-
公开(公告)号:CN118887472A
公开(公告)日:2024-11-01
申请号:CN202410987119.6
申请日:2024-07-23
Applicant: 兰州交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06V10/40 , G06T7/00 , G06N3/049 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明公开了一种基于SFC‑MSPCNN和改进ConvNeXt的乳腺影像识别判定方法,涉及影像分析技术领域。本发明基于乳腺影像超声数据库、MIAS数据库和DDSM数据库的对比实验分析模式,根据乳腺肿块及钙化点的特性与良恶性的关系,提出一种基于特殊点火控制模式的脉冲耦合神经网络模型和一种改进的下一代卷积神经网络模型,实现乳腺病灶的良恶性分类,并采用对比实验方法进行分类效果的评估与分析。
-
公开(公告)号:CN114427865A
公开(公告)日:2022-05-03
申请号:CN202111463350.8
申请日:2021-12-02
Applicant: 兰州交通大学
IPC: G01C21/34
Abstract: 本申请提供一种包含中间地址的导航方法及相关产品,该方法包括:终端设备接收用户输入的起始地和目的地,依据起始地和目的地预估路径时间;终端设备确定该路径时间是否包含吃饭时间区间,若包含吃饭时间区间,提示用户是否需要增加吃饭中间地,接收到用户确定增加吃饭中间地后,终端设备提取吃饭时间区间经过的第一路径区间;终端设备在第一路径区间查询餐厅信息,从餐厅信息中选取符合用户需求的第一餐厅的地址作为中间地址,生成起始地、中间地址和目的地的导航路径。本申请提供的技术方案具有提高导航体验度的优点。
-
公开(公告)号:CN112819712B
公开(公告)日:2022-03-11
申请号:CN202110093625.7
申请日:2021-01-22
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括:获得原始图像的初始亮度谱;利用PNA‑MSPCNN算法获得突触权重矩阵;在PNA‑MSPCNN算法模式下,根据突触权重矩阵进一步获得梯度亮度谱;根据梯度亮度谱,利用Retinex算法计算得到最终权重矩阵;基于最终权重矩阵,对得到的初始亮度谱进行修正得到最终亮度映射谱;利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法,通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强,神经元点火次数和频率更易于控制,算法复杂度更低,图像增强效果更好。
-
公开(公告)号:CN112819712A
公开(公告)日:2021-05-18
申请号:CN202110093625.7
申请日:2021-01-22
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括:获得原始图像的初始亮度谱;利用PNA‑MSPCNN算法获得突触权重矩阵;在PNA‑MSPCNN算法模式下,根据突触权重矩阵进一步获得梯度亮度谱;根据梯度亮度谱,利用Retinex算法计算得到最终权重矩阵;基于最终权重矩阵,对得到的初始亮度谱进行修正得到最终亮度映射谱;利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法,通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强,神经元点火次数和频率更易于控制,算法复杂度更低,图像增强效果更好。
-
公开(公告)号:CN118887472B
公开(公告)日:2025-01-24
申请号:CN202410987119.6
申请日:2024-07-23
Applicant: 兰州交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06V10/40 , G06T7/00 , G06N3/049 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明公开了一种基于SFC‑MSPCNN和改进ConvNeXt的乳腺影像识别判定方法,涉及影像分析技术领域。本发明基于乳腺影像超声数据库、MIAS数据库和DDSM数据库的对比实验分析模式,根据乳腺肿块及钙化点的特性与良恶性的关系,提出一种基于特殊点火控制模式的脉冲耦合神经网络模型和一种改进的下一代卷积神经网络模型,实现乳腺病灶的良恶性分类,并采用对比实验方法进行分类效果的评估与分析。
-
-
-
-