公开(公告)号：CN118967480A

公开(公告)日：2024-11-15

申请号：CN202411092534.1

申请日：2024-08-09

Applicant: 电子科技大学

Inventor： 吴昊 ,  韩雨恒 ,  张禄 ,  朴振宇 ,  王钧慷 ,  钱星宇 ,  许家才 ,  李晓瑜

IPC: G06T5/50 ,  G06T5/60 ,  G06T5/70 ,  G06T5/94 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06T7/00 ,  G16H50/30 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种多模态医学图像融合及预测方法、计算机程序及终端，属于图像处理技术领域，构建特征融合模型、显式分类器引导的扩散模型；对显式分类器引导的扩散模型进行训练；提取不同模态医学图像的融合特征信息，并输入完成训练的显式分类器引导的扩散模型，利用噪声预测网络去除噪声，生成多模态融合图像。本发明将显式分类器引导的扩散模型应用至医学图像融合领域，在数据恢复过程中显式地利用分类器的指导信息，确保生成的图像在各个阶段都严格遵循预设条件，以弥补隐式扩散模型无法保证生成与预期条件一致的图像的问题，进而保证生成图像的一致性和连贯性，生成清晰的多模态融合图像。

公开(公告)号：CN117690590A

公开(公告)日：2024-03-12

申请号：CN202311702512.8

申请日：2023-12-11

Applicant: 电子科技大学

Inventor： 钱伟中 ,  韩雨恒 ,  羊源婷 ,  夏勋 ,  李林涛 ,  朴振宇 ,  邓平

IPC: G16H50/30 ,  G16H50/70 ,  G06N3/126 ,  G06F18/213 ,  G06F18/24 ,  G06F18/25 ,  G06N20/20

Abstract: 本发明公开了基于小样本的血管性认知障碍风险预测与模型训练方法、存储介质、云服务器及终端，属于医学疾病预测领域，训练方法包括：建立以MoCA评分为目标的原始特征集；结合遗传算法选择K个性能最优的模型并确定选择的特征子集；采用集成算法融合K个模型并利用遗传算法对特征子集再进行优化，以此对融合模型进行训练。本发明提出了遗传算法和集成学习算法的协同机制，通过特征选择能够使融合模型掩盖无关特征以增强模型的可解释性，保证特征选择的全局最优性；利用集成算法对多个机器学习算法进行融合，显著提高了数据稀疏情况下融合模型的VCI预测准确性。