公开(公告)号：CN110059716A

公开(公告)日：2019-07-26

申请号：CN201910185497.1

申请日：2019-03-12

Applicant: 西北大学

Inventor： 张蕾 ,  吴楠楠 ,  孙霞 ,  冯筠

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/20

Abstract: 本发明提供了CNN-LSTM-SVM网络模型的构建及MOOC辍学预测方法：对待预测学生的原始在线学习记录处理，采用训练好的辍学预测的CNN-LSTM-SVM网络，得到待预测学生的辍学状态；还公开了基于MOOC辍学预测的CNN-LSTM-SVM网络的构建方法：通过对已知学生的原始在线学习行为记录进行处理，得到多个时间片矩阵，根据时间片矩阵进行网络训练，得到训练好的CNN-LSTM网络；最终得到训练好的辍学预测的网络；本发明能够自动提取有效行为区域内的局部特征和区间内的序列特征，实现待预测学生是否辍学的预测，预测能力增强。

公开(公告)号：CN110020671A

公开(公告)日：2019-07-16

申请号：CN201910174269.4

申请日：2019-03-08

Applicant: 西北大学

Inventor： 孙霞 ,  马龙 ,  张蕾 ,  冯筠 ,  吴楠楠

IPC: G06K9/62

Abstract: 本发明公开了一种基于双通道CNN-LSTM网络的药物关系分类模型构建方法，对原始药物文本集进行预处理，对预处理后的药物文本集中每个预处理后的药物文本进行逆序操作，获得逆序文本集；将预处理后的药物文本集作为正序文本集；训练神经网络，获得药物关系分类模型；神经网络包括并行的正序文本特征提取层以及逆序文本特征提取层，特征融合层以及分类层；正序文本特征提取层与逆序文本特征提取层均包括依次设置的卷积块以及长短期记忆神经网络块；本发明通过构建了双通道CNN-LSTM网络，使用CNN提取药物文本的局部特征，使用LSTM分别提取药物文本的全局特征，提取出的药物关系特征更加丰富，使得分类正确率提高。

公开(公告)号：CN116402756A

公开(公告)日：2023-07-07

申请号：CN202310224278.6

申请日：2023-03-09

Applicant: 西北大学

Inventor： 张蕾 ,  牛怡 ,  冯筠

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/771 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G16H50/20

Abstract: 本发明公开了一种融合多层次特征的X光片肺部疾病筛查系统，包括肺实质分割模块、肺部疾病初筛模块、多层次特征构建模块、肺部疾病筛查模块；肺实质分割模块用于从完整胸部X光片中分割得到肺实质部分；肺部疾病初筛模块用于构造基于特征一致性变分自编码生成对抗网络并对其进行训练，采用训练好的生成对抗网络得到初筛异常分数；多层次特征构建模块用于提取不同语义层次的特征，包括底层视觉特征、中层深度特征和高层经验特征的提取；肺部疾病筛查模块用于采用多层次特征及肺部疾病初筛模块得到的异常分数构建肺部疾病筛查模型，得到最终的肺部疾病分类结果。本发明能够有效解决当前计算机辅助肺部疾病筛查领域研究难以应用于实际临床场景的问题。

公开(公告)号：CN112233065B

公开(公告)日：2023-02-24

申请号：CN202010968936.9

申请日：2020-09-15

Applicant: 西北大学

Inventor： 张敏 ,  侯文静 ,  许筱敏 ,  张蕾 ,  冯筠 ,  吕毅

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/90

Abstract: 本发明属于图像处理技术领域，公开了一种显著性调制下多维视觉特征协作的全盲图像质量评价方法，对待测失真图像获取失真图像块并提取图像质量感知特征；将所有失真图像块的图像质量感知特征作为待测特征向量矩阵；然后对获得的待测特征向量矩阵采用基于视觉显著性进行拟合，获得待测视觉模型；最后计算待测视觉模型与标准视觉模型之间的马氏距离获得待测失真图像的客观质量分数。本发明结合了人眼视觉初级感知特点，构建了用于表达图像对比度失真与色调失真的特征描述子，并结合图像的高阶自然场景统计特征、图像结构特征以及颜色特征，从而更全面地表达图像的失真。

公开(公告)号：CN114742719A

公开(公告)日：2022-07-12

申请号：CN202210248394.7

申请日：2022-03-14

Applicant: 西北大学

Inventor： 罗杰 ,  卜起荣 ,  张蕾 ,  冯筠

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多特征融合的端到端图像去雾方法：步骤一，获取样本数据集；步骤二，搭建基于多特征融合的端到端图像去雾网络模型，包括以全局特征融合注意力模块为核心的基础网络、支持反向传播的先验特征提取模块和先验特征自适应融合模块；暗通道先验特征和颜色衰减先验特征进入先验特征自适应融合模块进行融合，再与基础网络得到的深度学习特征融合；步骤三，构建损失函数；步骤四，训练基于多特征融合的端到端图像去雾网络模型；步骤五，利用训练好的模型对待处理图像进行去雾处理，得到去雾后图像。在合成数据集和真实数据集的实验结果表明，本发明的方法提高了模型在真实场景的去雾能力和迁移能力，并且参数量小，可实现快速去雾。

公开(公告)号：CN113160229A

公开(公告)日：2021-07-23

申请号：CN202110273996.3

申请日：2021-03-15

Applicant: 西北大学

Inventor： 张敏 ,  杨争争 ,  马倩茹 ,  徐强强 ,  张蕾 ,  冯筠 ,  任冯刚 ,  仵正 ,  吴荣谦 ,  吕毅

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医学影像处理领域，公开了一种基于层级监督级联金字塔网络的胰腺分割方法及装置。本发明利用了CT影像特点，设计了具有层级监督的金字塔网络和细粒度的精修网络，其中，具有层级监督的金字塔网络通过提取丰富的金字塔语义特征和引入层级监督，有效解决了胰腺器官分割效果不佳的问题；细粒度的精修网络完成金字塔语义特征的融合，在金字塔网络的基础上实现对胰腺器官分割结果的修正；最后通过引入中继监督实现两个网络的协同训练，从而有效提高胰腺器官分割效果。

公开(公告)号：CN112365708A

公开(公告)日：2021-02-12

申请号：CN202011052408.5

申请日：2020-09-29

Applicant: 西北大学

Inventor： 张蕾 ,  施元磊 ,  高原 ,  张小溪 ,  王洁

IPC: G08G1/01 ,  G08G1/065 ,  G06K9/62 ,  G06F16/901 ,  G06N3/02

Abstract: 本发明属于数据挖掘和城市交通数据分析领域，公开了一种基于多图卷积网络的景区交通量预测模型建立和预测方法。包括如下步骤：1.构建多张表征景区间关系的特征图；2.构建基于多张特征图的卷积循环神经网络模型；3.训练卷积循环神经网络模型；4.使用训练好的卷积循环神经网络模型预测景区未来的交通流量值。本发明的新颖之处在于从图的角度构建城市景区网络，通过构建多张特征图来反映不同景区间的关系，然后融合多张特征图并同时捕获时空特征来预测景区未来的交通流量，得到每小时的交通流量值，提高了中长期预测的准确性，同时提高了训练的收敛速度和算法的鲁棒性。

公开(公告)号：CN111429402A

公开(公告)日：2020-07-17

申请号：CN202010117736.2

申请日：2020-02-25

Applicant: 西北大学

Inventor： 张蕾 ,  侯文静 ,  张敏 ,  冯筠

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高级视觉感知特征与深度特征融合的图像质量评价方法，该方法包括：结合基于人眼视觉系统的最小可觉差模型对原始失真图像进行预处理；通过将原始失真图像与原始失真图像得到的最小可觉差图分别作为两个子网络的输入来训练深度网络分别提取图像质量感知特征，并对两个网络分支所提取的特征进行融合；进一步构建全连接层对图像质量进行评价。本发明提供的方法，通过结合人眼视觉系统对图像的感知特点，建立了一种新的自然图像主观感知的客观预测模型；提出了一种新的损失函数，能够有效地实现图像质量的评价。改进后的图像质量评价模型能够提取到更丰富的图像质量感知特征，并且预测的结果与人眼视觉主观感知具有较高一致性。

公开(公告)号：CN1229461C

公开(公告)日：2005-11-30

申请号：CN200310105859.0

申请日：2003-10-27

Applicant: 西北大学

Inventor： 陈栓虎 ,  张蕾 ,  王玉麟

IPC: C09J129/04

Abstract: 本发明公开了一种水溶性无毒粘合剂及其制备方法，特别适用于建筑用胶、内墙涂料、纸制品、人造板材和文具用胶等。其重量百分比组成为：聚乙烯醇4～15%，糖5～20%，酸0.5～3%，水70～85%。制备方法是首先将聚乙烯醇加入到30～50℃水中，加热到80～100℃，保温搅拌至聚乙烯醇全部溶解，然后向其中加入糖和酸，于80～100℃反应2h～8h，用强碱溶液调节pH值至6～8，冷却即为成品。本发明所制备的粘合剂基本无色、无毒、粘度大，不含甲醛，粘合剂的制备方法操作简单，无三废排放，不污染环境，成本低廉。

公开(公告)号：CN112819096B

公开(公告)日：2024-01-19

申请号：CN202110219351.1

申请日：2021-02-26

Applicant: 西北大学

Inventor： 张蕾 ,  王晓宇 ,  罗杰 ,  卜起荣 ,  冯筠

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于复合卷积神经网络的化石图像分类模型的构建方法，包括如下步骤：S1：对原始化石图像处理得到梯度图像，构建化石图像特征提取模型；S2：化石图像特征提取模型对原始化石图像进行特征提取得到深度特征图，化石图像特征提取模型对梯度图像进行特征提取得到初级视觉特征图，深度特征图与初级视觉特征图融合后依次通过全局平均池化层和全连接层处理得到图像类别概率值，依据图像类别概率值构建初级化石图像分类模型；S3：训练初级化石图像分类模型。本发明分别提取了原始化石图像的深度特征与对应梯度图像的初级视觉特征，通过特征融合，进一步提高了化石图像分类任务的准确性。