-
公开(公告)号：CN115089112B
公开(公告)日：2024-04-30
申请号：CN202210487286.5
申请日：2022-05-06
Applicant: 清华大学
Abstract: 本申请涉及一种卒中后认知障碍风险评估模型建立方法、装置及电子设备，其中，方法包括：获取目标人群的多种模态的相关数据集，并输入至预先构建的脑卒中分割模型，得到目标人群的卒中病灶的大小和位置特征，并基于预先构建的卒中后认知障碍PSCI关联性分析模型对临床报告数据集进行分析，得到目标人群的PSCI风险概率，将语音数据集输入至预先构建的卒中后语言功能障碍评估模型，得到目标人群的语言功能障碍评级，将视频数据集输入至卒中后运动功能障碍评估模型，得到目标人群的运动功能障碍评级，并基于得到的相关评级结果，训练由多层神经网络构成的预测模型，得到卒中后认知障碍风险评估模型。由此，卒中后认知障碍实现了更准确的评估。
-
公开(公告)号：CN117910038A
公开(公告)日：2024-04-19
申请号：CN202410026716.2
申请日：2024-01-08
Applicant: 清华大学
IPC: G06F21/62 , G06N3/0475 , G06N3/045 , G06F8/65 , G06N3/08
Abstract: 本申请提出了一种提供物理级隐私保护的医学多中心学习方法及装置，该方法包括：通过物理介质传输将任务模型和双生成对抗模型输入到第一医学中心，通过第一医学中心的本地数据对任务模型和双生成对抗模型进行更新；通过物理介质将更新后的任务模型和双生成对抗模型按预设顺序传输到第二医学中心，通过第二医学中心的本地数据和两阶段策略对任务模型与双生成对抗模型进行再次更新；根据中继学习重复上述传输过程与更新过程，直至最后一个医学中心更新完毕。基于本申请提出的方案，利用多中心大数据的优势优化模型性能，将任务模型依序在多中心间更新，使得任务模型获得每个中心数据中蕴含的知识，在保持数据本地化的同时，不需要跨中心的网络连接。
-
公开(公告)号：CN113643311B
公开(公告)日：2024-04-09
申请号：CN202110722099.6
申请日：2021-06-28
Applicant: 清华大学 , 中国人民解放军总医院
IPC: G06T7/12
Abstract: 本申请提出了一种对边界误差鲁棒的图像分割方法和装置，涉及深度学习和图像处理技术领域，该方法包括：获取待分割的图像，图像中包括多个像素点；将图像输入预先搭建的图像分割神经网络中，以生成每个像素点的第一分割预测值；获取每个像素点的分割标注值，并根据每个像素点在图像中的位置计算每个像素点的权重；根据图像中任一所述像素点的第一分割预测值、分割标注值和权重计算损失函数，并反向传播所述损失函数，以更新图像分割神经网络的参数；通过更新后的图像分割神经网络生成待分割的图像第二分割预测值。本申请提出的方法可以在分割标注边缘不准确的情况下，得到更好的图像分割结果。
-
公开(公告)号：CN117830650A
公开(公告)日：2024-04-05
申请号：CN202311815639.0
申请日：2023-12-26
Applicant: 清华大学
IPC: G06V10/44 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于多尺度多模态深度注意力网络的训练方法及系统，该方法，包括采用自监督学习算法进行训练，利用深度神经网络和注意力机制，从多种尺度联合分析多种模态数据内部的分布特性以及多种模态数据之间的关联性，无需任何人工标注，即可自动提取出含有丰富的语义信息的影像特征和纹理信息的文本特征。为了更好的支持三维影像分析，同时提高计算效率，本发明提出的深度注意力网络采用了一种基于注意力机制的二维图像融合策略，在分析三维医学影像时，只需使用单个二维网络进行影响特征提取，再利用二维图像融合策略，即可高效获取三维医学影像的特征。
-
公开(公告)号：CN117197052A
公开(公告)日：2023-12-08
申请号：CN202311047891.1
申请日：2023-08-18
Applicant: 清华大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请提出了一种基于生成数据增广的儿童颅骨骨折自动检测方法及装置，该方法包括：获取第一儿童脑CT影像集，并对其进行像素标注与预处理，得到骨折数据、颅缝数据与正常数据；根据骨折数据、颅缝数据和正常数据得到训练好的骨折病灶生成模型与颅缝生成模型；多次随机采样高斯噪声，将高斯噪声输入骨折病灶生成模型与颅缝生成模型，得到生成骨折CT patch数据与生成颅缝CT patch数据；根据骨折数据、颅缝数据、正常数据、生成骨折CT patch数据与生成颅缝CT patch数据训练候选骨折检出模型，输出骨折检出模型；获取第二儿童脑CT影像，根据骨折检出模型对第二儿童脑CT影像进行检测。本申请通过对骨折病灶数据与颅缝数据进行增广，能够提高骨折与颅缝的分辨能力。
-
Patent Agency Ranking
公开(公告)号：CN116882362A
公开(公告)日：2023-10-13
申请号：CN202310706646.0
申请日：2023-06-14
Applicant: 清华大学
IPC: G06F40/126 , G06N3/045 , G06N3/084
Abstract: 本申请涉及自然语言处理技术领域，特别涉及一种基于重排序的字编码学习方法、装置、电子设备及介质，其中，方法包括：获取由多个句子组成的训练数据集；根据训练数据集中每个句子的字序列重排序得到新序列，对新序列进行编码得到编码序列，利用编码序列训练神经网络模型；从训练完成的神经网络模型中提取字编码。由此，提升了字编码的学习效率，进一步提升网络的表现效果以及自然语言处理任务的效果。
-
公开(公告)号：CN116861979A
公开(公告)日：2023-10-10
申请号：CN202310822048.X
申请日：2023-07-05
Applicant: 清华大学
Abstract: 本申请涉及人工智能技术领域，特别涉及一种基于进化算法的多任务持续学习方法、装置、设备及介质，方法包括：确定多个待持续学习任务和每个待持续学习任务对应的进化世代个数，获取利用任一待持续学习任务进行训练时的训练结果和当前进化世代个数，且在当前进化世代个数达到任一待持续学习任务对应的进化世代个数时，根据训练结果更新初始世界模型库，从剩余的多个待持续学习任务中选择新的任一待持续学习任务进行训练，直至多个待持续学习任务均完成后，得到满足预设性能要求的初始世界模型库，并将其作为多任务持续学习大模型。由此，解决了由于训练深度模型的局限性，导致其学习能力和泛化能力较弱等问题，有效利用多任务构建通用人工智能。
-
公开(公告)号：CN116109824A
公开(公告)日：2023-05-12
申请号：CN202310118369.1
申请日：2023-02-10
Applicant: 清华大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06T7/143 , G06F21/62 , G06N3/045 , G06N3/0464
Abstract: 本申请提出了一种基于扩散模型的医学影像及像素级标注生成方法及装置，涉及医学图像处理领域，包括：获取医学影像样本，并对医学影像样本进行标注处理，确定医学影像样本对应的像素级分割标注样本；将医学影像样本归一化，并与像素级分割标注样本进行拼接，获取拼接数据；对拼接数据进行预处理，生成训练数据；训练训练数据以获得扩散模型，其中，扩散模型以U‑Net作为网络结构；将随机采样高斯噪声输入扩散模型并通过多次迭代，生成医学影像与对应的像素级分割标注。通过深度学习的方式自动生成大规模医学影像及像素级标注，有助于在真实数据有限的情况下通过增加训练数据来提高自动分割方法的准确性和稳定性，并避免了真实数据泄露造成的隐私问题。
-
公开(公告)号：CN115880614B
公开(公告)日：2023-05-12
申请号：CN202310062951.0
申请日：2023-01-19
Applicant: 清华大学
Abstract: 本发明公开了一种宽视场高分辨视频高效智能检测方法及系统，该方法包括：利用宽视场高分辨成像设备生成待检测图像；对待检测图像按照预设像素大小进行分割合并得到第一特征图；利用神经网络的线性层对第一特征图进行线性变换得到第二特征图；基于窗口区域内的抽象特征对第二特征图进行全局特征的抽取融合，以及基于丢弃的第二特征图中预设区域的窗口内特征进行提取融合，以进行目标检测得到待检测图像的目标图像检测结果。本发明可以可以在宽视场高分辨视频中显著的提高目标智能检测的精度和速度。
-
公开(公告)号：CN113421253B
公开(公告)日：2023-04-07
申请号：CN202110807216.9
申请日：2021-07-16
Applicant: 上海微电机研究所(中国电子科技集团公司第二十一研究所) , 清华大学
IPC: G06T7/00 , G06T7/11 , G06T7/70 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于分块并行的目标检测方法，包括：基于图像分析模型，将输入图像分块为多个子块后划分为批次后获取批次数据，并通过目标检测模型进行计算得到检测结果，基于全局坐标映射对检测结果进行计算得到检测结果的目标全局位置信息，并根据子块相对于目标检测模型的标准输入尺度的比例，得出目标全局高度和目标全局宽度，最后，基于软化的非最大化抑制，去除检测结果中的冗余项后将处理后输入图像的检测结果输出。本发明基于图像分析模型可将尺度较大或比例较极端的图像进行分块为多个子块进行检测，不需要进行缩放操作，即可防止缩放操作影响检测结果，实现了可对尺度较大或比例较极端的图像进行有效目标检测的目的。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.027 seconds)
