-
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：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。
-
Patent Agency Ranking
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。
-
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：CN113987175B
公开(公告)日：2024-08-23
申请号：CN202111238309.0
申请日：2021-10-25
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/35 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/30 , G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于医学主题词表增强表征的文本多标签分类方法，包括对标签进行增强表征的步骤：S1、将文献中的医学主题词表作为标签，并建立标签的正样本集合；S2、从所述正样本集合中提取关于标签的关键词信息；S3、从所述关键词信息中提取语义特征，得到所述关键词信息的向量表示，记为第一向量；S4、将标签转化为向量，记为第二向量；S5、连接所述第一向量和所述第二向量以对标签进行增强表征。
-
公开(公告)号：CN116866139A
公开(公告)日：2023-10-10
申请号：CN202311016440.1
申请日：2023-08-14
Applicant: 清华大学深圳国际研究生院
Abstract: 一种无线光通信的OFDM增强调制方法，包括如下步骤：S1、发送端将光通信信道待传输的比特信息流映射为相应的QAM符号，采用均匀功率加载，每个子载波携带的QAM符号具有相同的平均符号能量；S2、在比特‑符号映射之后，对原始符号应用由角度θ参数化的成对编码，将具有信噪比差异的一对子载波或子信道进行配对，并对其进行联合预编码来获得分集增益，增益来源于星座旋转和I/Q分量的交织；S3、接收端接收的光信号转换为电信号，完成FFT后，进行成对解码，通过I/Q解交织，再通过最大似然检测还原发送的比特信息。该方法具有较低的编解码复杂度，且可克服无线光通信中光学器件所导致的信号高频衰落及多径信道所造成的频率选择性，有效提升系统的通信速率。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.066 seconds)
