-
公开(公告)号：CN117351255A
公开(公告)日：2024-01-05
申请号：CN202310942891.1
申请日：2023-11-23
Applicant: 浙江大学滨江研究院 , 浙江大学医学院附属儿童医院
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06T7/00 , G06N3/0464 , G06N3/098
Abstract: 本发明公开了一种基于目标检测和图像分类的医学图像疾病分类方法，包括如下步骤：步骤一，通过目标检测模型提取病灶所在区域；步骤二，将步骤一提取到的区域输入到特征抽取网络，获取区域特征，之后将获取的区域特征相互融合后输入疾病分类模型，得到图像分类结果；步骤三，对完整的医学图进行特征提取，然后输入疾病分类模型，得到图像分类结果；步骤四，将步骤二和步骤三获取的图像分类结果进行整合，完成分类。本发明的分类方法，提出了一种基于目标检测和图像分类的二分支两阶段疾病分类模型，缓解了数据不平衡问题，加强了模型对具体病灶区域的关注程度。
-
公开(公告)号：CN118154435A
公开(公告)日：2024-06-07
申请号：CN202410117397.6
申请日：2024-01-29
Applicant: 中共浙江省委党校(浙江行政学院) , 浙江大学滨江研究院
IPC: G06T5/50 , G06T5/60 , G06T5/70 , G06V10/10 , G06V10/80 , G06V10/44 , G06N3/045 , G06N3/0475 , G06N3/0464
Abstract: 本发明公开了一种基于扩散模型的多波段图像融合方法，其特征在于：包括：步骤一，对数据进行处理，确定范例样本；步骤二，训练基于扩散模型的多波段图像融合模型；步骤三，对步骤二训练获得图像融合模型的进行测试，记录测试结果，分析融合效果；步骤四，将步骤三生成的融合图像输入到多模态目标检测器中，训练得到一个高性能的多模态目标检测器，随后，与传统的基于单一场景训练的目标检测器的性能进行对比，观察其性能提升效果，并在观察到性能提升较好后利用训练得到的多模态目标检测器进行图像融合。本发明的基于扩散模型的多波段图像融合方法，以解决红外和可见光图像融合中的噪声和质量问题。
-
公开(公告)号：CN115373738A
公开(公告)日：2022-11-22
申请号：CN202210871381.5
申请日：2022-07-22
Applicant: 浙江大学滨江研究院
IPC: G06F8/75 , G06F16/33 , G06F16/338
Abstract: 本发明公开了一种基于特征融合的算法血缘管理方法，包括：步骤1、获取算法信息与对应的源码数据，对所述源码数据进行解析，获得控制流图与控制流图中节点信息对应的抽象语法树；步骤2、获取源码数据在控制流图中对应的节点信息，计算获得节点嵌入向量；步骤3、获取源码数据在抽象语法树中对应的序列标识符，计算获得词嵌入向量；步骤4、对节点嵌入向量和词嵌入向量进行融合，获得对应的融合特征向量；步骤5、根据算法信息和融合特征向量，对融合特征向量进行可视化分析，获得算法血缘图谱。本发明还提供了一种算法血缘管理装置。本发明提供的方法通过融合算法的多维特征，从而解决算法来源难以追溯，难以管理的问题。
-
公开(公告)号：CN118154935A
公开(公告)日：2024-06-07
申请号：CN202410117384.9
申请日：2024-01-29
Applicant: 浙江大学滨江研究院 , 杭州榕数科技有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于对比元学习的成像模式推理方法，基于对比元学习的成像模式推理方法，首先获取到RGB、红外和点云三种成像模式下的数据集。其次，基于数据增强的方法对三种模式的图像进行数据扩充，对增强后的不同成像模式数据集进行划分，得到训练集和测试集。然后，将训练集输入图像特征加强模块和对比元学习模块推理训练模型，再用测试集测试训练出的模型性能。最后，输入RBG、红外和点云三种成像模式中的一种模式图像到训练好的模型中进行成像模式推理，输出为三类成像模式的置信度得分，其中置信度得分最高的一类则是输入图像的成像模式，实现对成像模式的推理判断，根据成像模式的推理判断选择最优的目标检测技术。
-
-
-
Search Results
4
records
(took 0.027 seconds)
