-
公开(公告)号：CN116071383B
公开(公告)日：2025-04-25
申请号：CN202310157600.8
申请日：2023-02-23
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06V10/75 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于医学图像处理领域，具体涉及一种基于超高场磁共振影像重建的海马亚区分割方法及系统，包括：磁共振影像数据进行预处理，将预处理后的图像输入到超高场磁共振影像重建网络中进行特征提取，并对提取的特征进行融合重建，得到重建MRI；将重建后的MRI输入到判别器网络进行判别，并将判别后的MRI输入到海马亚区分割网络中提取多尺度特征信息，得到海马亚区分割概率图；根据海马亚区分割概率图对磁共振影像进行海马亚区分割；本发明在超高场磁共振影像重建过程中引入自注意机制、特征匹配损失和ROI损失，以恢复海马区域更多解剖细节，在海马亚区分割过程中引入多尺度深度监督，并设计一个解剖加权交叉熵损失利用丰富的先验知识，提高了分割结果的准确度。
-
公开(公告)号：CN115294076A
公开(公告)日：2022-11-04
申请号：CN202210960818.2
申请日：2022-08-11
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/26 , G06V10/75 , G06V10/764 , G06V10/36
Abstract: 本发明属于医学图像处理与分析领域，特别涉及一种脑沟异常的预测系统，包括：从多个采集站点获取孤独症儿童脑部MRI影像数据；对儿童脑部MRI影像数据进行大脑白质表面重建；根据重建后的大脑白质表面提取脑沟凹陷，并投影到标准球空间，构建脑沟图；根据构建的脑沟图提取脑沟的特征反映脑沟的几何特性和拓扑属性；异常脑沟模式分析单元结合获得的几何特性和拓扑属性，构建基于脑沟异常的脑沟异常值，并设置报警阈值，根据脑沟异常值与报警阈值的关系进行预测。本发明根据孤独症儿童的异常脑沟的几何特性和拓扑属性得出孤独症儿童的脑沟模式异常，在孤独症早期的脑沟模式变化波动较小的情况下本发明任然具有良好的识别效果。
-
公开(公告)号：CN114064901B
公开(公告)日：2022-08-26
申请号：CN202111422577.8
申请日：2021-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/36 , G06F16/951 , G06F40/205 , G06F40/289 , G06F40/30 , G06F40/247 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱词义消歧的书评文本分类方法，属于自然语言处理技术领域。该方法包括：S1：获取书评文本数据集；S2：将文本进行分段处理；S3：对分段后的文本进行聚类并标签化，每个文本片段对应各自的外部知识实体；S4：词级文本预处理；S5：计算词级文本间的语义相似度、余弦相似度、目标函数以及得分；S6：提取文本片段的特征；S7：利用层次注意力网络提取各文本片段的特征信息，再对文本片段的特征信息进行一次层次注意力网路的文本处理，最终得到的特征信息经归一化处理完成文本分类。本发明能有效处理篇章级别的长文本数据。
-
公开(公告)号：CN116321008A
公开(公告)日：2023-06-23
申请号：CN202310392222.1
申请日：2023-04-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于三元组自编码器的室内位置指纹定位方法，属于定位技术领域。该方法为：利用WIFI接收器在每个位置获得一组WIFI信号强度数据，得到每个位置点的WIFI信号强弱；使用高斯滤波的方式对已经采集到的数据进行预处理；构造基于自编码器的三元组神经网络及损失函数和用于最后定位的BP神经网络；将经过预处理室内位置指纹数据集训练构造好的三元组自编码器，保留网络模型的结构和参数；使用特征提取网络提取预处理后的数据集，得到降维后的数据集，训练BP神经网络，将特征提取网络和训练后的BP神经网络保存为Tri‑Sae模型；该方法解决了特征提取难度大、定位精度低、坏数据较多等问题。
-
公开(公告)号：CN117726856A
公开(公告)日：2024-03-19
申请号：CN202311575818.1
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/26 , G06V10/54 , G06V10/62 , G06V10/44 , G06V10/42 , G06V10/80 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于卷积网络时空融合的遥感图像作物分类方法，属于计算机视觉技术领域。该方法包括：使用语义分割的空间特征编码器提取空间特征；接着，对不同尺度的空间特征应用时序卷积模块来提取时序特征，其中，时序卷积模块包括一维卷积层、ReLU激活函数和Dropout层，形成残差结构；然后，通过注意力机制融合全局时序信息，以更好地识别作物特征；最后，将不同尺度的特征图输入到解码器中，还原特征到原始分辨率，最终生成作物分类结果。本发明能提高遥感图像作物分类的精确性。
-
Patent Agency Ranking
公开(公告)号：CN114663426A
公开(公告)日：2022-06-24
申请号：CN202210420806.0
申请日：2022-04-21
Applicant: 重庆邮电大学
Abstract: 本发明提供一种基于关键骨区定位的骨龄评估方法，所述方法包括将选择的手骨X光原始图像输入特征提取网络中，生成第一可视化热图，并利用第一可视化热图提取出完整手骨区域；将完整手骨区域输入特征提取网络中，生成第二可视化热图，并利用第二可视化热图提取出完整手骨区域中的腕骨区域；将完整手骨区域中的剩余区域输入基于注意力机制的特征提取网络，生成第三可视化热图，利用第三可视化热图提取出剩余区域中的掌指骨区域；将腕骨区域、掌指骨区域和对象的性别信息输入到预测网络中，得到对象的骨龄结果。本评估方法结合图像定位和骨龄预测，能够聚焦于手骨图像的关键区域，弱化无关区域的影响，从而实现准确的骨龄评估。
-
公开(公告)号：CN114064901A
公开(公告)日：2022-02-18
申请号：CN202111422577.8
申请日：2021-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/36 , G06F16/951 , G06F40/205 , G06F40/289 , G06F40/30 , G06F40/247 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱词义消歧的书评文本分类方法，属于自然语言处理技术领域。该方法包括：S1：获取书评文本数据集；S2：将文本进行分段处理；S3：对分段后的文本进行聚类并标签化，每个文本片段对应各自的外部知识实体；S4：词级文本预处理；S5：计算词级文本间的语义相似度、余弦相似度、目标函数以及得分；S6：提取文本片段的特征；S7：利用层次注意力网络提取各文本片段的特征信息，再对文本片段的特征信息进行一次层次注意力网路的文本处理，最终得到的特征信息经归一化处理完成文本分类。本发明能有效处理篇章级别的长文本数据。
-
公开(公告)号：CN114663426B
公开(公告)日：2024-09-13
申请号：CN202210420806.0
申请日：2022-04-21
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于关键骨区定位的骨龄评估方法，所述方法包括将选择的手骨X光原始图像输入特征提取网络中，生成第一可视化热图，并利用第一可视化热图提取出完整手骨区域；将完整手骨区域输入特征提取网络中，生成第二可视化热图，并利用第二可视化热图提取出完整手骨区域中的腕骨区域；将完整手骨区域中的剩余区域输入基于注意力机制的特征提取网络，生成第三可视化热图，利用第三可视化热图提取出剩余区域中的掌指骨区域；将腕骨区域、掌指骨区域和对象的性别信息输入到预测网络中，得到对象的骨龄结果。本评估方法结合图像定位和骨龄预测，能够聚焦于手骨图像的关键区域，弱化无关区域的影响，从而实现准确的骨龄评估。
-
公开(公告)号：CN116071383A
公开(公告)日：2023-05-05
申请号：CN202310157600.8
申请日：2023-02-23
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06V10/75 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于医学图像处理领域，具体涉及一种基于超高场磁共振影像重建的海马亚区分割方法及系统，包括：磁共振影像数据进行预处理，将预处理后的图像输入到超高场磁共振影像重建网络中进行特征提取，并对提取的特征进行融合重建，得到重建MRI；将重建后的MRI输入到判别器网络进行判别，并将判别后的MRI输入到海马亚区分割网络中提取多尺度特征信息，得到海马亚区分割概率图；根据海马亚区分割概率图对磁共振影像进行海马亚区分割；本发明在超高场磁共振影像重建过程中引入自注意机制、特征匹配损失和ROI损失，以恢复海马区域更多解剖细节，在海马亚区分割过程中引入多尺度深度监督，并设计一个解剖加权交叉熵损失利用丰富的先验知识，提高了分割结果的准确度。
-
公开(公告)号：CN115100412A
公开(公告)日：2022-09-23
申请号：CN202210941718.5
申请日：2022-08-08
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06T7/00 , G06T7/30
Abstract: 本发明涉及图像处理技术领域，具体涉及一种联合图像配准与分割的脑卒中病灶分割方法；在该方法中构建联合网络分割模型，该联合网络分割模型包括图像配准网络和3DMI‑UNet分割网络；获取患者的医学图像与固定的模板图像组成训练样本对，采用训练样本对训练联合网络分割模型；采用训练完成的联合网络分割模型对待检查患者的医学图像进行脑卒中病灶分割；本发明联合图像配准与分割设计联合框架，采用联合损失函数实现优化，完成脑卒中病灶分割。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
