-
公开(公告)号：CN114119515A
公开(公告)日：2022-03-01
申请号：CN202111343977.X
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于注意力机制和MRI多模态融合的脑肿瘤检测方法，基于Multi‑Unet模型，将编码器的普通卷积块，替换成混合空洞卷积块。参考Inception模型的多分支编码器结构，自主设计多分支输出卷积块简称MB‑OutConv；设计一个基于通道的注意力模块CB‑Attention，捕获原始分割图各个通道之间的像素点关联，并对通道做注意力加权。适当改进神经网络，并独立设计新的注意力模块来进一步完善其分割结果，该注意力模块是基于图像通道的，在像素点级别完成注意力加权。最终将大脑MRI图像中的肿瘤和其他病变区域分割出来。基于多模态卷积神经网络Multi‑Unet，对其部分编码器分支进行改进，并在它后面添加注意力模块，共同改善脑肿瘤的分割效果。
-
公开(公告)号：CN113096388A
公开(公告)日：2021-07-09
申请号：CN202110303409.0
申请日：2021-03-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于梯度提升决策树的短时交通流量预测方法，所述建立模型的方法，包括：1)对原始高速公路收费站交通流量数据进行预处理；2)对数据进行数据分析和数据聚集(数据切片)、数据特征提取操作；3)构建梯度决策树模型，将数据输入模型并开展训练工作；4)将模型移植至分布式平台上，进行切分点抽样统计优化及逐层训练优化调整；5)构建三层Stacking模型进行多模型融合后对数据进行进一步训练。本发明设计的相关方法具有快速提取车辆流量特征的功能，能够在短时间内对车辆流量进行预测。
-
公开(公告)号：CN117830327A
公开(公告)日：2024-04-05
申请号：CN202311621691.2
申请日：2023-11-30
Applicant: 北京工业大学
IPC: G06T7/11 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明公开了基于领域自适应与多尺度特征融合的病毒性肺炎病灶分割方法，通过从多级编码器中提取多尺度融合特征来实现特征对齐，通过多尺度特征融合块Cross‑attention模块对阶段1到阶段3的输出特征拼接起来，并输入到域鉴别器中，领域鉴别器使用一个线性层、RELU层和softmax层实现，采用梯度反转层GRL来实现梯度在反向传播到编码器之前被反转。分割模块的反向传播过程正常进行，而领域鉴别器的反向传播过程在经过梯度反转层GRL后使梯度成为反方向。本发明通过在源域和目标域数据集上的测试，证明本发明所设计医学图像病灶分割方法具有更好的表现性能。
-
公开(公告)号：CN113096388B
公开(公告)日：2022-09-09
申请号：CN202110303409.0
申请日：2021-03-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于梯度提升决策树的短时交通流量预测方法，所述建立模型的方法，包括：1)对原始高速公路收费站交通流量数据进行预处理；2)对数据进行数据分析和数据聚集(数据切片)、数据特征提取操作；3)构建梯度决策树模型，将数据输入模型并开展训练工作；4)将模型移植至分布式平台上，进行切分点抽样统计优化及逐层训练优化调整；5)构建三层Stacking模型进行多模型融合后对数据进行进一步训练。本发明设计的相关方法具有快速提取车辆流量特征的功能，能够在短时间内对车辆流量进行预测。
-
公开(公告)号：CN114119515B
公开(公告)日：2024-08-02
申请号：CN202111343977.X
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种基于注意力机制和MRI多模态融合的脑肿瘤检测方法，基于Multi‑Unet模型，将编码器的普通卷积块，替换成混合空洞卷积块。参考Inception模型的多分支编码器结构，自主设计多分支输出卷积块简称MB‑OutConv；设计一个基于通道的注意力模块CB‑Attention，捕获原始分割图各个通道之间的像素点关联，并对通道做注意力加权。适当改进神经网络，并独立设计新的注意力模块来进一步完善其分割结果，该注意力模块是基于图像通道的，在像素点级别完成注意力加权。最终将大脑MRI图像中的肿瘤和其他病变区域分割出来。基于多模态卷积神经网络Multi‑Unet，对其部分编码器分支进行改进，并在它后面添加注意力模块，共同改善脑肿瘤的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN114420233A
公开(公告)日：2022-04-29
申请号：CN202210052810.6
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G16H10/60 , G16H50/70 , G06F16/35 , G06F16/28 , G06F40/295 , G06F40/186 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种中文电子病历后结构化信息的抽取方法，首先使用BERT模型对含有不同症状实体修饰成分的句子进行分类，然后利用现有的命名实体识别模型对每类句子中的症状实体做不同类别的标注，达到识别实体修饰成分的目的。提出基于规则的中文电子病历中症状实体属性值的特征化抽取方法。通过总结病历文本症状语义段的行文规则，形成属性值的抽取模板，将抽取到属性值存储到数据库中。本发明基于现有的病历文本抽取技术成果，深入分析病历文本的行文规则，对已经完成分词和标注的症状语义段进行实体修饰识别和特征化的属性值抽取，能为后续的上层应用提供结构化的数据支持。
-
公开(公告)号：CN119559640A
公开(公告)日：2025-03-04
申请号：CN202411686076.4
申请日：2024-11-24
Applicant: 北京工业大学
IPC: G06V20/70 , G06V10/82 , G06V10/40 , G06V10/77 , G06N3/0455 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了基于异构映射网络和多层级特征增强的轻量化图像描述系统，包括如下步骤：采用编码器‑解码器的基础框架搭建该系统，采用训练成熟的多模态大模型CLIP和语言大模型GPT‑2分别作为系统的编码器和解码器。在编码器和解码器之间设置了并行的异构映射网络通道用以实现对图像特征进行更全面的特征提取和特征映射。将每个映射通道的映射输出利用交叉注意力机制同解码器连接构成第一层特征增强机制，将三个通道映射输出拼接后的综合输出同解码器连接构成第二层特征增强机制。利用所设计的轻量化框架、异构映射网络和多层级特征增强机制对实现过程进行总体设计，构成整体模型实现对图像的自动化描述。
-
公开(公告)号：CN119557732A
公开(公告)日：2025-03-04
申请号：CN202411686075.X
申请日：2024-11-24
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/213 , G06F18/22 , G06F18/25 , G06N3/0895 , G06N3/042 , G06N3/045 , G06Q50/00
Abstract: 本发明公开了基于局部感知多视图融合的社区机器人检测系统，包含如下步骤：设计特征编码模块，提取一个账户的多模态特征，获取用户的特征编码；基于特征编码模块，分别利用StarBlokc模块和HGT模块提取用户的多视图特征；基于双视图特征，设计局部相似性感知模块提取用户的局部相似性分数，并用局部相似性分数融合多视图特征；设计3阶段的社区和标签感知的对比学习方法来训练整个模型，并用模型进行社区机器人识别。本发明是设计了多视图的特征提取器分别低频和高频特征，并对用户的局部相似性进行建模，提出了局部相似性模块对用户的最终表示进行动态加权融合来解决由于数据采样和机器人伪装导致的异质性不均衡的问题。
-
公开(公告)号：CN114417836B
公开(公告)日：2025-02-11
申请号：CN202210052863.8
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06F40/242 , G06F40/30 , G16H10/60 , G06N3/0455
Abstract: 本发明公开了一种基于深度学习的中文电子病历文本语义分割方法，主要包括语义字典构建及文本语义特征向量表示、整体特征融合、深度神经网络训练以及预测优化部分。利用预训练语言模型表示文本上下文语义特征，并加入了字符语义位置特征，将融合后的整体特征输入到深度神经网络中进行模型训练。相比于现有的语义分割技术，本发明构建字符间融合全局的上下文语义特征，捕获并学习序列每个字符的语义类别特性，最后找到每个字符的最佳语义类别标签，从而实现精细化的文本语义分割，在数据集较小情况下实现了文本语义分割较高的准确性，发展了EMR文本语义分割的新方法。
-
公开(公告)号：CN113094502A
公开(公告)日：2021-07-09
申请号：CN202110303408.6
申请日：2021-03-22
Applicant: 北京工业大学
IPC: G06F16/35 , G06F16/335 , G06F16/33 , G06F40/284 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多粒度外卖用户评论情感分析方法。所述情感分析的方法，包括1)对评论数据进行预处理，包括繁简转换、数据去重、表情数据切分等；2)对评论数据采用端到端的训练网络进行训练，并以此网络为基线网络，该网络训练的结果为基线模型；3)在训练网络中加入注意力机制，提升网络对数据特征的提取能力；4)对数据采用多种模型进行训练，并将多个模型进行融合，各自取长补短。通过上述操作最终实现对外卖评论数据的情感分析。本发明设计的相关方法面向真实用户数据，考虑了数据中存在的多种问题，并能够在短时间内取得较好的训练及分类效果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
