一种基于上下文感知的代码搜索方法

    公开(公告)号:CN113761162B

    公开(公告)日:2023-12-05

    申请号:CN202110946910.9

    申请日:2021-08-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于上下文感知的代码搜索方法,该方法自适应地解析代码库与自然语言查询的上下文信息,准确匹配两者之间的语义信息,从而获得高效准确的代码搜索结果。首先解析Java文件集合,构建分布式代码库索引并训练自然语言模型N‑Gram,统计代码库中单词及其频率;然后从代码库中解析代码的组成要素,解析自然语言查询中单词的重要属性;最后利用分布式索引和N‑Gram模型从代码库中筛选出候选Java方法,并根据基于上下文匹配的优化算法对候选方法进行重排序。相较于现有方法,本发明不仅可以免去如深度学习模型的大量训练时间,保持在源代码集合扩充中搜索结果的稳定,同时保持很高的搜索准确度。

    基于通道信息多模态网络的宫颈活检区域识别方法及装置

    公开(公告)号:CN108319977B

    公开(公告)日:2020-11-10

    申请号:CN201810092566.X

    申请日:2018-01-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于通道信息多模态网络的宫颈活检区域识别方法及装置,装置包括:图像采集单元,采集宫颈的生理盐水图像、醋酸图像和碘图像;数据处理单元,包括已训练的宫颈活检区域识别模型,对生理盐水图像、醋酸图像和碘图像进行分析处理,输出宫颈存在活检区域的概率标签;宫颈活检区域识别模型包括:检测网络层,用于提取生理盐水图像、醋酸图像和碘图像中宫颈面区域的特征图和位置信息;特征结合预测网络层,将3个特征图和位置信息在通道维度上拼接起来,再通过特征融合和识别,输出宫颈存在活检区域的概率标签;显示单元,获取概率标签并显示。该宫颈活检区域识别装置可辅助医生对患者的宫颈是否需要做进一步的活检做出准确判断。

    基于多模态注意力模型的宫颈非典型病变诊断模型和装置

    公开(公告)号:CN109543719B

    公开(公告)日:2020-09-08

    申请号:CN201811276300.7

    申请日:2018-10-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于多模态注意力模型的宫颈非典型病变诊断模型和装置,属于医疗人工智能领域,首先获取患者宫颈醋酸图和碘图,将该患者的病级别划分为正常、LSIL、HSIL三类,使用该类别作为对应醋酸图和碘图的标签,形成训练数据。进行数据预处理后,传入多模态融合模型,对模型中学习到的多层特征图分别进行融合,融合时,引入注意力机制,选择分类效果好的模态,从其特征图中产生辅助注意力信息,应用于效果较差的模态中的特征图,逐层进行融合操作,最终输出图像属于三种类别的概率,重复上述过程对模型迭代训练直至收敛。之后,将需要诊断病变类别的图像输入训练好的模型,使用上述特征融合方法,输出对应预测结果,辅助医生诊断。

    一种基于多模态分割网络的宫颈病变区域分割方法和装置

    公开(公告)号:CN109859159A

    公开(公告)日:2019-06-07

    申请号:CN201811469200.6

    申请日:2018-11-28

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于多模态分割网络的宫颈病变区域分割方法和装置,属于医疗图像处理技术领域,在醋酸图像和碘图像的特征提取过程中采取交叉连接的方式来融合两种图像的特征。为了融合两种图像的特征,将前一个卷积块的醋酸图像特征与下一个卷积块的碘图像进行通道层次的拼接操作,然后碘图像分支再进行后续的特征学习;同理,将前一个卷积块的碘图像特征与下一个卷积块的醋酸图像特征进行拼接操作,然后醋酸图像分支在进行后续的特征学习。这样的交叉连接方式一直持续到第五卷积块,从第五卷积块输出的醋酸图像和碘图像特征基本保持了两种图像的特征。然后,将醋酸图像分支和碘图像分支学习到的特征分别进入FCN模型的分割部分,进行分割预测。

    基于多模态注意力模型的宫颈非典型病变诊断模型和装置

    公开(公告)号:CN109543719A

    公开(公告)日:2019-03-29

    申请号:CN201811276300.7

    申请日:2018-10-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于多模态注意力模型的宫颈非典型病变诊断模型和装置,属于医疗人工智能领域,首先获取患者宫颈醋酸图和碘图,将该患者的病级别划分为正常、LSIL、HSIL三类,使用该类别作为对应醋酸图和碘图的标签,形成训练数据。进行数据预处理后,传入多模态融合模型,对模型中学习到的多层特征图分别进行融合,融合时,引入注意力机制,选择分类效果好的模态,从其特征图中产生辅助注意力信息,应用于效果较差的模态中的特征图,逐层进行融合操作,最终输出图像属于三种类别的概率,重复上述过程对模型迭代训练直至收敛。之后,将需要诊断病变类别的图像输入训练好的模型,使用上述特征融合方法,输出对应预测结果,辅助医生诊断。

    一种基于区域提名的宫颈图像处理方法及装置

    公开(公告)号:CN108090906A

    公开(公告)日:2018-05-29

    申请号:CN201810088291.2

    申请日:2018-01-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于区域提名的宫颈图像处理装置,包括:图像采集装置,用于采集经3%-5%醋酸溶液处理后的宫颈图像;处理器,包括宫颈图像预处理模块和处理模块,所述处理模块包括由特征提取网络、区域检测网络和区域筛选分类网络组成的模型网络,用于输出目标区域的分类信息以及位置信息;存储器,用于存储处理器中模型网络的参数;显示装置,用于显示处理器输出的目标区域的分类信息以及位置信息。还公开了采用所述的基于区域提名的宫颈图像处理装置对宫颈图像进行处理的方法,实现区分宫颈图像中的正常“醋白”与病灶“醋白”。

    一种对时序数据进行时间窗口滑动的逆序处理方法

    公开(公告)号:CN106708970A

    公开(公告)日:2017-05-24

    申请号:CN201611097866.4

    申请日:2016-12-03

    Applicant: 浙江大学

    CPC classification number: G06F17/30988

    Abstract: 本发明公开了一种对时序数据进行时间窗口滑动的逆序处理方法,本发明通过对时序数据进行逆向排序,然后将预先计算好的结果存储在将来的某个时间,通过这样一种存储结构,可以根据指定的时间戳,快速得到对应的计算结果,因为计算结果是已经提前计算好的;另外,由于存储结果也是同样的数字,内存耗费没有增长,存储效率很高;最为重要的是,这部分结果是跟着系统时间移动而不断变化的,能够达到时间窗口平滑移动的目的。本发明适用于时序数据处理技术等数据分析领域,可大量应用于业务检测、金融风控等业务场景。

Patent Agency Ranking