-
公开(公告)号：CN117953208A
公开(公告)日：2024-04-30
申请号：CN202311697571.0
申请日：2023-12-11
Applicant: 中北大学
IPC: G06V10/26 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于图的边缘注意力门医学影像分割方法及装置，所述装置包括：数据收集单元；数据预处理单元；EAGC_IUNet模型构建单元：构建基于图的边缘注意力门医学影像分割模型，记作EAGC_IUNet；EAGC_IUNet模型训练单元：对构建的EAGC_IUNet进行训练；医学图像分割单元：根据所述医学图像分割方法，给出目标区域分割结果；本发明改进边缘注意力门结构，使用Sobel的横向和纵向算子分别提取特征图两个方向的边缘特征，这样更容易提取特征图的高频边缘信息。使用改进UNet3+作为主干网络，这样可以在保留UNet++优势的同时使模型参数量减少并且全尺度跳跃连接更有利于捕获图像中的细粒度语义特征和粗粒度语义特征。
-
公开(公告)号：CN117935036A
公开(公告)日：2024-04-26
申请号：CN202410136070.3
申请日：2024-01-31
Applicant: 中北大学
IPC: G06V20/05 , G06V10/25 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/75
Abstract: 本发明公开了一种复杂海洋环境下的鱼类目标检测方法，包括步骤S110‑S150：S110：收集原始水下鱼类图像数据和对应的鱼类目标手动标注数据，标注数据中包含鱼类的类别以及检测框的坐标，将鱼类图像数据和目标标注数据分别构成原始图像数据集I和标签数据集L；S120：使用加权直方图匹配算法对原始图像数据集进行数据预处理，并构建测试和训练数据集；S130：构建改进YOLOv5的水下鱼类目标检测模型，记作HMFD_YOLOv5；S140：对构建的HMFD_YOLOv5进行训练；S150：根据所述水下鱼类目标检测方法，给出目标检测结果；首先，本发明通过加权直方图匹配来解决水下图像模糊、颜色失真以及颜色分布不统一的问题；其次，使用实时检测器中的解码器替换YOLOv5中的检测头部分，从而增强算法对遮挡目标的检测能力。
-
公开(公告)号：CN119939353A
公开(公告)日：2025-05-06
申请号：CN202510082562.3
申请日：2025-01-20
Applicant: 中北大学
IPC: G06F18/241 , A61B5/16 , A61B5/00 , G06F18/214 , G06F18/21 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 一种基于功能性近红外光谱信号的情绪分类方法，包括步骤：S110：收集不同情绪的功能性近红外光谱的信号数据；S120：信号预处理；S130：构建fNIRS‑CNN的功能性近红外光谱信号情绪分类模型；S140：对构建的fNIRS‑CNN进行训练；S150：根据所述功能性近红外光谱信号情绪分类方法，给出分类结果。本发明通过本发明提出了一种只需要功能性近红外光谱信号数据可以进行精确情绪分类的fNIRS‑CNN模型，这种方法结合了功能性近红外光谱信号的两种特性，延迟的血流动力学响应和不同脑区的激活方式来设计深度学习模型的架构。通过结合这两种特性设计的深度学习算法模型能够有效的解决上述的问题。
-
公开(公告)号：CN119832246A
公开(公告)日：2025-04-15
申请号：CN202510013217.4
申请日：2025-01-06
Applicant: 中北大学
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V10/42 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种边缘增强的左心耳医学图像分割方法和系统及存储介质，构建基于注意力机制和加权损失函数的U型编码结构的卷积神经网络模型，记作EMCL_UNet++；基于边缘增强的医学影像分割模型(EMCL_UNet++)采用改进UNet++作为主干网络，包括一个卷积编码器模块、一个解码器部分以及多尺度注意力模块EMSA和高效注意力机制模块Cloattention；将待分割的医学图像传入训练后的所述卷积神经网络模型，得到分割结果。本发明利用通道和空间注意力机制，减少冗余信息干扰，提高边界信息的准确性。对于伴有并发症影响的情况(如患者心包积液或胸腔积液)，本发明的多尺度特征融合和轻量级模块增强了对复杂背景和噪声的鲁棒性，确保高质量的分割结果。
-
公开(公告)号：CN119832245A
公开(公告)日：2025-04-15
申请号：CN202510013049.9
申请日：2025-01-06
Applicant: 中北大学
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V10/42 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种全局局部特征增强的乳腺癌医学超声图像分割方法和系统。采用U‑Net作为主干网络，包括输入端、编码器、解码器和分割头；在编码器部分，包含一个Conv stem块、四个全局‑局部特征提取模块和三个下采样模块；每个Conv stem块由一个3×3卷积层、一个BatchNorm层和一个GELU激活函数层组成；全局‑局部特征提取模块由一个LayerNorm层、一个GLEB层、一个LFEB层、一个Dropout层和一个残差连接层组成；本发明的算法在解码器部分引入一个全局‑局部特征提取模块。对于全局特征提取块，能够加强全局的信息提取。局部特征提取块，优化边界细节，等到更好的边界信息。
-
Patent Agency Ranking
公开(公告)号：CN119579573A
公开(公告)日：2025-03-07
申请号：CN202411776170.9
申请日：2024-12-05
Applicant: 中北大学
Abstract: 本发明公开了一种针对脑卒中病灶区域的医学图像分割方法和系统，使用Retinex算法对原始图像数据集进行特征增强处理，并构建训练和测试数据集；构建改进U‑Net的医学图像分割模型：用于脑卒中病灶分割的空间‑频率多尺度轴向注意力网络；根据所述医学图像医学图像分割模型对图像进行分割，给出分割结果。针对现有脑卒中医学影像分割在实际应用中存在的病灶区域的位置和大小不定，边界模糊，准确分割中风病灶区域具有很高的难度的问题，提出了空间‑频率门控单元(SFGU)模块，来去除多余的冗余信息，并且为了更好地定位病灶区域，建立特征的长距离依赖，提出了双维多尺度特征增强单元模块、信息增强模块。
-
公开(公告)号：CN117198528A
公开(公告)日：2023-12-08
申请号：CN202311082453.9
申请日：2023-08-25
Applicant: 中北大学
IPC: G16H50/30 , G06F18/243 , G06F18/2411 , G06N20/10 , G06N20/00
Abstract: 本发明涉及一种疾病危险因素的分析、预测方法、装置、设备及存储介质，所述分析方法包括：获取并处理m个采样对象的健康数据得到样本数据集，其中每个样本数据包括n种目标疾病的危险因素的指标数据；分别计算得到每种危险因素的第一重要性权值、第二重要性权值和第三重要性权值；分别计算每种危险因素对第一重要性的贡献度、对第二重要性的贡献度和对第三重要性的贡献度；计算每种危险因素的第一重要性的贡献度、第二重要性的贡献度和第三重要性的贡献度的总和作为每种危险因素的综合贡献度；按照综合贡献度从大到小的顺序得到危险因素重要性排序。本发明能够准确地确定一种疾病的多种危险因素的重要性排序，准确率高、应用范围广。
-
公开(公告)号：CN114581216A
公开(公告)日：2022-06-03
申请号：CN202210239555.6
申请日：2022-03-11
Applicant: 中北大学
Abstract: 本发明提供的中小微企业贷款风险评估方法、系统、存储设备及终端，所述方法包括：S10，获取同类型中小微企业和目标企业的历史交易数据信息和历史信贷记录信息；S20，对获取到的数据进行预处理；对存在缺失值或异常值的数据，进行取均值处理，并对所有数据进行归一化处理；S30，通过获取的数据，构建用于风险评估的自变量；S40，对同类型中小微企业的自变量、目标企业的自变量进行数据加密，得到密文数据；S50，接收密文数据，并通过风险评估模型对贷款风险进行评估；本发明具有实现对中小微企业隐私数据保护的有益效果，适用于企业贷款风险评估领域。
-
公开(公告)号：CN119904634A
公开(公告)日：2025-04-29
申请号：CN202411960836.6
申请日：2024-12-30
Applicant: 中北大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06V20/64
Abstract: 本发明公开了一种针对心外膜脂肪组织的分割及体积计算方法和系统，本发明的方法构建一种基于边缘多尺度空间注意力的心外膜脂肪组织分割模型MBSA‑UNet；MBSA‑UNet采用改进UNet架构作为主干网络，包括编码器模块、边缘细化模块、交叉多尺度注意力模块和解码器模块；通过在网络中引入边缘细化模块，集成注意力机制和边缘检测算子，解决了边缘模糊，边缘细节容易丢失或多余的问题，能够更好地保留心外膜脂肪组织的边界细节，确保模型在边界区域的精确性，提高对心外膜脂肪组织的分割效果。在网络中引入交叉多尺度注意力模块，通过使用不同大小的卷积核和反向注意力机制，捕获不同尺度和形状的心外膜脂肪区域特征，增强模型对关键区域的感知能力。
-
公开(公告)号：CN119066408A
公开(公告)日：2024-12-03
申请号：CN202411148375.2
申请日：2024-08-21
Applicant: 中北大学
IPC: G06F18/2135 , G06F18/10 , G16H50/70
Abstract: 本发明公开了一种基于极坐标下的病例数据集不平衡处理方法，包括以下步骤：S110：收集病例数据集；S120：进行PCA运算，生成主成分分析矩阵；S130：选取少数样本的近邻样本和多数样本，生成极坐标；S140：在极坐标系中进行随机采样，生成新样本；S150：转换回笛卡尔坐标系，生成新样本矩阵；S160：将生成的新样本添加到少数样本集中，重复采样；使用本发明的算法处理后的不平衡病例数据集，可以显著提升模型对少数类样本的预测准确性和整体平衡性。生成的新样本有助于减少模型的偏差，使模型能够更好地学习并反映所有样本的特征，公平地拟合所有类别的样本，特别是病理样本。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
