公开(公告)号：CN113902751A

公开(公告)日：2022-01-07

申请号：CN202111337902.0

申请日：2021-11-10

Applicant: 南京大学 ,  南京南数数据运筹科学研究院有限公司 ,  南京南数科技有限公司 ,  南京市儿童医院 ,  中国矿业大学

Inventor： 吴婷 ,  唐杰 ,  曹祯庭 ,  邵虎 ,  郑胜钧 ,  李梦婷 ,  钱新月 ,  韩传富 ,  沈纬 ,  唐维兵 ,  周春雷 ,  武海燕

IPC: G06T7/10 ,  G06V10/764 ,  G06T7/00

Abstract: 本发明公开了一种基于Swin‑Unet算法的肠神经元发育异常的病理识别方法，包括以下步骤，获取肠组织苏木素‑伊红染色切片H&E染色图像中粘膜下和肌间神经丛，并采集神经丛内的神经节细胞图像并对其进行预处理，作为训练数据集；对训练数据集进行数据增强；构建图像分割模型；利用训练数据集对图像分割模型进行训练；构建图像分类模型；对训练数据集再次进行预处理；利用训练数据集对图像分类模型进行训练；利用训练好的图像分割模型和图像分类模型对待检测图像进行分割和分类，实现对肠神经节发育状况的判定。通过本发明可以实现对肠组织切片染色图像中粘膜下和肌间神经丛内的神经节细胞准确、稳定的识别和分类，从而辅助后续的诊断。

公开(公告)号：CN114925875A

公开(公告)日：2022-08-19

申请号：CN202210314126.0

申请日：2022-03-28

Applicant: 中国矿业大学

Inventor： 关乐晨 ,  邵虎 ,  刘广义 ,  陈子龙 ,  徐玮喆 ,  袁梓航 ,  石景天 ,  周金诚

IPC: G06Q10/04 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种融合卡口重要性与注意力机制的车辆轨迹预测方法，包括以下步骤：(1)获取过车数据源并对数据源进行数据预处理，提取车辆轨迹；(2)提取用于表示位置的交通卡口集，引入自然语言处理中的Glove模型，通过训练车辆轨迹数据得到各卡口的嵌入词向量表示；结合PageRank算法对各卡口的重要性进行排序；(3)利用SIF方法对卡口的嵌入词向量进行加权平均获得轨迹句向量表示，应用K‑means算法对轨迹进行聚类；(4)融合卡口位置编码与重要性编码，并加入注意力机制，在获得的每个聚类簇中采用Bi‑LSTM神经网络对车辆轨迹进行训练，预测新轨迹，既考虑了车辆信息或道路信息，又考虑了目标车辆与所经卡口的交互关系，轨迹预测效果更好。

公开(公告)号：CN114925875B

公开(公告)日：2025-02-28

申请号：CN202210314126.0

申请日：2022-03-28

Applicant: 中国矿业大学

Inventor： 关乐晨 ,  邵虎 ,  刘广义 ,  陈子龙 ,  徐玮喆 ,  袁梓航 ,  石景天 ,  周金诚

IPC: G06Q10/04 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/045 ,  G06F18/23213

Abstract: 本发明公开了一种融合卡口重要性与注意力机制的车辆轨迹预测方法，包括以下步骤：(1)获取过车数据源并对数据源进行数据预处理，提取车辆轨迹；(2)提取用于表示位置的交通卡口集，引入自然语言处理中的Glove模型，通过训练车辆轨迹数据得到各卡口的嵌入词向量表示；结合PageRank算法对各卡口的重要性进行排序；(3)利用SIF方法对卡口的嵌入词向量进行加权平均获得轨迹句向量表示，应用K‑means算法对轨迹进行聚类；(4)融合卡口位置编码与重要性编码，并加入注意力机制，在获得的每个聚类簇中采用Bi‑LSTM神经网络对车辆轨迹进行训练，预测新轨迹，既考虑了车辆信息或道路信息，又考虑了目标车辆与所经卡口的交互关系，轨迹预测效果更好。

公开(公告)号：CN115879454A

公开(公告)日：2023-03-31

申请号：CN202211548955.1

申请日：2022-12-05

Applicant: 中国矿业大学

Inventor： 关乐晨 ,  邵虎 ,  石景天 ,  刘广义 ,  陈子龙 ,  徐玮喆 ,  袁梓航 ,  周金诚

IPC: G06F40/284 ,  G08G1/01 ,  G06F40/242 ,  G06F17/16 ,  G06F40/30 ,  G06N20/00 ,  G06F18/22

Abstract: 本发明公开了一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法，包括以下步骤：(1)获取数据源，并对数据源的数据进行预处理；(2)提取用于表示位置的交通卡口集；引入自然语言处理中的Glove模型，通过训练车辆轨迹数据得到各卡口的嵌入词向量表示；(3)结合改进的PageRank算法对各卡口的重要性进行排序；(4)利用节点删除法模拟卡口因故失效的情况，在去掉指定卡口之后，通过预测误差检验步骤(3)各卡口重要性排序的有效性，本发明针对道路关键点排序，既考虑了交通网络的物理拓扑结构，又关注到交通需求以及真实出行轨迹，从多个角度更加客观地得出不同卡口的重要性；可以很好地考虑到历史的影响，并可以进行排序算法验证。

公开(公告)号：CN114004821A

公开(公告)日：2022-02-01

申请号：CN202111304407.X

申请日：2021-11-05

Applicant: 南京南数科技有限公司 ,  南京南数数据运筹科学研究院有限公司 ,  南京市儿童医院 ,  北京师范大学 ,  中国矿业大学 ,  南京大学

Inventor： 曹祯庭 ,  周春雷 ,  苏喜锋 ,  邵虎 ,  吴婷 ,  钱新月 ,  李梦婷 ,  韩传富 ,  沈纬 ,  唐维兵 ,  武海燕 ,  唐杰

IPC: G06T7/00 ,  G16H30/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于级联rcnn的肠神经节细胞辅助识别方法，该方法具体包括以下步骤：S1，采集肠组织切片并对其进行苏木精‑伊红染色，对染色后的图像数据进行预处理，将预处理后的数据作为训练数据集；S2，构建用于目标检测的深度卷积神经网络作为目标检测模型；S3，利用训练数据集对目标检测模型进行训练；S4，利用训练好的目标检测模型对肠组织的染色图像进行检测，识别图像中的肠神经节细胞。通过本发明可以实现快速准确地识别肠组织切片染色图像中的神经节细胞。