公开(公告)号：CN112270666A

公开(公告)日：2021-01-26

申请号：CN202011210676.5

申请日：2020-11-03

Applicant: 辽宁工程技术大学

Inventor： 孟祥福 ,  孙德伟 ,  张兴 ,  谢晶 ,  张峰 ,  杨一鸣

IPC: G06T7/00 ,  G06T7/11 ,  G06T3/40 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于深度卷积神经网络的非小细胞肺癌病理切片识别方法，步骤为：从TCGA获取到的公开数据集非小细胞肺癌的病理切片；构建用于训练的深度学习模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型。本发明通过利用Inception‑v3模型和CBAM注意力机制融合在一起，实现对非小型细胞肺癌的分类，通过注意力机制提高了网络精度；同时利用深度卷积神经网络Inception‑v3实验结果表明，本发明提出的基于深度学习的非小细胞肺癌病理切片识别方法可以有效的针对肺腺癌和肺鳞状细胞癌的分类，在一定程度上减轻了医生的负担，在医学图像识别领域实现了非常良好的性能。

公开(公告)号：CN112328914B

公开(公告)日：2024-06-21

申请号：CN202011232008.2

申请日：2020-11-06

Applicant: 辽宁工程技术大学

Inventor： 孟祥福 ,  谢晶 ,  张霄雁 ,  孙德伟

IPC: G06Q10/0631 ,  G06F16/9537 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/048

Abstract: 本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：S1、根据时空特征将搜索空间划分为一系列连续的时空环境；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号；S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号；S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。

公开(公告)号：CN112328914A

公开(公告)日：2021-02-05

申请号：CN202011232008.2

申请日：2020-11-06

Applicant: 辽宁工程技术大学

Inventor： 孟祥福 ,  谢晶 ,  张霄雁 ,  孙德伟

IPC: G06F16/9537 ,  G06Q10/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：S1、根据时空特征将搜索空间划分为一系列连续的时空环境；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号；S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号；S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。