-
公开(公告)号：CN116662758A
公开(公告)日：2023-08-29
申请号：CN202310662526.5
申请日：2023-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑网络拓扑结构的自适应hub节点识别方法，首先确定脑网络的基本数学模型；构建自适应hub识别的能量函数；再确定自适应hub识别的最优化方法；之后预处理真实的神经影像数据，最后执行优化算法求取hub节点。本发明的自适应hub识别方法可以依靠在方法中加入的自适应识别策略自动为每个网络选择最佳的hub数目，极大的提高了识别hub脑区的准确性和效率。
-
公开(公告)号：CN116595888A
公开(公告)日：2023-08-15
申请号：CN202310662539.2
申请日：2023-06-06
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06F17/14 , G06F17/15 , G06F119/02
Abstract: 本发明公开了一种基于傅里叶神经网络的生物动力学模型求解方法及系统。本发明提出了一种加入了傅里叶变换的神经网络(SB‑FNN)，并于物理知识嵌入的优化方式相结合构成傅里叶神经网络。SB‑FNN的傅里叶变换能力使其能够捕获复杂的模式和特征，这些模式和特征在空间域中具有挑战性，但在频域空间中很容易识别。这种可以捕获复杂特征的能力在系统生物学中尤为重要。生物动力学模型求解系统，包括微分方程组构建模块、惩罚函数构建模块、求解模块和变化推算模块。可以通过已知的物理知识，将其作为软约束，在无数据样本的情况下可以求解生物动力学模型。
-
公开(公告)号：CN116580248A
公开(公告)日：2023-08-11
申请号：CN202310662519.5
申请日：2023-06-06
Applicant: 杭州电子科技大学
Inventor： 赵健祥 , 颜成钢 , 张帅杰 , 杨德富 , 吕骏晖 , 乔松 , 何敏 , 王帅 , 赵治栋 , 高宇涵 , 孙垚棋 , 朱尊杰 , 张继勇 , 李宗鹏 , 殷海兵 , 王鸿奎
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据的AD图像预测与分类方法。首先进行数据预处理；然后构建AD图像预测与分类网络模型；通过空间信息聚合模块将预处理后的所有的脑区域图像重组为相同大小的特征patch块；通过patch特征提取模块获取加强patch‑leaval块；再通过注意力多实例学习模块来加强全局特征；最后通过全局分类器得到分类概率p；本发明使用了多模态数据结合的方式进行训练，增强了分类识别效果。本发明提出重采样提取图像特征的方法，将多模态的数据按照相同方法处理，标准化的图像提高泛化能力。
-
公开(公告)号：CN116363146A
公开(公告)日：2023-06-30
申请号：CN202310376860.4
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06T7/00 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的眼眶肿瘤图像分割方法，首先获取图像数据集，然后进行图像预处理；构建基于半监督学习的眼眶肿瘤图像分割模型(MSCINet)；再将预处理后的数据集输入MSCINet模型，进行模型训练；最后通过训练好的MSCINet模型实现眼眶肿瘤图像分割。本发明通过引入多尺度一致性约束，可以学习不同尺度下的鲁棒特征，更好的应对眼眶肿瘤尺度变换较大的挑战；通过自训练策略，充分利用大量未标注数据，缓解一般深度模型对于大规模标注数据的需求，降低深度模型应用限制。
-
公开(公告)号：CN116363145A
公开(公告)日：2023-06-30
申请号：CN202310374298.1
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双重边缘表示的眼底OCT图像视网膜分层方法，首先进行数据集获取及预处理，然后构建基于双重边缘表示的眼底OCT图像视网膜分层模型MTDBA‑Net；使用灰度归一化训练图像和人工标注结果及双重边缘表示训练提出的MTDBA‑Net；最后通过训练好的模型实现眼底OCT图像视网膜分层。本发明所提出的双重边缘表示可以包含更加丰富的边缘形状信息，多任务间施加一致性约束可以充分利用多任务间的相关性，提高图像分割的精度获得更精准的边缘。
-
Patent Agency Ranking
公开(公告)号：CN116469003A
公开(公告)日：2023-07-21
申请号：CN202310285121.4
申请日：2023-03-22
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于弹性网络正则化回归算法的遥感图像分类方法。针对现阶段对于高分辨率遥感图像的分类，通过一种弹性网络正则化回归算法，在基于稀疏表示的分类方法中加入基于协作表示的方法，两者都有助于图像分类中单个类别的样本建立在一个线性子空间上，将测试样本表示为训练样本的线性组合，适用于图像的特殊性和复杂性。此外，本发明将提出的弹性正则化回归算法扩展到任意核空间，以处理隐藏在原始图像特征中的非线性结构，从而进一步提高分类性能。
-
公开(公告)号：CN116385406A
公开(公告)日：2023-07-04
申请号：CN202310374306.2
申请日：2023-04-10
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于U‑Net的眼眶肿瘤图像分割方法，首先进行眼眶肿瘤数据集的采集；然后进行数据的预处理；再构建基于U‑Net的眼眶肿瘤图像分割模型；通过预处理后的数据集训练眼眶肿瘤图像分割模型；最后利用训练好的模型参数，实现眼眶肿瘤图像分割模型在眼眶肿瘤图像上的肿瘤区域分割。本发明的网络架构模型对于尺度变化明显的病情肿瘤区域能有较好的尺度敏感性，从而有利于改善分割模型对一些尺度变化大的难样本的分割精度。
-
公开(公告)号：CN116071606A
公开(公告)日：2023-05-05
申请号：CN202310210827.4
申请日：2023-03-07
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/047 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了基于多尺度多注意力实例学习的sMRI图像分类方法，首先获取数据集，构建多尺度多注意力实例学习模型，通过空间金字塔池化模块将不同大小脑区转化为相同尺度；通过patch‑net处理模块获取相应的局部特征增强；通过注意力多实例学习模块来增强全局特征；通过分类器得到分类结果；最后通过训练多尺度多注意力实例学习模型。本发明是采取了区域块的分析方法，能获取对大脑病变影响更大的位置，引入了双注意机制，能增强到局部和全局的特征；本发明采用了将分割数据和脑区数据结合的多模态数据，加强分类效果。
-
公开(公告)号：CN115409857A
公开(公告)日：2022-11-29
申请号：CN202211215390.5
申请日：2022-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的三维脑积水CT图像分割方法，包括以下步骤：步骤(1)、获取数据集；步骤(2)、数据预处理；步骤(3)、构建残差U‑net卷积网络模型；步骤(4)、通过预处理后的数据对构建的残差U‑net卷积网络模型进行训练；步骤(5)、将测试数据输入训练好的残差U‑net卷积网络模型，对模型进行测试。本发明引入残差卷积作为基本卷积单元，增强分割模型得鲁棒性本发明基于深度学习对CT图像中的脑室区域构建三维分割模型，充分利用数据在三维空间上带来的优势，探究高维度信息给模型带来的可能性，提高最终表现效果的准确度。
-
公开(公告)号：CN118469835A
公开(公告)日：2024-08-09
申请号：CN202410673257.7
申请日：2024-05-28
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于原始图像的多曝光图像融合方法。本发明对于现有的多曝光融合技术进行了改进，不同于传统的将相机得到的图像直接作为LDR图像进行融合，本发明使用Bayer格式的图像得到图像的原始图像作为输入来学习更多的图像信息。同时本发明结合了DualUNet网络的优点，并改进了Conv模块来增强学习能力；此外利用DIB模块来增强对频域维度的学习能力。本发明提出的基于原始图像LDR‑HDR图像信号处理方法可以更好的获取图像细节信息从而为后续网络训练提供更好的图像信息。同时，本发明改进后的网络利用结构重新参数化技术，显著抑制硬件设备计算需求，符合轻量化使用的现实场景。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.023 seconds)
