公开(公告)号：CN119623729A

公开(公告)日：2025-03-14

申请号：CN202411698741.1

申请日：2024-11-26

Applicant: 哈尔滨工业大学 ,  电子科技大学

Inventor： 姜广鑫 ,  钟颖 ,  黄松 ,  李晨希 ,  孙童

IPC: G06Q10/04 ,  G06F9/50

Abstract: 本发明公开了一种固定预算排序择优方法、系统及存储介质，涉及网络架构技术领域，方法包括以下步骤：S1，将所有候选方案分成若干组，进行初始化设置；S2，基于分轮次机制，由每个处理器独立执行一组候选方案的局部选择过程，得到本地最优候选方案；S3，每个处理器利用剩余的采样预算，为所述本地最优的候选方案生成额外观测值；然后，计算每个所述本地最优候选方案的额外观测值的样本均值，选择样本均值最大的最优候选方案作为最佳候选方案。本发明能够高效处理大规模固定预算排序择优问题，还确保了用户体验的友好性，具有很好的可扩展性。

公开(公告)号：CN119621000A

公开(公告)日：2025-03-14

申请号：CN202411829530.7

申请日：2024-12-12

Applicant: 电子科技大学 ,  哈尔滨工业大学

Inventor： 钟颖 ,  姜广鑫 ,  黄松 ,  孙童 ,  李晨希

IPC: G06F7/08 ,  G06F18/214 ,  G06N3/0475

Abstract: 本发明公开了一种基于KT算法固定精度排序择优的方法及系统，所述方法包括：根据用户输入的参数或默认参数，生成排序择优所需的初始样本数据；进行初始化设置，生成不同的候选方案，并将所有候选方案分成若干组；基于淘汰规则和分轮次机制，通过每个处理器独立执行一组候选方案的局部选择过程，得到本地最优候选方案；每个处理器根据特定规则，为所述本地最优候选方案生成额外观测值；然后计算每个所述本地最优候选方案额外观测值的样本均值，选择所述样本均值最大的候选方案作为最佳候选方案。本发明采用KT算法高效地解决了各种大规模固定精度排序择优问题，即在预先设定的精度下，高效地从大规模的候选方案集合中找出均值表现最优的方案。

公开(公告)号：CN118212411A

公开(公告)日：2024-06-18

申请号：CN202410376030.6

申请日：2024-03-29

Applicant: 西安电子科技大学

Inventor： 王颖 ,  蒋德攀 ,  李洁 ,  王麦林 ,  王斌 ,  李晨希 ,  赖昕卫

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的肺栓塞分割方法，对病人的CTPA图像进行预处理并划分成测试集和训练集；对预处理后的训练集通过调整对比度，翻转，旋转，平移，添加高斯噪声随机进行数据增强；构建多层级和多尺度注意力特征融合的MF‑UNet网络；将训练集输入MF‑UNet网络中进行训练，得到肺栓塞分割模型；将测试集输入肺栓塞分割模型中进行测试，得到分割结果；本发明的分割方法有效解决了传统图像处理依靠人工而效率低下且质量不佳的技术问题，克服了传统分割网络无法捕捉细小肺栓塞特征并进行分割的技术问题，具有准确率高和效率高的特点。

公开(公告)号：CN116342731A

公开(公告)日：2023-06-27

申请号：CN202310335565.4

申请日：2023-03-31

Applicant: 西安电子科技大学

Inventor： 王颖 ,  李晨希 ,  李洁 ,  蒋德攀 ,  钟杰 ,  王斌 ,  张建龙

IPC: G06T11/00 ,  G06T7/11 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/094

Abstract: 基于生成对抗网络的多中心颅脑扩散加权磁共振影像跨域转换方法、系统、设备及介质，方法包括：获取训练样本集；数据预处理；构建生成对抗网络模型；训练生成对抗网络模型；处理输出数据；系统、设备及介质：用于实现基于生成对抗网络的多中心颅脑扩散加权磁共振影像跨域转换方法；本发明通过将生成对抗网络应用于多中心扩散磁共振成像的同质化中，并对生成对抗网络做出一系列的优化，能够有效解决现有多中心扩散磁共振成像同质化中存在的脑部细节模糊、空间连续性不强、模型通用性差等技术问题，具有增广医学影像的数据量，提高数据效力的特点。