-
公开(公告)号：CN118485682B
公开(公告)日：2024-12-03
申请号：CN202410919002.4
申请日：2024-07-10
Applicant: 南开大学 , 先进计算与关键软件(信创)海河实验室
IPC: G06T7/11 , G16H30/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/80
Abstract: 本发明涉及医学图像分割技术领域，具体公开了一种基于SAM的医学图像分割方法、系统及产品，方法包括：将医学图像输入图像编码器得到图像编码向量；所述图像编码器包括依次连接的分块嵌入层和多个编码块，所述图像编码器内嵌有直觉感知微调适配器，所述直觉感知微调适配器将所述分块嵌入层的输出的共享投影特征融合到每个所述编码块的多头自注意力特征中；将提示内容输入提示编码器得到提示编码向量；将所述图像编码向量和提示编码向量拼接后输入掩码解码器，得到图像分割结果。本发明能够更准确、有效地处理医学图像数据，提高医疗诊断和治疗的精度和效率，实现SAM在医学图像处理领域的广泛应用。
-
公开(公告)号：CN110223291B
公开(公告)日：2021-03-19
申请号：CN201910534317.6
申请日：2019-06-20
Applicant: 南开大学
Abstract: 本发明公开一种基于损失函数的训练眼底病变点分割网络方法，使用损失函数来训练深度分割网络，来对眼底病变点进行高效地分割。根据指示器函数的结果，判断负样本被保留还是丢弃，指示器函数取值为1则保留负样本，反之则丢弃负样本。以此来提高网络的判别能力和学习速率，其中，易分样本以较高的概率丢弃，难分样本以较低的概率丢弃；在保留难分样本的情况下，可以节约大量的样本选择时间，从而使得网络集中在难分样本的学习上。本发明可解决类平衡交叉熵损失函数造成的分割网络误分情况多和学习效率较低的问题，对眼底病变点进行高效分割。
-
公开(公告)号：CN112541923A
公开(公告)日：2021-03-23
申请号：CN202011412045.1
申请日：2020-12-03
Applicant: 南开大学
Abstract: 本发明属于人工智能技术领域，具体涉及医疗眼底图数据集，特别是针对眼底图数据集迁移学习的视杯视盘分割方法。该方法通过骨干分割网络和两个领域判别器的对抗训练，提取眼底图数据集间的通用特征，并利用注意力模块对特征进行加权，解决了视杯视盘界限模糊的问题，排除了其余多种眼底病灶对分割任务的干扰。在不使用目标数据集标注信息的前提下，算法在眼底图数据集迁移过程中保持较高的视杯视盘分割精度，有效解决了标注眼底数据不足对于传统自动青光眼筛查方法性能的限制。
-
公开(公告)号：CN107301094A
公开(公告)日：2017-10-27
申请号：CN201710325734.0
申请日：2017-05-10
Applicant: 南开大学
Abstract: 本发明涉及面向大规模动态事务查询时的动态自适应数据模型构建方法，包括以下步骤：从console、RPC、text、tail、日志系统、exec等数据源上实时地收集数据；对于高吞吐量的情况，调节实时性场景中数据采集与数据处理的速度，降低系统处理大规模动态工作负载的延时，保证系统的稳定性；对工作负载中的每一条数据库查询请求进行处理，提取出有效的分区信息，得到实时的数据模型；持续处理工作负载中的数据，处理单元的数量可以根据工作负载的规模动态调整，多个处理单元，可实现并行处理；将结果写入分布式文件系统，存储在MySQL数据库。本发明使用了流式框架，在分布式集群中合理分配资源，健壮性上得以提高。
-
Patent Agency Ranking
公开(公告)号：CN112541923B
公开(公告)日：2022-04-08
申请号：CN202011412045.1
申请日：2020-12-03
Applicant: 南开大学
Abstract: 本发明属于人工智能技术领域，具体涉及医疗眼底图数据集，特别是针对眼底图数据集迁移学习的视杯视盘分割方法。该方法通过骨干分割网络和两个领域判别器的对抗训练，提取眼底图数据集间的通用特征，并利用注意力模块对特征进行加权，解决了视杯视盘界限模糊的问题，排除了其余多种眼底病灶对分割任务的干扰。在不使用目标数据集标注信息的前提下，算法在眼底图数据集迁移过程中保持较高的视杯视盘分割精度，有效解决了标注眼底数据不足对于传统自动青光眼筛查方法性能的限制。
-
公开(公告)号：CN101702176B
公开(公告)日：2011-08-31
申请号：CN200910228692.4
申请日：2009-11-25
Applicant: 南开大学
IPC: G06F17/30
Abstract: 本发明属于数据库技术领域，具体提出了一种新型的基于局部路径加锁模型的XML数据并发控制方案。具体内容包括：XML数据模型的定义、锁模型的定义、锁协议制定、并发控制的实现方案制定。通过本发明提出的并发控制方案，可以实现在对XML进行事务操作时，只对根据XQuery定位到的节点或者其父节点进行加锁，避免了传统的从根节点到目标节点的路径加锁方式，减少了对锁的频繁请求，提高了事务的并发度和执行效率。
-
公开(公告)号：CN110223291A
公开(公告)日：2019-09-10
申请号：CN201910534317.6
申请日：2019-06-20
Applicant: 南开大学
Abstract: 本发明公开一种基于损失函数的训练眼底病变点分割网络方法，使用损失函数来训练深度分割网络，来对眼底病变点进行高效地分割。根据指示器函数的结果，判断负样本被保留还是丢弃，指示器函数取值为1则保留负样本，反之则丢弃负样本。以此来提高网络的判别能力和学习速率，其中，易分样本以较高的概率丢弃，难分样本以较低的概率丢弃；在保留难分样本的情况下，可以节约大量的样本选择时间，从而使得网络集中在难分样本的学习上。本发明可解决类平衡交叉熵损失函数造成的分割网络误分情况多和学习效率较低的问题，对眼底病变点进行高效分割。
-
公开(公告)号：CN118485682A
公开(公告)日：2024-08-13
申请号：CN202410919002.4
申请日：2024-07-10
Applicant: 南开大学 , 先进计算与关键软件(信创)海河实验室
IPC: G06T7/11 , G16H30/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/80
Abstract: 本发明涉及医学图像分割技术领域，具体公开了一种基于SAM的医学图像分割方法、系统及产品，方法包括：将医学图像输入图像编码器得到图像编码向量；所述图像编码器包括依次连接的分块嵌入层和多个编码块，所述图像编码器内嵌有直觉感知微调适配器，所述直觉感知微调适配器将所述分块嵌入层的输出的共享投影特征融合到每个所述编码块的多头自注意力特征中；将提示内容输入提示编码器得到提示编码向量；将所述图像编码向量和提示编码向量拼接后输入掩码解码器，得到图像分割结果。本发明能够更准确、有效地处理医学图像数据，提高医疗诊断和治疗的精度和效率，实现SAM在医学图像处理领域的广泛应用。
-
公开(公告)号：CN101702176A
公开(公告)日：2010-05-05
申请号：CN200910228692.4
申请日：2009-11-25
Applicant: 南开大学
IPC: G06F17/30
Abstract: 本发明属于数据库技术领域，具体提出了一种新型的基于局部路径加锁模型的XML数据并发控制方案。具体内容包括：XML数据模型的定义、锁模型的定义、锁协议制定、并发控制的实现方案制定。通过本发明提出的并发控制方案，可以实现在对XML进行事务操作时，只对根据XQuery定位到的节点或者其父节点进行加锁，避免了传统的从根节点到目标节点的路径加锁方式，减少了对锁的频繁请求，提高了事务的并发度和执行效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
