信息的安全性。最后，使用零水印技术来实现水印嵌入，保证了医学图像的完整性、水印容量以及隐身性，避免了传统的水印嵌入技术对原图数据修改造成的缺陷，保证了医学图像的质量。因此，即使患者信息受到有意或者无意的攻击，只要非授权用户不知道密钥，便无法破解出医学图像和水印，使得患者的个人信息得到真正的保护。