公开(公告)号：CN117132577B

公开(公告)日：2024-02-23

申请号：CN202311150436.4

申请日：2023-09-07

Applicant: 湖北大学

Inventor： 张玉强 ,  王钢 ,  万忠均 ,  高山清 ,  蔡琳 ,  杨洋 ,  张冬卉

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种非侵入式检测心肌组织张力和振动的方法，针对体外心肌组织培养皿，采集不同时间段的心肌组织的视频，按照视频序列顺序返回原始帧图像，每一帧原始帧图像均是体外心肌组织培养皿的俯视图；对所有原始帧图像进行预处理，形成扩充后的数据集；采用目标分割算法对数据集中每一帧图像的心肌组织进行特征检测和分割，在推理阶段根据训练好的模型将每一帧图片进行分割，并使用数据对齐算法对每一根bundle进行序号校对；最后基于所得每一根bundle的mask值利用数学模型和深度学习计算心肌组织的振动频率和张力信息。(56)对比文件H. M. Mohan 等.Non-invasive techniquefor real-time myocardial infarctiondetection using faster R-CNN《. MultimediaTools and Applications》.2021,第80卷第26939–26967页.

公开(公告)号：CN119443308A

公开(公告)日：2025-02-14

申请号：CN202411445077.X

申请日：2024-10-16

Applicant: 武昌理工学院 ,  湖北大学

Inventor： 苗婷 ,  刘军 ,  赵子璇 ,  陈姗姗 ,  王梓秋 ,  李钰颖 ,  张玉强 ,  杨洋

IPC: G06N20/00 ,  G06F18/22 ,  G06F18/21

Abstract: 本发明提供一种联邦学习中基于价值增益的贡献评估方法，包括：步骤S1.基于多维计算模型间相关性的贡献评估指标计算每个客户端本地模型与全局模型之间在第t轮次的相关性；步骤S2.基于动态调整机制计算第t轮的全局模型与预热模型之间参数上的距离并进行归一化操作获取参与客户端每一通信轮次的贡献权重；步骤S3.基于步骤1中的每个客户端本地模型与全局模型之间在第t轮次的相关性和步骤2中参与客户端每一通信轮次的贡献权重计算客户端的真实贡献值。本发明在客户端的贡献评估领域，该方法有效降低了计算复杂度并不依赖于测数据集。

公开(公告)号：CN118097150B

公开(公告)日：2024-08-27

申请号：CN202410344583.3

申请日：2024-03-25

Applicant: 湖北大学

Inventor： 王梓秋 ,  杨洋 ,  李钰颖 ,  张玉强 ,  刘军 ,  赵子璇 ,  陈姗姗 ,  叶程航

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种小样本伪装目标分割方法，构建和训练伪装目标分割网络，伪装目标分割网络包括共享骨干网络、伪装元学习模块和伪装基础学习解码器，将一组支持图像和查询图像输入伪装目标分割网络进行处理，图像通过共享骨干网络先得到对应两类特征图，然后经由伪装元学习模块中的定位聚焦模块处理特征图得到细节特征矩阵，同时伪装元学习模块根据支持图像的信息进行知识引导，得到与查询图像的相似度特征图；使用ASPP模块对得到的所有特征图和特征矩阵进行特征增强，并分类得出预测掩码，伪装基础学习解码器则通过对查询集图像的边缘轮廓进行预测，通过不断迭代细化生成预测掩码，再将伪装元学习模块和伪装基础学习解码器的预测掩码融合得到最终的预测掩码。

公开(公告)号：CN117132577A

公开(公告)日：2023-11-28

申请号：CN202311150436.4

申请日：2023-09-07

Applicant: 湖北大学

Inventor： 张玉强 ,  王钢 ,  万忠均 ,  高山清 ,  蔡琳 ,  杨洋 ,  张冬卉

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种非侵入式检测心肌组织张力和振动的方法，针对体外心肌组织培养皿，采集不同时间段的心肌组织的视频，按照视频序列顺序返回原始帧图像，每一帧原始帧图像均是体外心肌组织培养皿的俯视图；对所有原始帧图像进行预处理，形成扩充后的数据集；采用目标分割算法对数据集中每一帧图像的心肌组织进行特征检测和分割，在推理阶段根据训练好的模型将每一帧图片进行分割，并使用数据对齐算法对每一根bundle进行序号校对；最后基于所得每一根bundle的mask值利用数学模型和深度学习计算心肌组织的振动频率和张力信息。

公开(公告)号：CN118097150A

公开(公告)日：2024-05-28

申请号：CN202410344583.3

申请日：2024-03-25

Applicant: 湖北大学

Inventor： 王梓秋 ,  杨洋 ,  李钰颖 ,  张玉强 ,  刘军 ,  赵子璇 ,  陈姗姗 ,  叶程航

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种小样本伪装目标分割方法，构建和训练伪装目标分割网络，伪装目标分割网络包括共享骨干网络、伪装元学习模块和伪装基础学习解码器，将一组支持图像和查询图像输入伪装目标分割网络进行处理，图像通过共享骨干网络先得到对应两类特征图，然后经由伪装元学习模块中的定位聚焦模块处理特征图得到细节特征矩阵，同时伪装元学习模块根据支持图像的信息进行知识引导，得到与查询图像的相似度特征图；使用ASPP模块对得到的所有特征图和特征矩阵进行特征增强，并分类得出预测掩码，伪装基础学习解码器则通过对查询集图像的边缘轮廓进行预测，通过不断迭代细化生成预测掩码，再将伪装元学习模块和伪装基础学习解码器的预测掩码融合得到最终的预测掩码。

公开(公告)号：CN119106448A

公开(公告)日：2024-12-10

申请号：CN202411289520.9

申请日：2024-09-14

Applicant: 湖北大学 ,  武昌理工学院

Inventor： 杨洋 ,  刘军 ,  陈姗姗 ,  赵子璇 ,  王梓秋 ,  李钰颖 ,  张玉强 ,  苗婷

IPC: G06F21/62 ,  G06F21/45 ,  G06N20/00

Abstract: 本发明公开一种联邦还原学习客户端的被遗忘权的持续性验证方法，在遗忘客户端的数据中嵌入EnduraMark印记，并在多个训练轮次中跟踪全局模型的表现，确保能够精确地验证联邦还原学习客户端的数据是否被成功遗忘。本发明采用后门攻击来评估遗忘效果，避免潜在的隐私泄露问题。本发明引入一种改进的缩放策略和印记增强数据增强方法，增强了私有印记在联邦学习模型中的持久性，降低了模型良性更新对印记稀释的影响，使得对客户端的遗忘权的验证在长期模型训练中依然具有较高的有效性。