-
公开(公告)号：CN119721038A
公开(公告)日：2025-03-28
申请号：CN202411792002.9
申请日：2024-12-06
Applicant: 大连海事大学
IPC: G06F40/295 , G06F40/30 , G06F16/36 , G06F16/35 , G06F16/334 , G06F16/335 , G06N3/0455 , G06N3/08 , G06N5/022 , G06N5/04
Abstract: 本发明公开了一种基于大语言模型信息增强和反译学习的零样本实体关系抽取方法及系统，属于自然语言处理的技术领域，关系抽取是自然语言处理中的一个核心任务，旨在从非结构化的文本数据中识别并提取实体之间的语义关系。它通常作为信息抽取的一个重要组成部分，广泛应用于知识图谱构建、问答系统、信息检索等领域。本发明旨在克服现有技术的限制，提供一种创新的基于大语言模型信息增强和反译学习的零样本实体关系抽取方法，该方法利用大语言模型的丰富语义分析能力和检索能力，引入外部知识。同时，通过反译学习模块，在零样本环境下生成有效的伪标签对模型进行训练，以提高模型性能和可解释性。
-
公开(公告)号：CN119128979A
公开(公告)日：2024-12-13
申请号：CN202411242547.2
申请日：2024-09-05
Applicant: 大连海事大学
Abstract: 本发明提供一种基于联邦学习与差分隐私的糖尿病视网膜病变图像识别方法，属于联邦学习领域。本发明通过步骤：对糖尿病视网膜病变图像数据集进行预处理和泊松采样初始化位于中央服务器的全局模型；本地客户端从中央服务器获取全局模型的参数，构建本地模型；本地客户端利用本地数据对本地模型进行训练和差分隐私处理；中央服务器接收各客户端上传的参数进行安全聚合,利用安全聚合后参数更新全局模型；训练迭代次数未达到用户指定的阈值，将结果传递至本地模型继续进行训练过程；训练迭代次数达到用户指定的阈值，终止进一步的迭代过程，得到完成训练的模型。平衡了联邦学习中引入差分隐私进行隐私保护可能存在梯度泄露以及数据损失的问题。
-
公开(公告)号：CN118969176A
公开(公告)日：2024-11-15
申请号：CN202411058123.0
申请日：2024-08-02
Applicant: 大连海事大学
IPC: G16H20/10 , G16H10/60 , G16H50/70 , G06F18/213 , G06F18/22 , G06F18/27 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于多粒度视角患者表征的药物推荐方法及系统，涉及自然语言处理技术领域。本发明通过在token粒度、sequence粒度和visit粒度上获取患者的统一表征信息，并利用历史‑当前表征匹配度检索机制获取患者对药物的选择偏好，从而提供更为精确和个性化的药物推荐策略。本发明旨在：通过多粒度视角编码患者信息，使表征更丰富；通过历史用药门控检索模块有效应对患者选择偏好带来的偏差问题；提高药物推荐结果的准确度，显著提升药物推荐系统的性能。
-
公开(公告)号：CN117219291A
公开(公告)日：2023-12-12
申请号：CN202311146042.1
申请日：2023-09-06
Applicant: 大连海事大学
IPC: G16H70/40 , G06N3/042 , G06N3/0464 , G06F18/23213 , G06N3/0895
Abstract: 本发明公开了基于对比学习和图神经网络的药物重定位预测方法及装置，涉及生物医学和自然语言技术交叉领域。本发明从嵌入层角度进行简单数据扩充从而摒弃了现有对比学习任务大多数采用的复杂图形增强，使模型更加轻便有效；为了更加有效地挖掘语义空间中潜在的邻域关系，将位于语义邻域内的相似疾病合并到原型对比目标中，将潜在的邻域明确地结合到对比对中，从而可以利用不同结构信息，充分提取信息，更好地对结果进行预测，提升预测性能；同时考虑到原始数据集中存在的噪声，使用自适应去噪方法，在训练过程中自适应地修剪噪声交互，大大提高了模型的预测质量。
-
公开(公告)号：CN114417823A
公开(公告)日：2022-04-29
申请号：CN202210023639.6
申请日：2022-01-10
Applicant: 大连海事大学
IPC: G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于句法依赖和图卷积网络的方面级情感分析方法及装置，涉及自然语言处理技术领域。本发明使用的方面融合图卷积网络模型能融入更多的语义信息，更好的利用句子中的句法信息和单词依赖性，从而提高模型的训练质量。首先，通过引入依赖树和依赖位置图来增强每个句子实例的句法依赖。然后，使用两个图卷积网络融合依赖树和依赖位置图以生成方面的交互情感特征。最后，通过注意力机制充分整合卷积层和掩蔽层的状态向量中与方面语义相关的重要特征。本发明解决了情感分析领域容易忽略的依赖树拓扑结构与依赖距离之间存在密切关系的问题，不仅增强了情感分类的效果，对于其他涉及到图卷积的分类任务也有较好的帮助。
-
Patent Agency Ranking
公开(公告)号：CN102663710A
公开(公告)日：2012-09-12
申请号：CN201210132698.3
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像降噪方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析经验模态分解得到的各层本征模态函数，进行去噪；利用能够代表冠脉造影图像血管结构的本征模态函数进行加权求和来重构去噪后的冠脉造影图像。本发明不依赖先验知识进行对冠脉造影图像自适应分解，根据图像特点自适应产生随机噪声去除阈值。本发明利用经验模态分解方法对X射线冠脉造影图像进行自适应分解，对得到的各IMF分量进行去噪，并选择能够代表血管结构的IMF高频分量进行造影图像重构即可达到去除噪声的目的，且在去噪过程中无须先验知识、能够根据造影图像特点进行自适应降噪。
-
公开(公告)号：CN119477699B
公开(公告)日：2025-05-09
申请号：CN202510059179.6
申请日：2025-01-15
Applicant: 大连海事大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T3/4046
Abstract: 本发明公开基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，涉及医学图像处理技术领域，其特征在于，包括以下步骤：S1：对患者前列腺MRI进行图像预处理，通过降采样操作获取低分辨率MRI图像；S2：基于空间和频域信息构建空间‑频域Mamba模块，提取并融合MRI图像的空间信息和频域信息；S3：将所述S1中获得的低分辨率图像特征输入到由多个级联SFMamba组成的特征提取编码器和解码器中，提取图像多层次语义特征，重建高分辨率MRI图像。本发明要解决的技术问题是提供基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，方便实现前列腺MRI超分辨率重建。
-
公开(公告)号：CN119477699A
公开(公告)日：2025-02-18
申请号：CN202510059179.6
申请日：2025-01-15
Applicant: 大连海事大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T3/4046
Abstract: 本发明公开基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，涉及医学图像处理技术领域，其特征在于，包括以下步骤：S1：对患者前列腺MRI进行图像预处理，通过降采样操作获取低分辨率MRI图像；S2：基于空间和频域信息构建空间‑频域Mamba模块，提取并融合MRI图像的空间信息和频域信息；S3：将所述S1中获得的低分辨率图像特征输入到由多个级联SFMamba组成的特征提取编码器和解码器中，提取图像多层次语义特征，重建高分辨率MRI图像。本发明要解决的技术问题是提供基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，方便实现前列腺MRI超分辨率重建。
-
公开(公告)号：CN118172251B
公开(公告)日：2024-07-26
申请号：CN202410591481.1
申请日：2024-05-14
Applicant: 大连海事大学
IPC: G06T3/4076 , G06T3/4046 , G06T11/00 , G06N3/0464
Abstract: 本发明公开基于轻量化扩散模型的前列腺MRI超分辨率重建方法，涉及医学图像处理技术领域,包括以下步骤：S1：对前列腺疾病患者MRI图像进行预处理，通过下采样操作获取低分辨率图像；S2：将所述S1中获得的低分辨率图像特征图输入到特征抽取编码器中来获取图像多尺度深层特征图；S3：将所述S2中得到的多尺度语义特征图，输入到特征重建解码器中，基于扩散模型对特征图进行上采样操作，重建高分辨率图像。本发明方便实现前列腺MRI超分辨率重建。
-
公开(公告)号：CN118172558A
公开(公告)日：2024-06-11
申请号：CN202410594218.8
申请日：2024-05-14
Applicant: 大连海事大学
IPC: G06V10/26 , G06V20/70 , G06V40/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明公开基于层次信息传递的抗噪声半监督人体语义分割方法，涉及图像处理技术领域，其特征在于，包括以下步骤：S1：输入：数据收集，获取少量带有语义分割标注的人体图像和大量未标注的人体图像，#imgabs0#表示少量带语义分割标注的人体图像集合。本发明涉及图像处理技术领域，具体地讲，涉及基于层次信息传递的抗噪声半监督人体语义分割方法。本发明提出了一种层次信息传递网络，可以充分利用人体结构间存在的关系提高模型对不同人体结构解析的推理能力。在此基础上，考虑到伪标签中可能混杂大量噪声，提出了一个抗噪声的混合学习方法，降低噪声伪标签对模型训练带来的负面影响。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.019 seconds)
