-
公开(公告)号：CN115862842A
公开(公告)日：2023-03-28
申请号：CN202211583777.6
申请日：2022-12-09
IPC: G16H50/20 , G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本申请提供一种慢性病的风险预测方法及相关装置；该方法包括：对患者数据进行筛选并统一维度，得到初始数据并输入深度神经网络；将初始数据映射为输入矩阵，进行各个特征头的自注意力计算操作，联合各个特征头的输出，得到自注意力得分矩阵，对输入矩阵和自注意力得分矩阵设置残差连接操作和层归一化操作，来构建梯度向前传播的特征提取网络；根据初始数据所覆盖的时间长度，将时序长度对应的特征提取网络的输出的局部特征信息输入至对应的局部风险预测网络，并将各个特征其提取层输出的局部特征信息拼接为输入全局风险预测网络的全局特征信息；对全局特征信息和局部特征信息进行风险概率的预测，并得到预测结果。
-
公开(公告)号：CN111081347A
公开(公告)日：2020-04-28
申请号：CN201911054857.0
申请日：2019-10-31
IPC: G16H20/60 , G06F16/9535
Abstract: 本发明公开了一种慢性病患者的食谱推荐方法，包括：根据患者特征数据，从预设的饮食标签集合中确定患者对应的饮食标签；根据患者对应的饮食标签，从食谱数据库中查询获取推荐食谱数据；推送所述推荐食谱数据。本发明能够实现智能化、个性化的食谱推荐。
-
公开(公告)号：CN111081347B
公开(公告)日：2023-06-27
申请号：CN201911054857.0
申请日：2019-10-31
IPC: G16H20/60 , G06F16/9535
Abstract: 本发明公开了一种慢性病患者的食谱推荐方法，包括：根据患者特征数据，从预设的饮食标签集合中确定患者对应的饮食标签；根据患者对应的饮食标签，从食谱数据库中查询获取推荐食谱数据；推送所述推荐食谱数据。本发明能够实现智能化、个性化的食谱推荐。
-
公开(公告)号：CN117152407B
公开(公告)日：2025-05-13
申请号：CN202310876770.1
申请日：2023-07-17
Applicant: 北京邮电大学
Abstract: 本申请提供一种头影测量标志点自动定位方法，包括：将待定位的头影图像输入至第一定位网络模型中提取特征，得到第一定位热图；将待定位的头影图像输入至数字相邻点耦合变换整体优化网络(即第二定位网络模型)中，专注于数字相邻标志点之间的联系，进行特征提取得到第二定位热图；将头影图像输入至医学几何关联点耦合变换针对优化网络中(即第三定位网络模型)，专注于标志点之间的医学关系和几何关系，进行特征提取得到第三定位热图，将第一定位热图、第二定位热图和第三定位热图解码得到整体优化标志点定位结果，得到最终标志点精确定位结果。本申请实现头影图像的自动标注，减轻了医生的标注负担，提高头影测量的速度和精度。
-
公开(公告)号：CN113902674B
公开(公告)日：2024-05-24
申请号：CN202111035523.6
申请日：2021-09-02
Applicant: 北京邮电大学
Abstract: 本公开提供一种医学影像分割方法和电子设备。所述方法包括：获取医学影像数据，并对所述医学影像数据进行预处理得到处理后医学影像数据；将所述处理后医学影像数据输入医学影像分割模型；在所述医学影像分割模型，根据所述处理后医学影像数据，得到医学影像的金字塔塔底特征f1；根据所述医学影像的金字塔塔底特征f1，得到预测分数p；根据所述预测分数p，得到所述医学影像的分割结果P。本说明书实施例通过医学影像数据和预先训练的医学影像分割模型，最终得到了医学影像的分割结果P。
-
Patent Agency Ranking
公开(公告)号：CN111933253B
公开(公告)日：2022-09-23
申请号：CN202010676123.2
申请日：2020-07-14
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于神经网络的骨骼结构图像的标志点标注方法和装置，所述方法包括：将骨骼结构图像输入到基于神经网络的标志点初始预测模型输出各类标志点的初始预测坐标值；根据各类标志点的初始预测坐标值，分别确定各类标志点的局部区域；针对每类标志点，将该类标志点的局部区域的图像输入到与该类标志点对应的、基于神经网络的单标志点标注模型；对于每个单标志点标注模型，将该单标志点标注模型输出的坐标值进行坐标反向回传，得到该标志点在所述骨骼结构图像中的坐标值进行标注。应用本发明可以基于神经网络实现自动标注骨骼结构图像的各标志点，从而大幅度提高医生诊断的效率和准确率。
-
公开(公告)号：CN114022509A
公开(公告)日：2022-02-08
申请号：CN202111121343.X
申请日：2021-09-24
Applicant: 北京邮电大学
Abstract: 本公开提供一种基于多个动物的监控视频的目标跟踪方法及相关设备。所述目标跟踪方法包括：对多个动物进行实时监控获得原始影像；对原始影像进行预处理获取处理图像；提取第t帧处理图像，在第t帧处理图像中检测动物；将检测到的动物标记为检测对象，第t‑1帧至t‑k帧中已经分配身份标识的动物记为跟踪对象；提取跟踪对象和检测对象的属性特征及两者之间的关联特征；根据关联特征，将第t帧图像中的检测对象与第t‑1帧至t‑k帧中的跟踪对象进行匹配；输出跟踪结果。通过深度学习对监控视频进行处理，检测出动物并且跟踪其轨迹，以辅助管理人员对养殖动物进行跟踪观察和定位。
-
公开(公告)号：CN112883227A
公开(公告)日：2021-06-01
申请号：CN202110019685.4
申请日：2021-01-07
Applicant: 北京邮电大学
IPC: G06F16/738 , G06F16/75 , G06K9/62
Abstract: 本申请实施例提供一种基于多尺度时序特征的视频摘要生成方法和装置。该方法包括：利用预训练的视频摘要生成模型，获取多尺度时序融合特征序列；利用预训练的视频摘要生成模型，确定多尺度时序融合特征序列中的各视频帧的重要性得分；基于镜头切分算法，将多尺度时序融合特征序列切分为以基本镜头为单位的基本片段集；利用预训练的视频摘要生成模型，基于各重要性得分和基本片段集，动态选取基本片段集中的核心片段；利用预训练的视频摘要生成模型，基于核心片段，生成动态视频摘要，并输出。该方案利用无监督训练得到的视频摘要生成模型，可抽取视频关键帧，获取具有多样性和代表性的视频摘要，减少人工干预工作量，有助于视频检索和视频监控。
-
公开(公告)号：CN111933253A
公开(公告)日：2020-11-13
申请号：CN202010676123.2
申请日：2020-07-14
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于神经网络的骨骼结构图像的标志点标注方法和装置，所述方法包括：将骨骼结构图像输入到基于神经网络的标志点初始预测模型输出各类标志点的初始预测坐标值；根据各类标志点的初始预测坐标值，分别确定各类标志点的局部区域；针对每类标志点，将该类标志点的局部区域的图像输入到与该类标志点对应的、基于神经网络的单标志点标注模型；对于每个单标志点标注模型，将该单标志点标注模型输出的坐标值进行坐标反向回传，得到该标志点在所述骨骼结构图像中的坐标值进行标注。应用本发明可以基于神经网络实现自动标注骨骼结构图像的各标志点，从而大幅度提高医生诊断的效率和准确率。
-
公开(公告)号：CN106059595B
公开(公告)日：2020-07-07
申请号：CN201610355989.7
申请日：2016-05-26
Applicant: 北京邮电大学
IPC: H03M13/11
Abstract: 本发明提供一种空间耦合低密度奇偶校验码的通用递归编码方法，包括：构建(dv,dc,L)空间耦合低密度奇偶校验码SC‑LDPC的校验基矩阵校验基矩阵为每行包括连续dv个子矩阵的dc×(2×dv‑1)维矩阵，校验基矩阵中首行的前dv个元素为子矩阵，校验基矩阵中最后一行的后dv个元素为子矩阵；通过校验基矩阵获得SC‑LDPC码的校验矩阵利用校验矩阵进行递归编码。本发明提供的空间耦合低密度奇偶校验码的通用递归编码方法，可以实现dc/dv为任意数值的(dv,dc,L)SC‑LDPC码的递归编码。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.042 seconds)
