-
公开(公告)号：CN118734931A
公开(公告)日：2024-10-01
申请号：CN202410859479.8
申请日：2024-06-28
Applicant: 同济大学
IPC: G06N3/094 , G06N3/096 , G06N3/045 , G06N3/0464 , G06F18/214 , G06F18/22 , G06F18/241 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种集成对抗攻击驱动的模型鲁棒性提升方法，包括以下步骤：获取自然样本，采用不同对抗攻击算法生成对抗样本，计算对抗样本之间的相似度，并进一步计算对抗攻击算法之间的相似度；根据所述对抗攻击算法之间的相似度，采用基于多样性优先集成策略构造融合白盒攻击和黑盒攻击的集成对抗攻击算法集；基于所述集成对抗攻击算法集，采用集成攻击算法进行对抗训练，并依据最大损失策略构造对抗损失函数，经过迭代训练得到鲁棒模型。与现有技术相比，本发明具有增强模型鲁棒性，使模型具备防御各类攻击的能力等优点。
-
公开(公告)号：CN118537281A
公开(公告)日：2024-08-23
申请号：CN202410085343.6
申请日：2024-01-20
Applicant: 同济大学
IPC: G06T7/00 , G06T7/11 , G06T5/73 , G06T5/90 , G06T5/10 , G06T5/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及医疗图像处理技术领域，提出一种基于分割任务驱动的医学图像数据域因素分析方法。该方法从图像因素和数据采集环境因素对具有域迁移的图像的分割效果进行分析衡量，利用不同仿真图像和真实设备参数进行大量实验，并对实验结果进行分析，提升模型图像分割性能。本发明在多站点MRI分割数据集上，对影响图像分割性能的医疗图像数据域因素进行了分析；根据医疗图像的数据采集与数据处理过程，从图像因素和数据采集环境因素两个方面分别分析，通过控制域因素来辅助模型展现更优秀的跨域分割性能，从而提升医学图像自动分割任务的准确率和鲁棒性，减少图像分割耗费的人力物力、减轻医生的工作量减少，提升诊疗效率。
-
公开(公告)号：CN117911742A
公开(公告)日：2024-04-19
申请号：CN202311703231.4
申请日：2023-12-12
Applicant: 同济大学 , 复旦大学附属中山医院
IPC: G06V10/764 , G06T7/00 , G06V10/77 , G06V10/52 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于医疗图像、深度学习以及计算机视觉领域，尤其涉及利用细粒度分类和预训练模型。本发明提出了一种基于自监督学习和细粒度分类的肝癌MVI树状分级模型，其特征在于，包括：数据预处理模块、MVI阴性阳性分类模型和MVI严重程度分类模型；其中，所述数据预处理模块，采集患者肝脏的MRI图像形成数据集并进行预处理；MRI图像经数据预处理模块处理后，首先通过训练好的MVI阴性阳性分类模型，若分类结果为阴性则输出该病例分级结果为M0，若分类结果为阳性，则将图像继续输入训练的MVI严重程度分类模型，得到M1或M2的分级结果。通过本发明模型的实施应用，可以使用小样本的训练准确对肝癌患者MVI级别进行判定，极大提升了MVI分级的准确率。
-
公开(公告)号：CN114723669A
公开(公告)日：2022-07-08
申请号：CN202210227648.7
申请日：2022-03-08
Applicant: 同济大学
Abstract: 本发明公开了一种基于上下文信息感知的肝脏肿瘤二点五维深度学习分割算法。本发明结合二维网络和三维网络提出基于上下文感知的二点五维分割网络模型，在综合利用上下文信息的同时有效降低计算成本。一方面将多张连续切片作为网络输入，另一方面在编码器部分使用三维卷积提取深层特征和片间特征，从而利用层间连续性来优化分割结果，同时在特征提取网络顶层使用空洞空间卷积池化模块来引入全局语义信息，缓解分割目标尺度差异较大的问题。此外，在解码器部分使用二维网络降低参数量，在网络中使用深度可分离卷积代替常规卷积来降低运算成本，同时结合类别交叉熵损失函数和Dice损失函数设计的加权损失函数也能够进一步改善医学图像中的类别不均衡问题。
-
公开(公告)号：CN114302321A
公开(公告)日：2022-04-08
申请号：CN202111483695.X
申请日：2021-12-07
Applicant: 同济大学
IPC: H04W4/02 , H04W4/029 , H04W12/04 , H04W12/069
Abstract: 本发明提供一种隐藏锚节点位置信息的隐私保护定位方法。该方法使用密钥共享技术，使锚节点的位置信息在无线定位过程中无法被其他节点包括服务器获知。在定位过程中，服务器为每个锚节点分配一个非零参数，每个锚节点将包含自身位置信息的隐私输入构建成对应于每个锚节点的非零参数的密钥多项式，并将多项式的数值发布给对应的其他锚节点；每个锚节点将从其他锚节点处接收到的所有多项式数值求和后发送给服务器；服务器根据接收到的数值构建方程组，进一步求解得到待定位节点的位置坐标。本发明通过密钥共享技术，可以有效地保护无线网络定位系统中锚节点的位置隐私安全，避免因位置泄露而导致的不可估量的后果。
-
Patent Agency Ranking
公开(公告)号：CN113537395A
公开(公告)日：2021-10-22
申请号：CN202110909914.X
申请日：2021-08-09
Applicant: 同济大学
Abstract: 一种基于眼底图像的糖尿病性视网膜病变图像识别方法，眼底图片的病变区域与周围正常区域往往会呈现视觉上较为明显的不同特征，这些区域为感兴趣区域；考虑糖尿病性视网感兴趣区域，在传统分类网络中融合注意力机制算法；使用并改进Arcface loss的思路，对类别之间的渐进关系建模，使得模型对数据分布敏感。本发明考虑了医学图像的特征，在深度学习网络中融合了注意力特征，使得模型能够关注图像中的感兴趣区域，在数据规模有限的情况下也能收获较好的效果；此外，还考虑了糖尿病性视网膜图像不同类别之间的距离渐进关系，根据类别间距离建模，提出W‑Arcface loss，根据样本类别与真实标签的距离，动态调整Arcface loss中的惩罚项，进一步提升分类准确率。
-
公开(公告)号：CN119214789A
公开(公告)日：2024-12-31
申请号：CN202411245376.9
申请日：2024-09-05
Applicant: 上海市东方医院(同济大学附属东方医院)
IPC: A61B34/10 , A61B18/00 , G06T7/00 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/09 , G16H20/40
Abstract: 本申请提供了一种病灶消融预测方法及装置、计算机可读存储介质，该病灶消融预测方法包括：获取术前图像以及手术方案图像，术前图像包括手术病灶部位，手术方案图像包括手术区域以及多个针孔；对手术方案图像进行预处理，以得到多个针孔的影响区域；将术前图像以及预处理后的手术方案图像输入至预先训练的预测模型，以获得病灶消融预测结果。本申请提供了一种在术前对术后的病灶消融结果进行预测，以辅助优化手术方案的技术方案。
-
公开(公告)号：CN118420151A
公开(公告)日：2024-08-02
申请号：CN202410515578.4
申请日：2024-04-26
Applicant: 同济大学
IPC: C02F9/00 , C02F1/72 , C02F1/00 , C02F1/52 , C02F101/30
Abstract: 本发明提供了一种双功能的自来水厂自动投药系统。以高锰酸盐预氧化结合Fe(III)/PMS的高级氧化/强化混凝工艺为核心。该系统包含预处理单元、自动投药控制系统程序单元、MFP工艺自动投药单元、在线仪表装置、中央处理器装置和计量泵装置。系统通过在线检测原水水质并发送数据给中央处理器装置，后者通过运算决定药物投放量。计量泵装置投加高锰酸盐、Fe(III)和PMS到预处理单元，实现强化混凝和氧化。处理后，在线仪表装置检测水质，中央处理器装置通过自动投药控制系统程序单元处理数据，确定最佳投药量和投药比，并反馈给计量泵装置，以减少药物消耗。
-
公开(公告)号：CN116630681A
公开(公告)日：2023-08-22
申请号：CN202310403408.2
申请日：2023-04-14
Applicant: 同济大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G16H50/20 , G16H50/70 , G06N3/0475 , G06N3/094 , G06T7/00
Abstract: 本发明提出了一种面向基底细胞癌的皮肤镜图像生成和识别方法，包括如下步骤：S1，对BCC皮肤镜图像数据进行预处理；S2，构建基于WGAN‑GP的生成式对抗网络模型；S3，训练生成对抗网络WGAN‑GP；S4，构建基于MobilenetV2的分类网络模型Mobilenet‑BCC；S5，训练Mobilenet‑BCC网络模型。本发明方法适用于手术之前对BCC的皮肤镜图像进行基于深度学习技术的子类图像生成和精准识别。
-
公开(公告)号：CN113573305B
公开(公告)日：2023-05-12
申请号：CN202110886329.2
申请日：2021-08-03
Applicant: 同济大学
Abstract: 一种无线协作定位中的位置隐私保护方法，该方法根据无线网络中某个用户位置隐私泄露的风险值，有参考地对发送给该用户的定位数据进行加密，包括步骤：发送给某个用户的定位数据未加密，应对窃听者通过该用户定位测量数据的分布获取其位置信息；在窃听选择的窃听方式下，利用用户位置估计值的费希尔信息矩阵，计算出该用户位置隐私泄露的风险值；根据每个用户位置隐私泄露的风险值，为发送给该用户的定位数据设置不同的位置差分隐私加密因子，用该因子作为拉普拉斯机制的加密参数，采用拉普拉斯机制对发送给该用户的定位数据进行加密。该方法避免了因盲目过度的噪声添加而导致数据的可用性降低，提高了定位结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
