公开(公告)号：CN116304749B

公开(公告)日：2023-08-15

申请号：CN202310565214.2

申请日：2023-05-19

Applicant: 中南大学

Inventor： 段俊文 ,  贾明颐 ,  廖剑波 ,  王建新

IPC: G06F18/22 ,  G06F16/35 ,  G06F40/30 ,  G06N3/084 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了一种基于图卷积的长文本匹配方法，包括获取现有的长文本数据集；构建关键词图；获取节点的网络特征向量和概率统计特征，得到各个节点的初始特征表示；构建语义超图；构建长文本匹配模型；采用长文本数据集及得到的结果训练长文本匹配模型得到训练后的长文本匹配模型；采用训练后的长文本匹配模型进行实际的长文本匹配。本发明不仅实现了长文本的匹配，而且简化了任务难度，实现了文本对之间细粒度的语义对齐，实现了对匹配信号更准确的语义划分，保证了训练过程中超边节点间的特征相似性，可靠性高、精确性好且客观科学。

公开(公告)号：CN116578439A

公开(公告)日：2023-08-11

申请号：CN202310191885.7

申请日：2023-03-02

Applicant: 中南大学

Inventor： 杜献智 ,  邓志航 ,  王伟平 ,  王建新

IPC: G06F11/14 ,  G06N3/00

Abstract: 本发明公开了一种基于模拟退火算法的修复树构造方法，包括获取节点数和对应的邻接矩阵；设定初始参数和控制参数；随机生成初始Prufer序列并执行模拟退火算法，记录最大瓶颈带宽所对应的Prufer序列作为当前解；对当前解产生扰动得到合法的新解；计算新解与当前解的瓶颈带宽并决定是否接受新解；重复以上两个步骤直至满足设定的条件，得到最大瓶颈带宽所对应的Prufer序列并解码得到无根树，将无根树中的辅助接点作为根节点并得到最终的修复树，本发明还公开了一种包括所述基于模拟退火算法的修复树构造方法的数据恢复方法。本发明的编解码速度快、算法灵活、搜索效果好且可靠性高。

公开(公告)号：CN116543208A

公开(公告)日：2023-08-04

申请号：CN202310502016.1

申请日：2023-05-06

Applicant: 中南大学

Inventor： 王建新 ,  颜泉 ,  段俊文

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/774 ,  G06F16/36 ,  G06N5/02 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/44

Abstract: 本发明公开了一种基于知识增强的胸部X光图像分类方法，包括获取基准数据集，构造知识图谱；针对构造的知识图谱进行节点类型区分和节点关系建模处理；基于获取的数据集构建局部分类器，针对处理后的知识图谱进行局部分类处理；基于获取的数据集和局部分类器，构建全局分类器，并针对处理后的知识图谱进行全局分类处理；采用训练后的全局分类器，完成对实际输入X光图像的分类处理；本发明还公开了包括所述基于知识增强的胸部X光图像分类方法的成像方法。本发明方法通过基于胸部X光数据集，创建KG知识图谱，将现有知识融入建立的模型中，有效的改善胸部X光局部分类和全局分类的分类效果；同时本发明的有效性高、精准度提升、泛化性增强。

公开(公告)号：CN113010871B

公开(公告)日：2023-04-28

申请号：CN202110280295.2

申请日：2021-03-16

Applicant: 中南大学

Inventor： 钟萍 ,  王安宁 ,  祁宏 ,  钟琪铠 ,  王建新

IPC: G06F21/33 ,  G06F21/60 ,  G06F21/64

Abstract: 本发明公开了一种基于联盟区块链平台的电子学历证书验证方法，包括基于联盟区块链的电子学历证书发布的步骤；基于联盟区块链的电子学历证书验证的步骤；基于联盟区块链的分布式SSL证书生成及存储的步骤；基于联盟区块链的分布式SSL证书验证的步骤。本发明利用非对称加密和区块链技术相结合的方式实现对电子学历证书分布式存储，可以解决电子证书公信力不足，容易发生证书造假等问题并提高证书平台的安全性；另一方面利用分布式的CA替代传统的树状结构CA，实现SSL证书的分布式生成和验证，可以解决中心化数据库的风险性高、可信机构可能不可信和证书被非法撤销等问题；因此本发明方法的可靠性高、安全性好且易于实施。

公开(公告)号：CN113496496B

公开(公告)日：2023-04-07

申请号：CN202110767563.3

申请日：2021-07-07

Applicant: 中南大学

Inventor： 王建新 ,  陈雨 ,  匡湖林 ,  刘锦

IPC: G06T7/11 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供了一种基于多种损失和多尺度特征的MRI影像海马体区域分割方法，包括：步骤1，获取多个T1模态的脑部MRI影像和海马体标签；步骤2，以左右海马体的左右标签为基准，对每个T1模态的脑部MRI影像进行图像的裁剪，得到多个裁剪后的左右海马体立方体；步骤3，对每个裁剪后的左右海马体立方体进行3D切块，得到所有裁剪后的左右海马体立方体的3D切块，在所有裁剪后的左右海马体立方体的3D切块中筛选出含有海马体体素大于设定阈值的3D块，对筛选出的3D块进行预处理。本发明可以精确地分割出海马体和背景的标签，通过多尺度信息和多种损失的结合提高分割准确率，使脑部影像中海马体分割准确率得到显著提升。

公开(公告)号：CN114883003A

公开(公告)日：2022-08-09

申请号：CN202210645934.5

申请日：2022-06-08

Applicant: 中南大学

Inventor： 王建新 ,  A.阿戴拉米 ,  邹梦洁 ,  匡湖林

IPC: G16H50/30 ,  G16H50/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的ICU住院时长和死亡风险预测方法，包括获取基础数据处理和分类得到训练数据集、验证数据集和测试数据集；基于具有不同感受野的时序空洞可分卷积和上下文感知特征融合模块构建基础预测模型；设定损失函数并采用数据集对基础预测模型进行训练、验证和测试得到最优的预测模型；采用最优的预测模型进行实际人员的ICU住院时长和死亡风险预测。本发明使用时序空洞可分卷积网络对每个特征单独编码并提出了上下文感知特征融合方法；结合多视图和多尺度的特征融合模块生成最后的住院人员表示用于预测；因此本发明方法的可靠性高、精度较高且效果较好。

公开(公告)号：CN114844762A

公开(公告)日：2022-08-02

申请号：CN202210408929.2

申请日：2022-04-19

Applicant: 中南大学 ,  天云软件技术有限公司

Inventor： 杨平 ,  李奇 ,  王建新

IPC: H04L41/0604

Abstract: 本申请公开了一种告警真实性检测方法和装置。其中，该方法包括：获取预设时间段内的监控指标数据，其中，所述预设时间段至少包括与第一告警事件对应的告警发生时刻；根据所述监控指标数据的数据特征，确定目标监控指标数据的数据类型，所述目标监控指标数据为所述告警发生时刻对应的监控指标数据；基于与所述数据类型对应的检测方式，确定所述目标监控指标数据偏离所述监控指标数据对应的平均值的偏离值；在所述偏离值处于预设范围的情况下，确定所述第一告警事件为真实告警事件。根据本申请实施例的告警真实性检测方法，能够提高告警真实性检测的准确性，提高运维效率。

公开(公告)号：CN110827921B

公开(公告)日：2022-06-14

申请号：CN201911097854.5

申请日：2019-11-12

Applicant: 玉林师范学院 ,  中南大学

Inventor： 朱晓姝 ,  彭小清 ,  李洪东 ,  王建新 ,  郭立渌 ,  李剑

IPC: G16B30/00

Abstract: 本发明公开了一种单细胞聚类方法、装置、电子设备及存储介质。在计算节点对之间基于距离信息的局部相似性基础上，构建全局特征空间。基于全局特征空间，使用多核学习方法，计算节点对之间的全局相似性。然后，扩展考虑节点对的所有二阶路径上的节点，加入更多相关节点信息，构建更有效的全局相似性计算方法。最后，通过根据节点度大小对节点排序，决定节点初始加入社团顺序，从而改进Louvain社团检测方法，并使用该方法进行聚类。本发明简单有效，通过与其他方法比较，以及在公用单细胞转录组测序数据集上测试表明，该发明在单细胞转录组测序数据聚类方面有较好的预测性能。

公开(公告)号：CN111865813B

公开(公告)日：2022-04-12

申请号：CN202010732147.5

申请日：2020-07-27

Applicant: 中南大学 ,  赛尔网络有限公司

Inventor： 黄家玮 ,  胡晋彬 ,  李钊毅 ,  王诗琪 ,  王建新

IPC: H04L47/283 ,  H04L47/263

Abstract: 本发明公开了一种基于反ECN标记的数据中心网络传输控制方法系统及可读存储介质，方法包括：新流启动，发送端通过交换机发送数据分组给接收端；各个交换机依次判断是否各自链路是否有空余带宽，并对当前数据分组最终的ECN标记位CEfinal进行数值编码；接收端接收数据分组，并生成一个驱动分组，再将当前数据分组的ECN标记位CEfinal复制到驱动分组并发送给发送端；发送端判断驱动分组的ECN标记位的数值编码，若对应是链路均有空余带宽，后续发送至少两个数据分组；否则发送一个数据分组。本发明及时反馈链路利用率低的信息给发送端，发送端通过适当增加发送分组的数量，迅速利用空闲带宽，从而提高链路利用率。

公开(公告)号：CN113808753A

公开(公告)日：2021-12-17

申请号：CN202111064734.2

申请日：2021-09-11

Applicant: 中南大学

Inventor： 王建新 ,  岳海林 ,  刘锦 ,  匡湖林

IPC: G16H50/70 ,  G16H50/50 ,  G06T7/00 ,  G06K9/62

Abstract: 本发明公开了一种基于多损失的分解表达学习预测辅助放化疗疗效的方法，对现有的同一肿瘤区域放化疗前和放化疗后两个阶段的CT影像，提取放射组学特征。通过多损失的分解表达学习去寻找两个阶段CT影像中肿瘤区域的共享特征和特有特征：首先通过交叉重构损失将影像的特征分解为共享特征和特有特征两个部分，然后通过固有‑变化损失强化分解效果，并基于监督损失使潜在特征具有可分行，再进行总损失计算，并通过梯度更新的方式来最小化总损失，最后得到分离后的特征。对分离后的特征进行融合，并输入到不同的分类器中，从而得到预测模型，并通过预测模型来基于放化疗前患者的肿瘤区域影像进行疗效预测。本发明能够准确的对食管癌患者进行辅助放化疗后疗效。