-
公开(公告)号：CN117942029A
公开(公告)日：2024-04-30
申请号：CN202211290572.9
申请日：2022-10-21
Applicant: 北京工业大学
Abstract: 本发明公开了基于通道‑空间注意力残差网络的癫痫发作预测方法，为了探究脑电本身的特征我们使用短时傅里叶变换将脑电信号转换为频谱图，使用残差网络来提取深层次的脑电时频特征，然后使用通道注意力模块来将不同通道的上下文信息自适应地融合到通道中，来加强特征表示，再使用空间注意力模块来关注不同通道之间的相关性，以获得更好的癫痫发作预测性能，该方法能够为癫痫发作预测提供一定的依据。
-
公开(公告)号：CN116993649A
公开(公告)日：2023-11-03
申请号：CN202210432980.7
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06T7/00 , G06T7/194 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于cGAN的乳腺超声图像肿瘤分割方法，包括乳腺超声图像数据预处理、超声图像的生成、构建深度神经网络模型、定义损失函数、模型训练及结果生成。在数据预处理中，使用先镜像填充，后裁剪的方式既不会改变乳腺肿瘤的形态，又可以得到符合尺寸要求的乳腺超声图像。然后在此基础上继续通过cGAN网络生成超声图像。在构建深度神经网络模型步骤中，整体上遵循了GAN网络的设计模式。GANs整个框架可以被看做是两个玩家参与的最小最大博弈游戏，其中一个玩家(生成器，Generator)的任务是将随机输入映射成符合某个特定分布的数据，使第二个玩家(判别器，Discriminator)没有办法区分该数据是真数据还是生成的假数据；本发明除了扩充了数据集，还使用对抗训练代替了CRF这种后处理步骤来增强高阶空间一致性。
-
公开(公告)号：CN116993648A
公开(公告)日：2023-11-03
申请号：CN202210432978.X
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于全局上下文和双向金字塔的乳腺超声肿瘤病灶检测方法，包括以下流程：数据预处理、模型构建、模型训练以及模型最终检测结果。模型构建是本发明的核心，其采用了一阶段检测的深度学习网络架构，引入全局上下文模块用于建模全局上下文信息，以增强模型的特征表征能力，来区分肿瘤和肿瘤周围的类似组织区域。为充分利用浅层网络所提取的细节信息，模型引入PAN模块与FPN模块组成构成双向金字塔模块，从自顶向下和自底向上两个方向进行特征融合。自顶向下能增强模型的特征语义表征能力，自底向上能增强模型的特征定位能力。最后模型采用Focal Loss和Smooth L1作为损失函数，使模型向更好的方向进行优化。
-
公开(公告)号：CN116992921A
公开(公告)日：2023-11-03
申请号：CN202210419591.0
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F18/214 , G06F18/2415 , G06F18/25 , A61B5/346 , A61B5/00
Abstract: 本发明公开了一种基于空洞和可变卷积的心律失常分类自适应网络(ADDNet：Adaptive Deformed and Dilated Convolution Net for classification of arrhythmias)。本发明提出了残差可变卷积模块，利用可变卷积自适应调整感受野的形状，充分利用12道心电图导联间的跨导联特征；提出了残差空洞卷积模块，利用空洞卷积的在不增加参数的情况下增加时间跨度的感受野，获取时间维度上的特征。此外提出了自适应融合模块，将空洞卷积和可变卷积得到的特征图以自适应方式进行融合。本发明是一种端到端的心电分类方法。降低了解决问题的繁琐复杂过程，有效地提高了心电信号分类准确率。
-
公开(公告)号：CN113855042B
公开(公告)日：2023-10-03
申请号：CN202110999625.3
申请日：2021-08-29
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于序列标注并融合各导联的深度特征与医学特征的心电信号分类方法。该方法借鉴文本序列标注思想，首先提取每个导联上的深度时域特征和传统医学特征，将两个特征进行融合，然后使用Seq2Seq对12个导联进行类别标注，在模型预测时对12个导联的类别标注进行投票。同时在解码时加入和编码器之间的注意力机制，为了在解码时每个导联的类别更加改导联的编码信息，使解码结果更加正确。本方法是一种端到端的心电信号分类方式,利用了深度学习特征和医学特征,有效提升了多导联心电信号分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108921019B
公开(公告)日：2022-03-08
申请号：CN201810518121.3
申请日：2018-05-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于GEI和TripletLoss‑DenseNet的步态识别方法，该方法将步态能量图GEI作为网络的输入，采用稠密连接方式连接网络各层，并使用三元组损失函数计算训练的损失值，通过优化损失值，反向传播更新模型参数，训练网络模型直至该模型收敛。经过网络的训练，最终将GEI映射为特定空间S上一维数组表示的特征向量，并用特征向量间的欧氏距离表示行人的相似度，通过相似度来匹配步态识别人的身份。通过在CASIA步态数据库的DatasetB上进行测试，体现了该模型具有较强的特征映射能力，证明了本发明能在训练样本较少的情况下训练出性能优越的基于步态的识别模型，而且具有跨视角识别、模型参数少等优点。
-
公开(公告)号：CN113959973A
公开(公告)日：2022-01-21
申请号：CN202110951926.9
申请日：2021-08-18
Applicant: 北京工业大学
IPC: G01N21/359 , G06N20/20
Abstract: 本发明提出一种基于DWI‑BPLS的药品API预测方法，用于解决药品活性物质含量预测过程中，由于一维光谱数据所含信息量少，导致预测不够准确的问题。本发明是一种通过从双波段变量空间建立子模型的boosting策略，即双波段变量空间boosting偏最小二乘法DWI‑BPLS。本方法在第一个周期，将训练集中药品不同波长的吸光度值(药品特征)赋予相同的采样权重，然后根据采样权重选择一定数量的特征建立PLS子模型。确定损失函数用来计算训练集中样本的采样权重。最后通过计算所有子模型结果的平均值来做模型的最后预测。同时，本发明设计了一种新的损失函数，为boosting进行更好的惩罚训练。
-
公开(公告)号：CN108804586B
公开(公告)日：2021-08-06
申请号：CN201810518113.9
申请日：2018-05-27
Applicant: 北京工业大学
IPC: G06F16/735 , G06N3/12
Abstract: 本发明公开了融合网格存优策略的多目标优化的个性化电影推荐方法，为了保持种群的收敛性和分布性，使用了自适应多目标正交交叉算子进行交叉操作。针对SMOCDE的多样性表现不好的问题，将网格存优策略融合到SMOCDE中，从而在保持准确性的情况下提高多样性。该方法以SMOCDE算法为基本框架，归档集利用ε支配进行网格划分，使归档集中的种群分布均匀。将该方法应用于个性化电影推荐中，并且和现有的推荐算法进行对比，验证了算法的通用性和有效性，提高了推荐结果的准确性、多样性。
-
-
公开(公告)号：CN112819763A
公开(公告)日：2021-05-18
申请号：CN202110092961.X
申请日：2021-01-25
Applicant: 北京工业大学
Abstract: 本发明公开了基于Guide‑MultiScale‑Net端到端的三维乳腺超声图像肿瘤分割方法，包括数据预处理、模型构建、模型训练以及模型最终分割结果。遵循医学深度学习分割网络的架构，即编码器‑解码器的思想。解码器采用提取特征更好的ResNet18，在医学分割网络中为了恢复细节信息往往通过将高阶语义信息与低阶语义信息结合起来，但低阶语义信息中噪声比较多，直接融合会容易受到噪声的影响，因此通过高阶语义信息来指导低阶语义信息，抑制非病灶区域，激活病灶区域，减少非病灶的影响。由于肿瘤病灶大小不一，因此基于门控机制的多尺度融合来捕捉多尺度信息，提高分割性能。采用深监督技术，加快梯度传播，并且使得中间层学到信息更加具有区分性，提高模型的分割结果。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.025 seconds)
