-
公开(公告)号：CN116091519B
公开(公告)日：2024-09-06
申请号：CN202211644781.9
申请日：2022-12-20
Applicant: 苏州大学
IPC: G06T7/11 , G06T3/4038 , G06N3/0464
Abstract: 本发明涉及深度学习技术领域，尤其是指一种脉络膜新生血管生长预测方法、装置及存储介质。本发明提出了一种基于卷积神经网络的CNV生长预测方法，将采集到的图像分割出感兴趣的CNV病变区域，并将其与原图进行拼接，作为生长预测的输入，保证CNV生长预测的准确性，所提出的基于注意力的门控递归单元，由于集成了纵向数据的空间注意力和通道注意力，着重关注时空序列图像的空间位置的变化，在减少计算量的同时，能够在多维数据中执行卷积操作来捕获时空序列图像的空间特征，在生长预测方面具有更好的性能。
-
公开(公告)号：CN114554459A
公开(公告)日：2022-05-27
申请号：CN202210060912.2
申请日：2022-01-19
Applicant: 苏州大学
Abstract: 本发明公开了一种近端策略优化辅助的车联网联邦学习客户端选择方法，包括：S1、通过MEC服务器初始化AI全局模型；S2、ICV发送联邦学习参与请求消息至MEC服务器，MEC服务器标记所述ICV为候选ICV；S3、MEC服务器发送联邦学习参与请求反馈消息至候选ICV，通知候选ICV准备接收AI全局模型；S4、MEC服务器下载AI全局模型至全部候选ICV；S5、候选ICV执行一轮本地AI模型训练；S6、候选ICV上传本地信息至MEC服务器；S7、MEC服务器通过PPO辅助的决策算法确立策略函数，用以选择实际参与联邦学习的ICV；S8、MEC服务器发送联邦学习参与接受消息至选中ICV，发送联邦学习参与拒绝消息至未选中ICV。本发明具有稳定性高、能耗小、精度高等优点。
-
公开(公告)号：CN113256738A
公开(公告)日：2021-08-13
申请号：CN202110700467.7
申请日：2021-06-23
Applicant: 苏州大学
Abstract: 本发明公开了一种基于双目的包裹体积测量方法，包括：标定双目相机；双目相机获取待测包裹原始图像，并进行双目校正；计算图像中心水平条带视差图并填充空洞；计算图像中心垂直条带视差图并填充空洞；根据水平条带视差图和垂直条带视差图检测视差跳变区域，获取4个视差边缘点集合；以4个视差边缘点集合为基础拟合出4条直线方程；绕每条线段的中心旋转调整两对边，使得对边平行；得到待测包裹的高度；得到待测包裹的长和宽，根据待测包裹的长、宽、高计算待测包裹体积。本发明基于双目的包裹体积测量方法不需消耗大量资源计算全图的稠密深度图，只需计算出少量深度信息，即可准确测量包裹体积，具有计算量少、稳定性好、准确率高的优点。
-
公开(公告)号：CN110752753A
公开(公告)日：2020-02-04
申请号：CN201911074290.3
申请日：2019-11-04
Applicant: 苏州大学
IPC: H02M3/335
Abstract: 本申请公开了一种逆变升压电路，包括：第一可控开关、变压器、N个第二可控开关、N个第三可控开关和用于产生预设PWM波，并根据预设PWM波通过第一可控开关分时交替控制一个第二可控开关和一个第三可控开关同时进行导通的控制器；第一可控开关的控制端与控制器相连，第一可控开关的第一端与变压器的初级的第一端相连，可控开关的第二端接地，变压器的初级的第二端与目标直流电源相连，变压器的次级的第一端分别与N个第二可控开关的第一端相连，变压器的次级的第二端分别与N个第三可控开关的第一端相连，N个第二可控开关的第二端分别与N个电容的正极相连，N个第三可控开关的第二端分别与N个电容的负极相连。通过该逆变升压电路可以减小变压器的体积。
-
公开(公告)号：CN112869704A
公开(公告)日：2021-06-01
申请号：CN202110140542.9
申请日：2021-02-02
Applicant: 苏州大学
Abstract: 本申请公开了一种基于循环自适应多目标加权网络的糖尿病视网膜病变区域自动分割方法，涉及医学图像分割技术领域，所述方法包括：获取样本眼底彩照图像；根据样本眼底彩照图像训练糖尿病视网膜病变区域分割模型，糖尿病视网膜病变区域分割模型包括循环自适应多目标加权网络，循环自适应多目标加权网络用于自适应的为不同目标分配权重并增强网络的稳定性，不同目标包括样本眼底彩照图像中的背景、出血HE、硬性渗出EX、微血管瘤MA、视盘OD和棉绒斑SE中的至少一种，训练后的视网膜病变分割模型用于对目标眼底彩照图像进行分割。也即通过自适应的为不同目标分配权重，进而缓解子类间不平衡的问题，达到了可以提高网络的分割精度的效果。
-
Patent Agency Ranking
公开(公告)号：CN116246331B
公开(公告)日：2024-08-16
申请号：CN202211552123.7
申请日：2022-12-05
Applicant: 苏州大学
Abstract: 本发明涉及深度学习技术领域，尤其是指一种圆锥角膜自动分级方法、装置及计算机存储介质、眼科成像设备。本发明所述的圆锥角膜自动分级方法，将五张地形图作为一个整体作为输入，充分考虑了多张角膜地形图之间的联系，基于自注意力的特征提取模块通过获取输入特征的各个通道的相应维度的平均值和最大值，并基于这些不同维度的丰富信息生成注意力权重，从而能够指导网络提取重要的特征信息；特征融合模块基于注意力机制可以自适应地校准上下级通道维度的特征，并将上下级特征按照一定权重进行特征融合，从而得到更利于分类的高级特征，能够使得网络更加专注于角膜地形图中的关键特征，在圆锥角膜严重程度分级任务上取得了出色的性能。
-
公开(公告)号：CN116246331A
公开(公告)日：2023-06-09
申请号：CN202211552123.7
申请日：2022-12-05
Applicant: 苏州大学
Abstract: 本发明涉及深度学习技术领域，尤其是指一种圆锥角膜自动分级方法、装置及计算机存储介质、眼科成像设备。本发明所述的圆锥角膜自动分级方法，将五张地形图作为一个整体作为输入，充分考虑了多张角膜地形图之间的联系，基于自注意力的特征提取模块通过获取输入特征的各个通道的相应维度的平均值和最大值，并基于这些不同维度的丰富信息生成注意力权重，从而能够指导网络提取重要的特征信息；特征融合模块基于注意力机制可以自适应地校准上下级通道维度的特征，并将上下级特征按照一定权重进行特征融合，从而得到更利于分类的高级特征，能够使得网络更加专注于角膜地形图中的关键特征，在圆锥角膜严重程度分级任务上取得了出色的性能。
-
公开(公告)号：CN114554459B
公开(公告)日：2023-01-06
申请号：CN202210060912.2
申请日：2022-01-19
Applicant: 苏州大学
Abstract: 本发明公开了一种近端策略优化辅助的车联网联邦学习客户端选择方法，包括：S1、通过MEC服务器初始化AI全局模型；S2、ICV发送联邦学习参与请求消息至MEC服务器，MEC服务器标记所述ICV为候选ICV；S3、MEC服务器发送联邦学习参与请求反馈消息至候选ICV，通知候选ICV准备接收AI全局模型；S4、MEC服务器下载AI全局模型至全部候选ICV；S5、候选ICV执行一轮本地AI模型训练；S6、候选ICV上传本地信息至MEC服务器；S7、MEC服务器通过PPO辅助的决策算法确立策略函数，用以选择实际参与联邦学习的ICV；S8、MEC服务器发送联邦学习参与接受消息至选中ICV，发送联邦学习参与拒绝消息至未选中ICV。本发明具有稳定性高、能耗小、精度高等优点。
-
公开(公告)号：CN112767406B
公开(公告)日：2023-12-12
申请号：CN202110140538.2
申请日：2021-02-02
Applicant: 苏州大学
IPC: G06T7/10 , G06N3/08 , G06N3/0464 , G06N3/0455
Abstract: 本申请公开了一种适用于荧光染色裂隙灯图像角膜溃疡分割的深度卷积神经网络，涉及医学图像分割技术领域，所述深度卷积神经网络包括U形编码器解码器卷积神经网络、多尺度自适应可变形模块和全局多尺度金字塔特征聚合模块，所述多尺度自适应可变形模块嵌入所述U形编码器解码器卷积神经网络的顶端，所述全局多尺度金字塔特征聚合模块嵌入所述U形编码器解码器卷积神经网络层间跳跃连接中，所述深度卷积神经网络用于对裂隙灯角膜溃疡荧光染色图像分割。达到了可以提高角膜溃疡的分割精度的效果。
-
公开(公告)号：CN112767406A
公开(公告)日：2021-05-07
申请号：CN202110140538.2
申请日：2021-02-02
Applicant: 苏州大学
Abstract: 本申请公开了一种适用于荧光染色裂隙灯图像角膜溃疡分割的深度卷积神经网络，涉及医学图像分割技术领域，所述深度卷积神经网络包括U形编码器解码器卷积神经网络、多尺度自适应可变形模块和全局多尺度金字塔特征聚合模块，所述多尺度自适应可变形模块嵌入所述U形编码器解码器卷积神经网络的顶端，所述全局多尺度金字塔特征聚合模块嵌入所述U形编码器解码器卷积神经网络层间跳跃连接中，所述深度卷积神经网络用于对裂隙灯角膜溃疡荧光染色图像分割。达到了可以提高角膜溃疡的分割精度的效果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.013 seconds)
