公开(公告)号：CN110689089A

公开(公告)日：2020-01-14

申请号：CN201910968185.8

申请日：2019-10-12

Applicant: 电子科技大学 ,  电子科技大学广东电子信息工程研究院

Inventor： 段贵多 ,  黄添喜 ,  刘江明

IPC: G06K9/62 ,  G16H30/40 ,  G16H50/20

Abstract: 本发明公开了一种用于深度学习多类别医疗图像分类的主动增量训练方法，包括以下步骤：1、对医疗图像数据集进行初步数据清洗与预处理；2、随机选择初始数据，对网络模型进行初始训练；3、测试数据集中其余样本，得到预测分数与病变类别的对应；4、对数据集中剩余样本进行十字扩充，并对候选样本进行主动筛选；5、进行进一步的数据集清洗；6、对模型进行增量训练；7、对增量训练后的模型进行测试，如果准确率已经稳定则结束训练，否则重复步骤4到步骤7。本发明对增强主动学习方法AIFT做出了改进，解决了数据不平衡导致的医疗图像分类困难、训练效率低等问题；也解决了深度学习在病变分类领域应用效果不佳的问题，提高了对医生诊断病情的辅助作用。

公开(公告)号：CN101702229B

公开(公告)日：2012-01-11

申请号：CN200910216159.6

申请日：2009-11-06

Applicant: 电子科技大学

Inventor： 段贵多 ,  李建平 ,  黄添喜 ,  赵希 ,  黄源源

IPC: G06T1/00 ,  G06T9/00

Abstract: 本发明涉及一种含认证水印和恢复水印的图像生成方法和恢复方法。其生成方法，包括以下步骤：S1.图像分解；S2.树结构的形成；S3.认证水印的嵌入；S4.恢复水印的嵌入；S5.图像生成。其恢复方法，包括以下步骤：T1.图像分解；T2.树结构的形成；T3.认证水印提取；T4.恢复水印提取；T5.认证水印差图的获取；T6.图像篡改区域定位精确度的提高；T7.图像篡改区域的恢复。本发明的有益效果是：本发明利用WBCT变换的多尺度和多方向特性，不再采用分块和LSB技术即可实现图像篡改区域的检测和恢复，克服了这两种技术带来的“伪认证”问题和精确度较低的问题。

公开(公告)号：CN101702229A

公开(公告)日：2010-05-05

申请号：CN200910216159.6

申请日：2009-11-06

Applicant: 电子科技大学

Inventor： 段贵多 ,  李建平 ,  黄添喜 ,  赵希 ,  黄源源

IPC: G06T1/00 ,  G06T9/00

Abstract: 本发明涉及一种含认证水印和恢复水印的图像生成方法和恢复方法。其生成方法，包括以下步骤：S1.图像分解；S2.树结构的形成；S3.认证水印的嵌入；S4.恢复水印的嵌入；S5.图像生成。其恢复方法，包括以下步骤：T1.图像分解；T2.树结构的形成；T3.认证水印提取；T4.恢复水印提取；T5.认证水印差图的获取；T6.图像篡改区域定位精确度的提高；T7.图像篡改区域的恢复。本发明的有益效果是：本发明利用WBCT变换的多尺度和多方向特性，不再采用分块和LSB技术即可实现图像篡改区域的检测和恢复，克服了这两种技术带来的“伪认证”问题和精确度较低的问题。