公开(公告)号：CN115579048A

公开(公告)日：2023-01-06

申请号：CN202211382706.X

申请日：2022-11-01

Applicant: 福州大学

Inventor： 汤云东 ,  周德培 ,  方凌海

IPC: G16B5/00 ,  G16B40/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于前馈神经网络的生物组织内含异常组织特征预测方法，引入了前馈神经网络技术，配合生物传热数学模型以及正常组织与异常组织产热不同建立模型等，通过对建模产生的数据用以训练前馈神经网络，使之达到最佳拟合状态，来提高对新数据的预测准确率。在此基础上，对数据进行扁平化处理，使得其中一个模型产生多个数据构成的矩阵成为一个向量，建立多个模型，得到一个含多个模型数据组成的数据集，同时增加异常组织在正常组织内的角度参数，提高对异常组织的状态预测。本发明可使给定比例椭球体异常组织大小和位置的预测准确率大于98%，并发现异常组织姿态角度准确程度的预测则与异常组织不规则程度显著相关，起到了辅助科研的作用。

公开(公告)号：CN117934949A

公开(公告)日：2024-04-26

申请号：CN202410111578.8

申请日：2024-01-26

Applicant: 福州大学

Inventor： 汤云东 ,  周德培

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/42 ,  G06V10/80 ,  G06N3/0464 ,  G06T7/00

Abstract: 本发明涉及一种基于多输入轻量级卷积神经网络的乳腺癌红外热成像图分类方法。该方法提出了一种多输入的轻量级卷积神经网络，以提高乳腺癌早期的红外热成像图分类精度。此外，还提出了一种新的加权标签平滑正则化损失函数，以提高网络的泛化能力和分类精度。本发明所提出乳腺癌红外热成像图分类方法与现有方法相比，在性能上具有显著优势，同时模型规模更轻量级，尤其适用于资源受限的移动设备环境，具有巨大的应用潜力。