公开(公告)号：CN118196004A

公开(公告)日：2024-06-14

申请号：CN202410141833.3

申请日：2024-02-01

Applicant: 扬州大学

Inventor： 郭志波 ,  郭柴琪 ,  陈宇 ,  刘双双 ,  闫军臣

IPC: G06T7/00 ,  G06T7/40 ,  G06V40/16 ,  G06V10/74 ,  G06T7/90 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明一种通过面部图像识别潜在甲减病变的深度学习方法，包括以下步骤：(1)采用多特征分支分别对眼部、嘴部特征进行提取；(2)采用拼图模块对皮肤纹理特征进行特征提取并进行病变判断；(3)将提取好的特征送入到多层计分比对MDSC网络模块中判别特征是否匹配；(4)利用对比损失函数计算相似度；(5)通过残差判别机制，将网络的最后一个全连接层替换为一个具有多个输出的全连接层且每个输出对应一个判别，输出是否病变信息；(6)设置迭代次数，输入训练图像，将输出的每个判别与相应的真实标签进行比较，计算损失并更新网络参数；(7)将需要进行测试的人脸图像输入到训练好的模型中，输出是否病变信息；本发明提高了图像的识别能力。

公开(公告)号：CN117994262A

公开(公告)日：2024-05-07

申请号：CN202410112138.4

申请日：2024-01-26

Applicant: 扬州大学

Inventor： 郭志波 ,  陈宇 ,  郭柴琪 ,  刘双双 ,  闫军臣 ,  陈平 ,  张锡锐

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/09 ,  G06N3/0464

Abstract: 本发明公开了图像处理领域内的一种基于生成对抗网络的医学图像分割方法，包括以下步骤，步骤1，前期准备；步骤2，训练分割网络；步骤3，训练鉴别网络；步骤4，交替循环步骤2‑3，直到分割网络与鉴别网络达到均衡。实现了以有人工标注和无人工标注的医学图像共同训练的图像分割框架的构建，并在此基础上完成医学图像的分割。设计了通过跳跃连接、融合高级语义信息和低级空间语义信息、逐步融合各层次特征图并加入空间注意力机制的分割网络；同时设计了一个鉴别网络，分割网络与鉴别网络交替训练，在使用更少标注图像的情况下，取得良好的分割效果。