一种应用于神经网络的SQRT激活方法

    公开(公告)号:CN108734273A

    公开(公告)日:2018-11-02

    申请号:CN201810342616.5

    申请日:2018-04-17

    Applicant: 同济大学

    Inventor: 杨小宇 陈宇飞

    Abstract: 本发明一种新的神经网络的激活方法,涉及计算机深度学习领域。为了克服现有技术鲁棒性差、训练过程中遭遇梯度弥散而导致训练失效以及初始化要求苛刻等不足,本方法使用平方根函数作为神经网络激活函数,在神经网络的训练过程中,数据经线性单元正向传播后,进入激活单元进行激活,激活单元使用平方根函数作为激活函数,将线性单元的每个输出值求其平方值后输出给下一层网络完成激活;数据经线性单元反向传播后,同上进入激活单元激活,此时激活单元使用相应的平方根函数的导数作为激活函数,将线性单元传回的梯度值求平方根导数,然后传递给上一层网络完成误差的反向传播。本本发明易于实现,鲁棒性强、精度高。

    一种基于知识发现的技术竞争及专利预警分析方法

    公开(公告)号:CN106897392A

    公开(公告)日:2017-06-27

    申请号:CN201710064192.6

    申请日:2017-02-04

    Applicant: 同济大学

    CPC classification number: G06F16/35 G06F16/33 G06Q50/184

    Abstract: 本发明涉及专利信息处理的相关技术领域,具体是一种技术竞争及专利预警分析方法。本发明提供一种基于知识发现的智能化专利分析方法,并提供给用户可视化程度高的分析结果。简述为通过对知识产权数据库和产业领域知识库的抽取分析,建立专题数据库,形成相应的数据集,在此基础上利用向量空间、神经网络、数理统计等数据挖掘和知识发现工具,揭示出蕴含在数据背后的深层信息,并向用户提供可视化报表。最终通过专利预警分析、专利主题战略坐标分析、专利主题生命周期分析,实现技术竞争及专利预警。

    基于层级血管树划分的肝脏图像分段方法

    公开(公告)号:CN103268603A

    公开(公告)日:2013-08-28

    申请号:CN201310165363.6

    申请日:2013-05-08

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于层级血管树划分的肝脏图像分段方法,该方法首先用有向树来表示肝脏门静脉血管的拓扑结构,接着根据具体病例图像中肝门静脉血管的空间分布和分支平均半径信息,确定血管分级参数并构建层级血管树,标记出为肝脏供血的二级子树集合,按照供血区域将标记的二级子树划分为八类,进而采用最短距离算法将肝脏划分为八个肝段并进行诠析,提取临床感兴趣信息。该方法对分支较多、结构较复杂的肝脏血管可以取得较好的分级效果,考虑了大部分二级分支的供血作用,分段得到的肝段分布和属性信息也符合Couinaud肝段分割理论。

    一种提升医学管状结构分割拓扑连通性的方法

    公开(公告)号:CN119515910A

    公开(公告)日:2025-02-25

    申请号:CN202411647914.7

    申请日:2024-11-18

    Applicant: 同济大学

    Inventor: 陈宇飞 伍谦

    Abstract: 本发明涉及计算机医学图像分割领域,提出了一种提升医学管状结构分割拓扑连通性的方法,称为“深度闭运算”。步骤包括:医学管状结构数据集准备;构建并训练深度闭运算模型架构;基于训练后的深度闭运算模型架构,对待处理管状结构图像进行推理阶段的使用。本发明能提升现有多种架构、设计下医学管状结构分割模型结果的拓扑连通性;同时展示出有效的可迁移性,当源域数据缺乏或无法用于训练自编码器时,本方法可以从异域数据学习相似的形状先验并迁移到源域中。通过本发明,可有效地提升模型对于复杂医学图像中管状结构的分割能力,进而可为涉及医学管状结构(例如血管、气官)的医学决策,降低风险以及提升准确率。

    基于语义感知的高质量龋齿图像合成方法

    公开(公告)号:CN119417711A

    公开(公告)日:2025-02-11

    申请号:CN202411440235.2

    申请日:2024-10-15

    Applicant: 同济大学

    Abstract: 本发明涉及计算机医学图像处理领域,提出了基于语义感知的高质量龋齿图像合成方法,包括步骤:步骤1数据集准备:步骤2构建基于语义感知的合成网络框架,并采用步骤1的数据集对基于语义感知的合成网络框架进行训练优化:步骤3使用步骤2的训练优化后的基于语义感知的合成网络框架,对待预测的CBCT图像进行高质量龋齿图像合成。本发明易于实现,针对龋齿诊断的关键组织边界进行关注,增强病灶区域以及牙髓区域细节。利用本发明可以有效提高龋齿图像质量,降低医学辅助诊断中因图像模糊和伪影导致的龋齿误诊风险。应用本发明可以缓解口腔医学辅助诊断中的龋齿图像低质问题,为医生诊断提供精确的诊断依据。

    一种基于模态转换的CBCT生成Micro-CT方法

    公开(公告)号:CN114332115B

    公开(公告)日:2024-08-16

    申请号:CN202111580972.9

    申请日:2021-12-22

    Applicant: 同济大学

    Abstract: 本发明涉及计算机医学图像处理领域,提出了一种基于模态转换的CBCT生成Micro‑CT方法,包括步骤:数据预处理;通过定义变分距离,完成对CBCT和Micro‑CT之间转化的建模;转化为神经网络优化问题,推导损失函数Loss;设计一种端到端神经网络‑变分神经网络(Vsnet);训练神经网络;用神经网络进行CBCT到Micro‑CT的转化。本发明易于实现,可以从低分辨率,边界模糊的CBCT图像生成清晰的Micro‑CT图像;可以在不需要离体牙的前提下,得到患者口中的Micro‑CT图像;同时经过验证,有较高的准确度。

    一种多源不确定性驱动的医学影像分类方法

    公开(公告)号:CN117994564A

    公开(公告)日:2024-05-07

    申请号:CN202311849340.7

    申请日:2023-12-28

    Applicant: 同济大学

    Inventor: 陈宇飞 刘伟

    Abstract: 本发明涉及计算机多源医学影像处理领域,提出了一种多源不确定性驱动的医学影像分类方法。包括以下步骤:首先,对输入的不同医学影像视图进行特征提取,生成每个视图的证据表示;其次,通过构建不确定性感知的证据动态融合策略得到融合后的统一多视图证据表示;然后,通过引入多源不确定性度量,保证融合过程中,多视图分类性能不会随着视图的增加而降低;最后,将融合后的统一多视图证据表示映射到迪利克雷分布,输出病例的疾病预测结果以及该预测结果的多源不确定程度;对于多源不确定性高的病例,将其交由专家进一步诊疗。本发明成功解决了传统基于深度学习的多视图分类方法无法度量视图间冲突与未知不确定性,多视图融合性能下降的缺陷。

    一种用于后牙的冠内导板装置
    39.
    发明公开

    公开(公告)号:CN116636939A

    公开(公告)日:2023-08-25

    申请号:CN202310151292.8

    申请日:2023-02-22

    Abstract: 本发明公开了一种用于后牙的冠内导板装置,涉及口腔辅助医疗器械技术领域。本发明包括导板本体,导板本体的内部开设有开口,导板本体的顶端且位于开口的外侧固定有固定柱,导板本体上安装有导向附件;导向附件包括导向通道、固定钉和支撑平面,导向通道的顶部固定有支撑平面,支撑平面的内部设置有固定钉,且固定钉与固定柱的位置对应。本发明通过将导向通道深入到牙冠内部,而达到增大后牙垂直距离,增加术区操作空间的目的,方便医生利用车针或超声尖进行预备疏通,且通过在患牙的牙冠设置充足的开口,来达到分段式进行预备和疏通的目的,便于操作时的观察和清理,避免根管碎屑的堵塞,提高工作效率。

Patent Agency Ranking