-
公开(公告)号：CN112419320A
公开(公告)日：2021-02-26
申请号：CN202110086166.X
申请日：2021-01-22
Applicant: 湖南师范大学
Abstract: 本发明提供了一种基于SAM与多层UDA的跨模态心脏分割方法，包括步骤：S1：建立分割网络模型，并利用建立的分割网络模型对图像进行特征提取；S2：利用空间注意力机制对提取特征的相关区域进行增强，对非相关区域进行抑制；S3：在整个分割网络提取特征的低层和高层分别添加多个特征域鉴别器，进行特征细粒度迁移。本发明在对抗域自适应网络的基础上引入空间注意力机制和多层域鉴别器，有效地将从源域和目标域提取的特征进行细粒度对齐。
-
公开(公告)号：CN113379741A
公开(公告)日：2021-09-10
申请号：CN202110912293.0
申请日：2021-08-10
Applicant: 湖南师范大学
Abstract: 本申请涉及一种基于血管特征的视网膜血管分割方法、设备和存储介质。包括获取视网膜血管分割的数据集，并对数据集进行数据增强操作；建立基于多尺度语义信息融合的深度卷积神经网络智能模型，将增强之后的数据输入到智能模型，并获得模型的输出；运用图像形态学方法检测输出结果中存在的血管断点和血管厚度不一致区域；在断点和厚度不一致区域上加大损失函数的权重，通过动态权重的交叉熵损失函数迭代并优化智能模型，实现视网膜血管的精确分割。该方法结合了多尺度语义信息和断点信息解决血管连通性，并通过提取血管厚度信息改进损失函数解决血管厚度不一致性问题，有效的提高了视网膜血管分割精度，对于计算机医疗智能诊断具有重要意义。
-
公开(公告)号：CN112419320B
公开(公告)日：2021-04-27
申请号：CN202110086166.X
申请日：2021-01-22
Applicant: 湖南师范大学
Abstract: 本发明提供了一种基于SAM与多层UDA的跨模态心脏分割方法，包括步骤：S1：建立分割网络模型，并利用建立的分割网络模型对图像进行特征提取；S2：利用空间注意力机制对提取特征的相关区域进行增强，对非相关区域进行抑制；S3：在整个分割网络提取特征的低层和高层分别添加多个特征域鉴别器，进行特征细粒度迁移。本发明在对抗域自适应网络的基础上引入空间注意力机制和多层域鉴别器，有效地将从源域和目标域提取的特征进行细粒度对齐。
-
Patent Agency Ranking
公开(公告)号：CN115062882A
公开(公告)日：2022-09-16
申请号：CN202211000370.6
申请日：2022-08-19
Applicant: 湖南师范大学
Abstract: 本发明提供一种求解大规模工业过程流量传感器最优布局的进化方法，包括：对决策空间进行多重二分，以将多个子种群部署到各个子空间中；提取并分析决策变量对目标函数的不对等信息，将对不同目标函数敏感性差异较大的变量选为分裂点，以降低新生成的目标函数之间的冲突；基于邻近信息将子种群中重复生成的个体替换为具有一定适应度的新个体；计算并对比各子种群的进化潜力，基于子种群进化潜力在子种群间进行搜索量分配，在更有可能包含较优解的区域进行更多的搜索，并对多重二分划分出的各个种群内进行迭代次数的调整；汇集各个种群进化得到的最终个体后，筛选最终的非支配解集。形成了适用于多目标组合优化问题的进化算法解决方案。
-
公开(公告)号：CN114219817A
公开(公告)日：2022-03-22
申请号：CN202210159423.2
申请日：2022-02-22
Applicant: 湖南师范大学
Abstract: 本发明公开了一种新冠肺炎CT图像分割方法及终端设备，方法包括获取待分割新冠肺炎CT图像；将该图像输入至训练好的分割模型中，得到新冠肺炎病灶区域的图像；其中分割模型包括依次连接的多个下采样模块和下采样模块对应的上采样模块；每个采样模块均包括依次连接的第一提取单元和第二提取单元；上述两个提取单元的卷积模块均为结构重参数化卷积模块。本发明的结构重参数化卷积模块为训练时使用多分支结构，加强模型表达能力，推理时使用单路结构，加快推理速度，快速得出诊断结果。同时，为从不同尺度特征图中学习分层表示，加强模型对图像边缘信息提取，并使梯度更快回流，上采样每一侧输出都连接混合损失函数，实现图像的像素级分割。
-
公开(公告)号：CN113379741B
公开(公告)日：2021-11-16
申请号：CN202110912293.0
申请日：2021-08-10
Applicant: 湖南师范大学
Abstract: 本申请涉及一种基于血管特征的视网膜血管分割方法、设备和存储介质。包括获取视网膜血管分割的数据集，并对数据集进行数据增强操作；建立基于多尺度语义信息融合的深度卷积神经网络智能模型，将增强之后的数据输入到智能模型，并获得模型的输出；运用图像形态学方法检测输出结果中存在的血管断点和血管厚度不一致区域；在断点和厚度不一致区域上加大损失函数的权重，通过动态权重的交叉熵损失函数迭代并优化智能模型，实现视网膜血管的精确分割。该方法结合了多尺度语义信息和断点信息解决血管连通性，并通过提取血管厚度信息改进损失函数解决血管厚度不一致性问题，有效的提高了视网膜血管分割精度，对于计算机医疗智能诊断具有重要意义。
-
公开(公告)号：CN113486486B
公开(公告)日：2022-04-29
申请号：CN202110831028.X
申请日：2021-07-22
Applicant: 湖南师范大学
Abstract: 本发明公开一种传感器布局优化方法及电子设备，该方法包括：建立用于表征传感器布局可观测性的第一目标函数、传感器布局冗余性的第二目标函数和传感器布局中传感器个数的第三目标函数；计算所有所述传感器布局中每一个所述传感器布局所对应的所述第一目标函数的第一函数值、所述第二目标函数的第二函数值和所述第三目标函数的第三函数值；基于所有所述传感器布局所对应的所述第一函数值、所述第二函数值和所述第三函数值构建决策矩阵；根据所述决策矩阵中不同行向量之间的数值关系，标记和删除所述决策矩阵中的被支配解，得到帕累托解集，根据所述帕累托解集得到优化的传感器布局方案。
-
公开(公告)号：CN113486486A
公开(公告)日：2021-10-08
申请号：CN202110831028.X
申请日：2021-07-22
Applicant: 湖南师范大学
Abstract: 本发明公开一种传感器布局优化方法及电子设备，该方法包括：建立用于表征传感器布局可观测性的第一目标函数、传感器布局冗余性的第二目标函数和传感器布局中传感器个数的第三目标函数；计算所有所述传感器布局中每一个所述传感器布局所对应的所述第一目标函数的第一函数值、所述第二目标函数的第二函数值和所述第三目标函数的第三函数值；基于所有所述传感器布局所对应的所述第一函数值、所述第二函数值和所述第三函数值构建决策矩阵；根据所述决策矩阵中不同行向量之间的数值关系，标记和删除所述决策矩阵中的被支配解，得到帕累托解集，根据所述帕累托解集得到优化的传感器布局方案。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
