公开(公告)号：CN115601342A

公开(公告)日：2023-01-13

申请号：CN202211324277.0

申请日：2022-10-27

Applicant: 湖北工业大学(CN)

Inventor： 黄忠唯 ,  李建强 ,  甘海涛 ,  时明 ,  方小悦 ,  周然 ,  杨智

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82

Abstract: 针对医学影像数据含有噪音，包含冗余特征，并存在类别不平衡的问题，本发明提供了一种基于混合稀疏的样本和特征选择方法、装置，来选择富含信息的样本和特征，具体而言，利用嵌入学习和l0范数来选择合适的正负样本数量，以此缓解类别不平衡问题，本发明利用l2，p范数来进行自适应稀疏以选择有判别力的特征。最后本发明利用选择出的样本和特征来进行医学影像数据的自动化分类和预测，从而辅助医生进行疾病的诊断，提升医疗工作者的工作效率。

公开(公告)号：CN113192062A

公开(公告)日：2021-07-30

申请号：CN202110573463.7

申请日：2021-05-25

Applicant: 湖北工业大学

Inventor： 周然 ,  杨智 ,  欧阳瀚 ,  甘海涛 ,  叶志伟

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/12 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于图像复原的动脉斑块超声图像自监督分割方法，包括以下步骤：(1)动脉超声图像训练数据集预处理，(2)训练基于图像复原的自监督辅助任务网络，(3)将(2)获得的辅助任务模型迁移至动脉斑块超声图像分割任务，(4)训练动脉斑块超声图像分割卷积神经网络，(5)利用(4)得到的模型分割动脉斑块超声测试图像，并输出结果。本发明首次公开了基于图像复原的动脉斑块超声图像自监督分割方法，实现在少量标签样本情况下动脉斑块超声图像分割，提升动脉斑块自动测量的准确性。可应用于动脉超声图像辅助诊断系统，监测斑块的生长和消退情况，对心脑血管发生预警有重要意义。

公开(公告)号：CN113159223A

公开(公告)日：2021-07-23

申请号：CN202110532794.6

申请日：2021-05-17

Applicant: 湖北工业大学

Inventor： 甘海涛 ,  颜家璇 ,  许宵闻 ,  周然 ,  杨智

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督学习的颈动脉超声图像识别方法。所述方法包括以下步骤：(1)采集颈动脉超声图像并预处理；(2)根据预处理后所得的超声图像数据集使用自监督学习的辅助任务函数扩充数据集和生成对应的伪标签；(3)将从步骤(2)所得的新的超声图像数据集载入神经网络中训练，保存学习到的最优网络权重参数；(4)将网络权重参数迁移到目标神经网络中，对步骤(1)所得的预处理后的超声图像数据集进行学习，得到目标神经网络的最优网络模型，再对测试集进行测试获得最终测试精度。本方法将自监督学习方法应用于颈动脉超声图像提取特征的表面变化和内部特性，为病变区域的预测提供了一种定量的分析方法。