-
公开(公告)号：CN108734138B
公开(公告)日：2020-10-30
申请号：CN201810505419.0
申请日：2018-05-24
Applicant: 浙江工业大学
Abstract: 一种基于集成学习的黑色素瘤皮肤病图像分类方法，包括以下步骤：步骤1，使用基于随机掩盖大小固定的区域的数据增强方式来扩充训练样本；步骤2，建立多个卷积神经网络模型，使用的训练集包含黑色素瘤皮肤图像和非黑色素瘤皮肤图像；使用卷积残差50层网络；使用交叉熵损失函数；步骤3，卷积神经网络模型的集成：假定由训练集1训练得到的模型为分类模型1，训练集2训练得到的模型为分类模型2，对分类模型1和分类模型2分别使用测试集来测试其效果，然后每个模型会各自给出测试样本属于黑色素瘤的概率值p1，p2，集成的时候对于测试样本属于黑色素瘤的概率p＝(p1+p2)/2。本发明分类精度较高、数据均衡，提高黑色素瘤自动识别分类的性能。
-
公开(公告)号：CN111489327A
公开(公告)日：2020-08-04
申请号：CN202010149987.9
申请日：2020-03-06
Applicant: 浙江工业大学
Abstract: 一种基于Mask R-CNN算法的癌细胞图像检测与分割方法，包括以下步骤：步骤1，制作数据集；步骤2，癌细胞的特征提取，包括以下步骤：2.1、特征提取网络的搭建；2.2、网络卷积方式的修改，将网络中卷积核大小为3×3的标准卷积替换为同内核中采用不同大小卷积核的异构卷积；2.3、特征多尺度融合；步骤3，癌细胞目标区域候选框的生成，将融合后的特征送入RPN网络中进行目标区域生成；步骤4，癌细胞图像的检测目标结果精炼；步骤5，癌细胞图像的分割Mask生成。本发明提供了一种基于Mask R-CNN算法的癌细胞图像检测与分割方法，该方法减少了计算参数，降低了训练时间，提升了性能。
-
公开(公告)号：CN111489291A
公开(公告)日：2020-08-04
申请号：CN202010143034.1
申请日：2020-03-04
Applicant: 浙江工业大学
Abstract: 一种基于网络级联的医学图像超分辨率重建方法，包括以下步骤：1)对图像进行预处理，使得图像能更好地参与训练，方便之后的网络进行学习；2)构建图像金字塔，提取图像的级联信息；3)利用级联网络对图像进行超分；4)级联网络的设计基础为拉普拉斯金字塔以及BE-GAN，网络通过生成残差图像并于原图像加和的方式来生成高清的超分图像；利用残差图像可以减少网络学习所需的信息总量，可以减小网络的训练压力，从而使得网络可以在较小的数据集下获得更好的效果；级联则可以使网络各层级之间相对独立，使得网络可以适应各分辨率下的超分任务。
-
公开(公告)号：CN109959123A
公开(公告)日：2019-07-02
申请号：CN201910182274.X
申请日：2019-03-11
Applicant: 浙江工业大学
Abstract: 一种基于遗传算法和长短期记忆循环神经网络的空调节能方法，包括以下步骤：步骤1，建立空调能耗预测评估模型；步骤2，确定优化参数；步骤3，用遗传算法将冷却供水温度、冷却供回水温差进行编码，根据此编码，在一定范围内，随机生成冷却供水温度、冷却供回水温差，得到若干染色体组成的初始种群；步骤4，将当前工况的其他参数以及染色体参数解码并输入LSTM‑RNN空调预测评估模型，进行染色体评估，计算适应度函数，并对较优染色体进行交叉、变异；得到的最优染色体解码即最优参数；步骤5，将最优参数结合当前工况下的其他参数，输入预测评估模型得到优化后空调功耗。发明提升了预测评估准确率，达到较好的优化能耗的效果。
-
公开(公告)号：CN106447782B
公开(公告)日：2019-05-28
申请号：CN201610628087.6
申请日：2016-08-02
Applicant: 浙江工业大学
IPC: G06T17/30
Abstract: 一种基于核磁共振图像的面部皮肤三维重建方法，所述方法包括以下步骤：1)面部MRI图像预处理：采用三维离散高斯平滑算子，对面部MRI图像进行滤波预处理；2)基于连通网格面积判定法的面部皮肤组织重建修正，步骤如下：(2.1)使用网格连通性判定法修正重建结果，首先要把重建结果根据连通性划分为若干连通部分；(2.2)把结果分离成若干连通区域后需要对其面积进行求解，数据为三角网格，所以对面积的计算为对每个三角网格面积计算后求和。本发明提供了一种误差较小、重建效果良好的基于核磁共振图像的面部皮肤三维重建方法。
-
Patent Agency Ranking
-
公开(公告)号：CN108961272A
公开(公告)日：2018-12-07
申请号：CN201810708543.7
申请日：2018-07-02
Applicant: 浙江工业大学
IPC: G06T7/11
CPC classification number: G06T7/11 , G06T2207/20081 , G06T2207/20084 , G06T2207/30088
Abstract: 一种基于深度卷积对抗生成网络的皮肤病图像的生成方法，包括以下步骤：步骤1：对原始训练数据的预处理，对原始训练数据进行分割，得到皮肤病变区域的分割图片；步骤2：深度卷积对抗生成网络结构的建立，使用卷积神经网络来进行分别构建生成器和判别器；步骤3：设定生成网络和分类网络的输入；步骤4：优化目标的设定，对于判别器来说，判别器负责对真假样本进行分类，生成器生成的样本为假，实际输入的真实样本为真，最小化分类误差；对于生成器来说，生成器尽可能的去生成和真实样本一样的假样本；步骤5：网络的训练。本发明利用人工分割出来的皮损样本作为对抗生成网络的训练样本，然后使用对抗生成网络来生成新的皮肤病样本。
-
公开(公告)号：CN108921817A
公开(公告)日：2018-11-30
申请号：CN201810505282.9
申请日：2018-05-24
Applicant: 浙江工业大学
Abstract: 一种针对皮肤病图像的数据增强方法，包括以下步骤：步骤1：依次随机无放回的从皮肤图像样本集M中选择一个样本mi；步骤2：随机从样本mi上选择一块大小固定的区域进行裁剪，被裁剪后的mi命名为mi1，从mi裁剪出来的图像命名为mi2；步骤3：随机有放回的从皮肤图像样本集B中选择一个宽度和高度都大于裁剪区域宽度和高度的样本bj；步骤4：从样本bj上随机选择一块大小固定的区域进行裁剪，裁剪后的bj命名为bj1，从bj裁剪出来的样本命名为bj2；步骤5：计算出c，对结果中非整像素值进行取整；步骤6:将c和mi1进行融合来组成新的mi。本发明提供一种提升皮肤病分类模型性能的针对皮肤病图像的数据增强方法。
-
公开(公告)号：CN108665483A
公开(公告)日：2018-10-16
申请号：CN201810418273.6
申请日：2018-05-04
Applicant: 浙江工业大学
Abstract: 一种基于多特征融合的癌细胞跟踪方法，包括以下步骤：步骤1，癌细胞的检测，包括以下步骤：1.1、制作数据集；1.2、候选区域的产生；1.3、建议区域的分类及候选框的精修；步骤2，癌细胞的特征提取，包括以下步骤：2.1、质心特征的提取；2.2、卷积特征的提取；步骤3，癌细胞的初级跟踪，包括如下步骤：3.1、癌细胞类别判定；3.2、按类别进行初步跟踪；步骤4，癌细胞的再跟踪，包括如下步骤：4.1、漏检区域的关联匹配；4.2、重复检测区域的关联匹配。本发明提供了一种有效提高跟踪效率和跟踪精度的基于多特征融合的癌细胞跟踪方法。
-
公开(公告)号：CN108550133A
公开(公告)日：2018-09-18
申请号：CN201810174376.2
申请日：2018-03-02
Applicant: 浙江工业大学
Abstract: 一种基于Faster R-CNN的癌细胞检测方法，所述方法包括以下步骤：步骤1，对数据进行预处理，对数据集进行人工标定，将数据集做成pascal_voc数据集格式，人工标定的目的是得到图片标签，标签为每张图片中癌细胞目标所在位置的左上角和右上角坐标和目标的类别；步骤2，对数据进行初步检测，将所述数据集和图片标签作为深度学习Faster R-CNN神经网络的训练集，结合RPN及Fast R-CNN卷积神经网络对数据进行训练，得到最终癌细胞的初检测模型；步骤3，对数据进行再检测，结合CSA算法进行癌细胞的再检测，得到的检测结果结合初检测结果，分析得到最终的癌细胞检测结果。本发明整体检测精度较高。
-
-
-
-
-
-
-
-
-
Search Results
191
records
(took 0.028 seconds)
