-
公开(公告)号：CN118984228A
公开(公告)日：2024-11-19
申请号：CN202410414129.0
申请日：2024-04-08
IPC: H04L9/40 , H04L9/00 , H04L9/32 , H04L9/08 , H04N1/44 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/098 , G06N3/09
Abstract: 本发明公开了基于联邦学习隐私保护的结肠息肉语义分割深度学习方法，具体涉及联邦学习的隐私保护和医疗语义分割领域，包括以下步骤：S1、将Kvasir‑SEG数据集和CVC‑ClinicDB数据集进行数据预处理，然后将数据集中的真实图像进行one‑hot编码；S2、构建联邦学习框架，初始化随机加密算法池，随机选取客户端数量，分别部署客户端和服务器端模型；S3、将原始图片加载进Dataloader，设置超参数，并送入客户端模型学习；本发明为医疗图像处理领域深度学习和隐私保护的发展提供了新的思路，并且经过验证，采用联邦学习隐私保护的模型的实际效果可以达到原始模型的准确率，并且可以做到更好的隐私保护。
-
公开(公告)号：CN119206720A
公开(公告)日：2024-12-27
申请号：CN202410414127.1
申请日：2024-04-08
Abstract: 本发明公开了一种皮肤病变语义分割双通道深度学习模型，涉及语义分割和医学图像处理技术领域，包括预处理模块、特征提取模块、条纹池化模块、PVT结构模块、DPNet网络构建模块、CB模块、内部学习模块以及病变分割模块；预处理模块，将皮肤病变数据集进行数据预处理，处理过程采用随机预处理方式；特征提取模块，采用ResNet50作为SPResNet的主干网络进行特征提取。本发明通过采用双通道结构，其一使用SPResNet结构，其二使用PVT结构，兼顾细节提取和全局特征关联，结合了CNN和Transformer结构的优点，采用互补的方式增加了整个网络的实际性能，以解决上述背景技术中提出现有的深度学习模型在结构上的缺陷，提高皮肤病变分割的精确度。
-
公开(公告)号：CN116630720A
公开(公告)日：2023-08-22
申请号：CN202310684848.X
申请日：2023-06-09
Applicant: 中国电子技术标准化研究院 , 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096 , G06V20/70 , G06V10/40
Abstract: 本发明公开了一种基于YoloV7的抗原检测结果识别方法，该方法包括以下步骤：S1、收集和构建符合Yolo标注格式的样本数据集，预处理数据集，将数据集格式转换为Yolo可训练和识别的.txt格式；S2、部署YoloV7，对YoloV7模型结构和权重参数进行优化调节，使得网络结构更好的适应小样本数据集的学习；S3、调整YoloV7模型参数进行训练学习；S4、利用训练好的神经网络模型进行抗原检测识别。本发明根据不同扩张率卷积核的感受野递进原理，对采集图片进行特征提取，对小样本数据集中的数据进行数据增强操作，提高了数据集的多样性，减少了因为数据集数据量小带来的过拟合问题，提高了模型的泛化能力。
-
公开(公告)号：CN117036381A
公开(公告)日：2023-11-10
申请号：CN202310900831.3
申请日：2023-07-21
Applicant: 中国电子技术标准化研究院 , 桂林电子科技大学
Abstract: 本发明涉及医疗图像处理技术领域，具体地说是一种基于U‑Net的残差双卷积与混合卷积的肠息肉分割网络方法，包括对图片进行数据增强，对残差双卷积模块进行搭建，对混合卷积模块进行搭建，对整体结构进行搭建以及对整体模型进行训练并评估模型，本发明将U‑Net编码部分中用于特征提取的卷积层与残差网络中的残差部分相结合，在原卷积的基础上将空洞卷积与点卷积融合为混合卷积，考虑到混合卷积中的空洞卷积与点卷积分别具有空间位置提取能力与特征强化能力，将混合卷积放置在U‑Net下采样与上采样层间，用于传递并强化空间位置信息，形成了混合卷积模块MixConv，在肠息肉语义分割上具有优越性能。
-
-
-
Search Results
4
records
(took 0.095 seconds)
