-
公开(公告)号：CN111489353B
公开(公告)日：2023-06-23
申请号：CN202010378844.5
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/70 , G06T5/40 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种眼底图像中央凹定位方法，包括：1)由眼底图像得到视杯视盘分割结果图和血管分布图；2)将所述视杯视盘分割结果图和所述血管分布图输入训练好的粗定位网络，得到有关于眼底图像中央凹的粗定位位置信息；3)根据粗定位位置信息得到的位置信息对眼底图像进行感兴趣区域裁剪；4)将裁剪得到的眼底图像经直方图匹配后输入训练好的精确定位网络，得到精确坐标位置；5)根据精确坐标位置结合粗定位位置，进行还原得到最终坐标位置，实现眼底图像中央凹定位。本方法基于直方图匹配，通过粗定位网络、精确定位网络实现眼底图像中央凹定位，尤其有效地解决了数据差异的问题，有利于实现眼底图像中央凹精准定位。
-
公开(公告)号：CN111489353A
公开(公告)日：2020-08-04
申请号：CN202010378844.5
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 一种眼底图像中央凹定位方法，包括：1)由眼底图像得到视杯视盘分割结果图和血管分布图；2)将所述视杯视盘分割结果图和所述血管分布图输入训练好的粗定位网络，得到有关于眼底图像中央凹的粗定位位置信息；3)根据粗定位位置信息得到的位置信息对眼底图像进行感兴趣区域裁剪；4)将裁剪得到的眼底图像经直方图匹配后输入训练好的精确定位网络，得到精确坐标位置；5)根据精确坐标位置结合粗定位位置，进行还原得到最终坐标位置，实现眼底图像中央凹定位。本方法基于直方图匹配，通过粗定位网络、精确定位网络实现眼底图像中央凹定位，尤其有效地解决了数据差异的问题，有利于实现眼底图像中央凹精准定位。
-
公开(公告)号：CN112184647B
公开(公告)日：2023-07-04
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/047 , G06N3/0985
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
公开(公告)号：CN111652350B
公开(公告)日：2023-04-07
申请号：CN202010378828.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种神经网络可视化解释方法及弱监督定位物体方法，该神经网络可视化解释方法包括如下步骤：S1、定义神经网络模型的注意力；S2、将所述注意力通过所述神经网络模型的全连层进行反向传播；S3、将所述注意力通过所述神经网络模型的卷积层进行反向传播；S4、将所述注意力通过所述神经网络模型的池化层进行反向传播；S5、在所述神经网络模型的输入层得到注意力图，将所述注意力图作为所述神经网络模型的可视化解释。本方法可以对被视为黑箱的神经网络的决策过程给出可视化解释，解释网络决策的依据，解释网络决策失误的原因，同时还可以用于弱监督定位物体方法，在弱监督定位物体的实验中取得了很有竞争力的结果。
-
公开(公告)号：CN112184647A
公开(公告)日：2021-01-05
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111667490B
公开(公告)日：2023-06-30
申请号：CN202010378842.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/11 , G06T5/40 , G06T3/60 , G06T3/40 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种眼底图片视杯视盘分割方法，包括：训练阶段：训练定位网络和分割网络，所述分割网络包括生成网络与判别网络，所述定位网络单独训练，所述分割网络训练由所述生成网络与所述判别网络轮流迭代进行训练；预测阶段：通过所述定位网络得到视盘分割图；根据视盘分割图进行感兴趣区域裁剪，感兴趣区域经过对齐变换后通过所述分割网络中的生成网络得到视杯视盘分割结果图和视杯视盘边界分割结果图，将所述分割结果图还原到原来裁剪的位置和尺寸后得到最终结果图。通过生成网络与判别网络迭代共同训练来源不同的数据，能够适应多域并且端到端分割视杯视盘，有效解决数据差异的问题。
-
公开(公告)号：CN111667490A
公开(公告)日：2020-09-15
申请号：CN202010378842.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 一种眼底图片视杯视盘分割方法，包括：训练阶段：训练定位网络和分割网络，所述分割网络包括生成网络与判别网络，所述定位网络单独训练，所述分割网络训练由所述生成网络与所述判别网络轮流迭代进行训练；预测阶段：通过所述定位网络得到视盘分割图；根据视盘分割图进行感兴趣区域裁剪，感兴趣区域经过对齐变换后通过所述分割网络中的生成网络得到视杯视盘分割结果图和视杯视盘边界分割结果图，将所述分割结果图还原到原来裁剪的位置和尺寸后得到最终结果图。通过生成网络与判别网络迭代共同训练来源不同的数据，能够适应多域并且端到端分割视杯视盘，有效解决数据差异的问题。
-
公开(公告)号：CN111652350A
公开(公告)日：2020-09-11
申请号：CN202010378828.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 一种神经网络可视化解释方法及弱监督定位物体方法，该神经网络可视化解释方法包括如下步骤：S1、定义神经网络模型的注意力；S2、将所述注意力通过所述神经网络模型的全连层进行反向传播；S3、将所述注意力通过所述神经网络模型的卷积层进行反向传播；S4、将所述注意力通过所述神经网络模型的池化层进行反向传播；S5、在所述神经网络模型的输入层得到注意力图，将所述注意力图作为所述神经网络模型的可视化解释。本方法可以对被视为黑箱的神经网络的决策过程给出可视化解释，解释网络决策的依据，解释网络决策失误的原因，同时还可以用于弱监督定位物体方法，在弱监督定位物体的实验中取得了很有竞争力的结果。
-
公开(公告)号：CN114999590B
公开(公告)日：2024-10-01
申请号：CN202210580288.9
申请日：2022-05-25
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了一种基于梯度一致性判断的药‑时数据扩增方法，用于解决深度学习预测药‑时数据过程中样本量不足的问题，该方法在增加训练样本数量的同时，能够保留药‑时数据的药理和生理特征，从而提升扩增样本的质量，所述扩增方法包括以下步骤：S1、基于药‑时数据预测任务进行数据预处理；S2、利用差分方法计算采样点的前后梯度并判断梯度一致性；S3、基于高斯随机进行弃点。本发明对真实的药代动力学数据采样点进行梯度一致性判断及有选择的弃点，生成新的药代动力学时序数据。本发明提升了训练集的数量，能在不增加受试者的总采血量的同时，解决预测受试者药代动力学数据时训练样本量不足的问题。
-
公开(公告)号：CN115987724B
公开(公告)日：2024-08-16
申请号：CN202211666415.3
申请日：2022-12-23
Applicant: 清华大学深圳国际研究生院
Abstract: 一种水下无线光通信的信道估计方法，包括如下步骤：S1、根据接收到的光OFDM信号的导频信息，利用最小二乘LS算法进行信道估计，得到信道估计的频域值，利用快速傅里叶逆变换IFFT将估计结果变换到时域；S2、分别计算循环前缀CP长度之外分量时域噪声的二倍平均功率及最大功率作为两个噪声阈值门限，对二者进行平滑处理得到最终的DFT信道估计噪声阈值，其中，所述平滑处理所需的平滑系数在不同信噪比SNR下多次仿真获得，根据噪声情况自适应地调整所述平滑系数；S3、用得到的DFT信道估计噪声阈值对信道估计的时域值进行去噪处理，再将其变换回频域完成信道估计。本发明可以在不同信道的信噪比下提高信道估计性能，在水下无线光通信上具有很好应用前景。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.089 seconds)
