-
公开(公告)号:CN118864916A
公开(公告)日:2024-10-29
申请号:CN202410238974.7
申请日:2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明的基于卷积神经网络的肺部CT影像衰老评估方法,包括模型构建与训练部分、分类器部分和模型评估部分,模型构建与训练部分首先以健康人群的肺部CT影像建立数据集,并根据健康人群的年龄段对CT影像进行分类,然后对图像进行增强处理和对类别标签进行编码处理,最后建立卷积神经网络模型;分类器部分采用Softmax函数,经过分类器分类,得到输入图像判别为各个衰老程度的概率,并以最高概率对应的年龄段作为CT影像的衰老结果。本发明的基于卷积神经网络的肺部CT影像衰老评估方法,以一种更加客观与快速的方式,实现有效的肺部CT影像评估,在减少人工评估工作量的同时,也减轻人工评估的主观意向对最终诊断结果的影响。
-
公开(公告)号:CN117596246B
公开(公告)日:2024-09-03
申请号:CN202410043836.3
申请日:2024-01-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/101 , H04L67/1012 , H04L67/1008 , H04L67/60
Abstract: 本发明提供了一种基于异构资源度量特征的算力网络工作流调度方法及系统,其属于算力网络资源调度技术领域,所述方案在细粒度资源描述度量基础上,综合考虑任务、算力、网络以及数据等资源状况,通过调度跨域数据中心资源协作,有效提升了任务处理速度,提高资源利用率;所述方案可根据任务多样化的需求,制定需求与资源高度契合的调度策略,可以更加准确地匹配任务与资源,选择最适合的数据中心来执行任务;所述方案中,工作流中的子任务通过合理分配资源,缩短了任务的执行过程,提高了工作流执行效率;同时,所述方案针对多个数据中心负载情况,避免部分数据中心过载而导致任务延迟或一些数据中心空闲造成资源浪费的情况。
-
公开(公告)号:CN116708446B
公开(公告)日:2023-11-21
申请号:CN202310967433.3
申请日:2023-08-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/1001 , H04L67/101 , H04L67/1097
-
公开(公告)号:CN116932736A
公开(公告)日:2023-10-24
申请号:CN202310882424.4
申请日:2023-07-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/335 , G06F16/31
Abstract: 本发明属于数据推荐的计算机信息领域,提供了一种基于用户需求结合倒排表的专利推荐方法,包括根据用户需求对专利数据集构建初始倒排表并加入相似词机制形成最终的倒排表;所述倒排表包括:单词编号、单词和专利编号列表;对专利数据集中的专利信息进行编号,形成文档列表,为文档列表中的每一个专利的专利信息使用bert模型获取句子向量表示;所述文档列表包括:专利编号、专利信息、专利信息句子向量表示;根据用户需求信息分为精准需求和广泛需求,进行双轨推荐。本发明解决了现有技术中由于专利推荐涉及到各个领域的专利,数量庞大,使用单一领域的专利信息进行推荐,导致推荐效果不佳和专利推荐不够准确的问题。
-
公开(公告)号:CN109410115B
公开(公告)日:2023-04-18
申请号:CN201811284175.4
申请日:2018-10-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法,在水印嵌入过程中,利用两个二值伪随机序列k1、k2,在不含有SIFT特征点的图像子块的离散余弦变换系数中嵌入水印;在水印的提取过程中,计算不含有SIFT特征点的图像子块的离散余弦变换系数与序列k1、k2的相关系数,并根据相关系数的大小确定出水印相应位的值,以提取水印。本发明的水印嵌入与提取方法,具有较强的鲁棒性,即使图像在遭受诸如中值滤波、维纳滤波、高斯滤波、剪切或压缩等攻击后,仍旧可以提取出与原始水印相似度极高的水印,使其可应用在数字媒体发布、数字信息版权认证、数字司法取证等场景。
-
公开(公告)号:CN111000553B
公开(公告)日:2022-09-27
申请号:CN201911395467.X
申请日:2019-12-30
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 本发明的基于投票集成学习的心电数据智能分类方法,其特征在于,通过以下步骤来实现:a).数据预处理;b).建立logistic回归模型;c).建立决策树模型;d).建立一个支持向量机;e).建立朴素贝叶斯模型;f).建立神经元模型;g).建立k邻近模型;h).模型集成,最终获得一个正确率不低于80%的模型,效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法,首先从ccdd中获取足够数量的数据,将其分为训练集和测试集,然后建立各类模型,最后,获得一个正确率不低于80%的模型,可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类,实现心血管疾病的早发现、早治疗。
-
公开(公告)号:CN114937032A
公开(公告)日:2022-08-23
申请号:CN202210740555.4
申请日:2022-06-28
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/22 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/774 , G06N20/20
Abstract: 本发明的基于染色分离的病理切片颜色相关质量评估方法,包括图像预处理步骤、特征提取步骤和分类步骤,图像预处理步骤包括:首先将病理切片图像中的组织区域提取出来,然后去除组织区域中影响颜色质量的红细胞区域和无组织区域,只保留经过H&E染色后着色的组织区域;特征提取步骤为对经过预处理之后的组织区域进行特征提取。本发明评估方法,首先对图像进行去除中心的空白区域、去除周边的空白区域以及去除组织区域图像中红细胞区域的处理;然后通过获取13个特征向量,然后输入机器学习模型进行分类,所获取的机器学习模型能够有效从客观条件对切片的颜色质量进行评估分类,降低人工评估的主观意向,并减少人工评估的工作量。
-
公开(公告)号:CN112965797B
公开(公告)日:2022-02-22
申请号:CN202110244427.6
申请日:2021-03-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的Kubernetes环境下面向复杂任务的组合优先级调度方法具体通过以下步骤来实现:a).计算每组任务的实际并行度;b).获取任务关键程度;c).获取用户优先级;d).获取用户的动态优先级;e).计算任务紧急程度;f).并行度和紧急程度的归一化处理;g).求优先级数值;h).pod排序和调度。本发明的组合优先级调度方法,由于在设置优先级时考虑到了任务并行性,可以避免其他任务提前占用节点资源导致并行任务无法获得资源而造成的任务执行失败问题。其次,在设置优先级时考虑到了任务紧急程度,可以保证紧急任务在节点资源不足时对非紧急任务所占用的资源进行抢占,从而成功执行紧急任务。
-
-
-
-
-
-
-