公开(公告)号：CN116228795A

公开(公告)日：2023-06-06

申请号：CN202310231039.3

申请日：2023-03-13

Applicant: 北京工业大学

Inventor： 刘博 ,  王强 ,  周子安 ,  丁磊 ,  杨滨

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于弱监督学习的超高分辨率医学图像分割方法。通过使用弱监督这一深度学习技术，可以在只有图像级别的弱标签信息的情况下，获得一个较为理想的分割效果。除此之外，本发明不仅考虑了标注信息的强弱问题，还关注到针对超高分辨率医学图像训练流程方法的改良问题，主要在医学图像数据集的前处理和模型预测时的后处理阶段提出几项改进，弥补了现有技术中模型训练流程存在的缺陷。

公开(公告)号：CN116757057A

公开(公告)日：2023-09-15

申请号：CN202310317140.0

申请日：2023-03-25

Applicant: 北京工业大学

Inventor： 王强 ,  刘博 ,  朱念 ,  李建强 ,  丁磊

IPC: G06F30/27 ,  G06F119/02 ,  G06F111/06

Abstract: 本发明公开了基于PSO‑GA‑LSTM模型的空气质量预测方法，首先将序列数据进行预处理，然后利用粒子群算法优化LSTM模型超参数，从而确定LSTM模型的网络结构；利用遗传算法优化LSTM模型初始的权值阈值，确定LSTM模型的权值阈值。最后将利用最佳超参数和最佳权值阈值，建立LSTM模型，对空气质量时间序列数据进行训练并预测。本发明克服了传统的预测方法预测过程中精度不高的问题，且利用粒子群和遗传算法对LSTM参数进行优化，避免模型陷入局部最优解的问题，提高了预测收敛速度。最终实现了对空气质量时间序列的预测，更精确预测空气质量变化的趋势。

公开(公告)号：CN116309681A

公开(公告)日：2023-06-23

申请号：CN202310197271.X

申请日：2023-03-03

Applicant: 北京工业大学

Inventor： 刘博 ,  丁磊 ,  杨滨 ,  王强 ,  汪婧懿

IPC: G06T7/194 ,  G06T7/12 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于类激活映射的医学图像弱监督分割方法，包括下述步骤：步骤一，采集组织病理图像；步骤二，对图像进行缩放、调整和增强操作；步骤三，使用中间层的特征图对图像的病变区域进行激活；步骤四，使用一致性损失对模型进行正则处理。将网络中间层的特征图降采样到同一大小后进行拼接，用每个位置不同通道的最大值与网络最末端的特征图进行掩码；使用掩码后的特征图构建类激活映射；使用模型输出的类激活映射作为伪标签训练分割网络，实现医学图像的弱监督分割任务。本算法提出的基于类激活映射的医学图像弱监督分割方法，可以使用图像级标签对整张病理图像进行分割，为病理医生提供有效的参考价值。

公开(公告)号：CN115424070A

公开(公告)日：2022-12-02

申请号：CN202211068114.0

申请日：2022-09-01

Applicant: 北京工业大学

Inventor： 刘博 ,  丁磊 ,  杨滨 ,  王强 ,  汪婧懿

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多实例学习的二阶段全视野数字病理切片分类方法，包括下述步骤：步骤一，采集全视野数字病理切片；步骤二，对图像进行裁剪，缩放，过滤处理；步骤三，使用多实例学习与有监督度量学习结合的方式训练病理切片的嵌入空间；步骤四，使用自注意力对病理切片进行检测和分类。第一阶段中，多实例学习提供伪标签，构建 数据训练编码器；第二阶段中，直接使用第一阶段的编码器提取病理切片特征，通过自注意力网络对切片做最后的分类。本算法提出的基于多实例学习的二阶段全视野数字病理切片分类方法，可以对整张病理切片进行诊断分类，为病理医生提供有效的参考价值。