公开(公告)号：CN117316369B

公开(公告)日：2024-05-07

申请号：CN202311070565.2

申请日：2023-08-24

Applicant: 兰州交通大学

Inventor： 马元琳 ,  王向红 ,  董子龙 ,  牛小娇 ,  廉敬 ,  刘冀钊 ,  张家骏 ,  汤春阳

IPC: G16H15/00 ,  G16H30/40 ,  G06F40/30 ,  G06F16/36 ,  G06V10/80 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/092 ,  G06N5/022

Abstract: 本发明提供平衡跨模态信息的胸部影像诊断报告自动生成方法，涉及医疗信息领域。该网络通过优化编码器‑解码器框架，充分考虑了图像和文本之间的联系，在编码时，该网络的侧重点在图像特征处理，通过DFC‑MSPCNN和多感受野残差网络病灶区域信息提取模块对X射线影像区域进行多维特征提取；在解码时，该网络的侧重点在医学报告生成，通过图像文本对齐模块CMITAM寻找图像和文本之间的中间态，并将此中间态引入基于Transformer解码层的报告生成模块，在IUX‑Ray和MIMIC‑CXR基准数据集上进行其有效性验证，结果表明，本文方法在平衡胸部影像与文本信息方面有出色的表现，能够自动生成可靠的胸部X射线影像诊断报告。

公开(公告)号：CN117196981B

公开(公告)日：2024-04-26

申请号：CN202311153943.3

申请日：2023-09-08

Applicant: 兰州交通大学

Inventor： 张继保 ,  廉敬 ,  高德成 ,  郑礼 ,  张家骏 ,  刘冀钊 ,  董子龙

IPC: G06T5/77 ,  G06T5/50 ,  G06T7/40 ,  G06T5/70 ,  G06T5/73 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于纹理和结构调和的双向信息流方法，涉及图像修复技术领域。本发明提出一种基于纹理和结构调和的双向信息流方法，该网络对纹理和结构特征赋予不同的权重，通过调和特征权重避免图像重建过程中对纹理或结构特征的单一依赖，使特征相互感知，相互引导以生成在整体上令人信服的填充内容。

公开(公告)号：CN117786521A

公开(公告)日：2024-03-29

申请号：CN202410203539.0

申请日：2024-02-23

Applicant: 兰州交通大学

Inventor： 闫光辉 ,  郑礼 ,  廉敬 ,  汤春阳 ,  黄逸飞

IPC: G06F18/2413 ,  G06F18/214 ,  G06F18/213 ,  G06F18/15

Abstract: 本发明公开了基于智能频谱感知的信号分类方法，涉及电磁信号检测技术领域。通过获取识别信号构建局部放电PRPD图谱样本，采集统计特征量，构建放电类型的所述统计特征量的识别权重矩阵，以获取的识别权重矩阵构建加权特征量，加入KNN算法模型进行训练获得判决分类模型，实时获取变压器工作过程中的过程信号，对所述过程信号进行采样，获取采样信号的分布模型，计算所述采样信号的信号能量，根据采样信号的分布模型是否符合判定模型对局部放电信号是否存在进行判决，并当判定所述过程信号中存在局部放电信号时，获取局部放电信号作为待测信号，根据获取的所述判决分类模型对所述待测信号进行识别，确定变压器的放电类型。

公开(公告)号：CN116779091B

公开(公告)日：2024-02-27

申请号：CN202310710730.X

申请日：2023-06-15

Applicant: 兰州交通大学

Inventor： 廉敬 ,  董子龙 ,  石斌 ,  刘冀钊 ,  张家骏 ,  张怀堃

IPC: G16H15/00 ,  G16H30/40 ,  G06T7/00 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提供了一种多模态网络互联融合的胸部影像诊断报告自动生成方法，涉及医疗信息领域。本发明提出了一种基于残差网络(Resnet)、注意力机制(Transformer)模块的网络、跨模态强化记忆网络(DCTMN)的多模态网络互联融合医学报告自动生成方法，关照和融通上述两个发力点，促进跨模态(医学影像和对应报告文本)信息的交互与匹配，自动生成图像与文本信息有效融合的医学影像诊断报告。(56)对比文件柯艺雅 等.基于深度学习的多模态骨癌影像分类诊断系统研究《.信息与电脑(理论版)》.2021,第33卷(第06期),136-138.郭淑涛.一种基于深度学习的中文图像描述模型《.天津理工大学学报》.2020,(第03期),30-35.Ketki Gupte 等.Multimodal ProductMatching and Category Mapping: Text+Imagebased Deep Neural Network《.2021 IEEEInternational Conference on Big Data (BigData)》.2022,4500-4505.

公开(公告)号：CN117558394A

公开(公告)日：2024-02-13

申请号：CN202311271188.9

申请日：2023-09-28

Applicant: 兰州交通大学

Inventor： 董子龙 ,  廉敬 ,  石斌 ,  刘冀钊 ,  张家骏 ,  张怀堃

IPC: G16H15/00 ,  G06V10/20 ,  G06V10/32 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06V10/25 ,  G06F18/22 ,  G06N3/0455 ,  G06V10/764 ,  G06F40/289 ,  G06F16/36 ,  G06N3/0442 ,  G06N3/096

Abstract: 本发明公开了一种基于跨模态网络的胸部X线影像报告生成方法，属于影像报告技术领域，本发明提出一种跨模态辅助网络(CMLRAN)，引入注意力机制分别处理图像和文本信息，并以记忆存储响应矩阵(MSRM)为基础，结合OpenAI提出的CLIP来增强图像和文本的信息关联。编码时侧重于X射线影像细粒度差异的分类；解码时侧重于医学专业名词的生成。该方法能够较好解决语义鸿沟等问题，智能生成胸部X线影像报告。

公开(公告)号：CN116527462B

公开(公告)日：2024-02-02

申请号：CN202310604282.5

申请日：2023-05-25

Applicant: 兰州交通大学

Inventor： 汤春阳 ,  廉敬 ,  郑礼 ,  严天峰 ,  王鹏程

IPC: H04L25/03 ,  H04B7/06 ,  H04W64/00

Abstract: 本发明公开了一种基于信道状态变化CSI值的无线定位方法，属于无线电定位领域，本发明从信道状态发生变化后测试点采集的CSI数据入手，通过信道均衡网络的均衡能力消除因信道状态发生变化后采集得到的CSI数据信息中的误差，所述信道均衡网络的均衡能力通过算法模型训练得到，为提升室内无线定位的准确性，将测试点原始采集的数据和测试点采集的数据经过信道均衡网络均衡后的数据进行合并增强处理，从而提取更加丰富的特征信息，本发明从传统方法未能关注到的信道状态变化入手，利用深度学习的模型学习能力优化丰富特征信息，从而能够有效提高最终定位的准确性。本发明在智慧大楼以及施工人员管理等方面具有重要的应用价值。

公开(公告)号：CN117437156A

公开(公告)日：2024-01-23

申请号：CN202311292134.0

申请日：2023-10-08

Applicant: 兰州交通大学

Inventor： 刘津颖 ,  张家骏 ,  廉敬 ,  刘冀钊 ,  张怀堃 ,  董子龙 ,  郑礼 ,  汤春阳

IPC: G06T5/77 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种将重建和修复联合并行的结构指导图像修复方法，属于图像修复技术领域，本发明基于深度学习机制，提出一种图像平滑结构指导图像修复的网络，网络由图像平滑结构提取网络Ns和图像修复网络Ninp并行组成，其中Ns网络由膨胀卷积组成，Ninp网络由残差门卷积组成。图像平滑结构的生成内容不直接作为下一级网络的输入，只为网络的解码层提供指导信息，该网络能够避免训练过程中错误信息的累积和传播，降低网络的复杂度和训练难度，不同于之前先重建结构再重建图像的方法，而是结构与图像重建同步进行，使得图像修复结果不再依赖图像结构信息，也不会因为图像结构中存在噪声或模糊而受到影响。能够更有效地恢复图像缺损内容。

公开(公告)号：CN116664467A

公开(公告)日：2023-08-29

申请号：CN202310677578.X

申请日：2023-06-09

Applicant: 兰州交通大学

Inventor： 邸敬 ,  郭文庆 ,  梁婵 ,  廉敬 ,  刘冀钊 ,  杨燕 ,  任莉

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/40 ,  G06T5/20 ,  G16H30/40 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于交叉神经网络和ECA‑S的多模态医学图像融合方法，属于医学图像分析领域，该方法在融合网络模型中以两种单模态医学图像作为输入，通过结构功能模块和功能结构模块交叉提取图像特征信息，能够实现结构信息和功能信息之间的交互，从而很好地提取医学图像的纹理细节信息，将提取的特征信息采用ECA‑S注意力机制通过不断调整结构信息和功能信息权重来融合图像，在分解网络模型中，由残差网络组成的分解网络迫使融合图像包含更丰富的信息。本发明采用交叉网络、改进注意力机制和分解网络的结合实现多模态医学图像融合，融合后的图像纹理细节和对比度处理更为细致，算法复杂度更低，实现了已有方法的优化和已有技术的升级。

公开(公告)号：CN115222724A

公开(公告)日：2022-10-21

申请号：CN202210940365.7

申请日：2022-08-05

Applicant: 兰州交通大学

Inventor： 邸敬 ,  任莉 ,  郭文庆 ,  廉敬

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

Abstract: 本发明公开了一种基于NSST域混合滤波与ED‑PCNN的医学图像融合方法，该方法将已配准好的彩色医学图像利用YUV空间转换分离出亮度通道Y、色度通道U、浓度通道V，对分离出的亮度通道的灰度图像和已配准好的MRI图像分别采用混合滤波进行增强，增强后的图像进行NSST分解，低频子带采用局部区域能量加权和与改进的拉普拉斯能量和，高频子带采用ED‑PCNN算法，最后经NSST重构得到最终融合图。本发明，混合滤波融合了两种图像增强算法，在保证图像对比度增强的同时不增加噪声和丢失细节信息。本发明，ED‑PCNN算法合并了多种图像融合相关算法，进一步发挥出PCNN模型较传统模型精确度高、复杂性低的优点，且能精确控制神经元的点火次数与点火频率，提高了模型对像素空间的描述能力。

公开(公告)号：CN110889876B

公开(公告)日：2022-05-03

申请号：CN201911257606.2

申请日：2019-12-10

Applicant: 兰州交通大学

Inventor： 廉敬 ,  杨臻 ,  孙文灏 ,  刘冀钊 ,  漆云亮 ,  马义德

IPC: G06T7/90 ,  G06N3/06

Abstract: 本发明提供了一种基于CA‑SPCNN算法的的彩色图像量化方法，属于图像处理技术领域，用于解决在量化层数增加，提高图像丰富度的同时，如何降低计算复杂度和信息失真率，处理好视觉效果与数据存储空间平衡的技术问题。本发明包括彩色图像量化预处理、量化处理和量化后处理三个步骤，将原始图像处理成红、绿、蓝三个通道的归一化图像，通过CA‑SPCNN算法对图像进行量化处理，通过量化后处理算法得到三个通道的量化图像，合并得到最终量化图像。本发明在CA‑SPCNN算法的基础上加以改进，实现彩色图像的量化处理，简化操作步骤，降低计算复杂度，在保证较低失真率和较高量化准确率的前提下，彩色图像视觉效果好，减小了占用数据存储空间。