公开(公告)号：CN119496531A

公开(公告)日：2025-02-21

申请号：CN202510081238.X

申请日：2025-01-20

Applicant: 厦门理工学院

Inventor： 蔡加欣 ,  陈其亮

IPC: H04B7/0413 ,  H04B7/06 ,  H04B7/08 ,  H04B17/391 ,  H04L25/02

Abstract: 本发明提出一种用于优化MIMO系统容量和增益的深度学习驱动联合天线选择方法，在为每个信道矩阵生成与最优通信性能相关的标签之后，基于生成的标签，训练Shadow‑ResNet分类器，利用多种非线性激活函数从信道矩阵中提取特征；使用训练完成的分类器对输入的信道矩阵进行分类，提供最优的天线选择方案。

公开(公告)号：CN119380824A

公开(公告)日：2025-01-28

申请号：CN202411504973.9

申请日：2024-10-28

Applicant: 厦门理工学院

Inventor： 蔡加欣 ,  朱圣俊

IPC: G16B40/00 ,  G06F18/214 ,  G06F18/241 ,  G06F18/243 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及一种用于新冠病毒S1_IgG与N_IgG抗体水平阳性阶段分类的方法，属于生物信息学领域。该方法包括：对血液测试样本数据集中的血液测试样本的新冠病毒S1_IgG抗体水平与N_IgG抗体水平分别进行二分类标签设置；构建并训练带有线性注意力机制的Seq2Seq模型；将血液测试样本数据集输入训练后的带有线性注意力机制的Seq2Seq模型，得到每个血液测试样本在训练后的带有线性注意力机制的Seq2Seq模型中对应的各中间状态数据，构建广义加性模型拟合的残差，并引入SCAD惩罚项，得到拟合后的广义加性模型以替代线性注意力机制，用于待测血液测试样本的新冠病毒S1_IgG抗体水平与N_IgG抗体水平阳性阶段分类。本发明能够提高新冠病毒S1_IgG与N_IgG抗体水平阳性阶段分类结果的直观性和准确性。

公开(公告)号：CN120014412A

公开(公告)日：2025-05-16

申请号：CN202510144337.8

申请日：2025-02-10

Applicant: 厦门理工学院

Inventor： 蔡加欣 ,  戚阳 ,  陈荣赏

IPC: G06V10/82 ,  G06V10/26 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明提出一种基于多注意力优化网络的医学图像分割方法，通过注意力优化TransUNet进行医学图像分割；所述注意力优化TransUNet是在TransUNet的基础上：将Transformer中的SA替换为单位部队操作UFO模块；在Transformer的多层感知器MLP中引入上下文广播CB模块；在U‑Net的跳跃连接中，编码器的特征图经过多尺度注意EMA模块处理后，与解码器的上采样特征进行通道拼接，在解码器中，EMA模块位于每个上采样层之后，用于增强上采样特征的多尺度语义信息。

公开(公告)号：CN119649181A

公开(公告)日：2025-03-18

申请号：CN202510007937.X

申请日：2025-01-03

Applicant: 厦门理工学院

Inventor： 蔡加欣 ,  戴陈泉

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明涉及一种用于增强胎儿超声图像分类的自适应轻量级特征融合方法，属于深度学习图像分类领域。所述方法，结合自适应残差门控特征融合（AR‑GFF）模块和自适应轻量化增强特征块（ALEFB）的深度学习架构。本发明方法提高了胎儿超声图像分类的准确性，且更适合部署于实时诊断场景中，尤其是在医疗资源有限的地区。

公开(公告)号：CN119360137A

公开(公告)日：2025-01-24

申请号：CN202411909688.5

申请日：2024-12-24

Applicant: 厦门理工学院

Inventor： 朱圣俊 ,  蔡加欣 ,  刘柏辰

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084 ,  G16H30/40 ,  G06N3/0455

Abstract: 本发明涉及一种用于第二孕期产前II级超声标准胎儿平面识别方法，属于胎儿超声图像处理技术领域。该方法包括：基于第二孕期产前II级超声标准胎儿平面图像集预训练残差神经网络模型，保留预训练完成的残差神经网络模型的卷积层，并基于残差神经网络模型的卷积层生成形状为[n,FZ,FZ]的特征图；将特征图分解后的奇异向量和奇异值结合构造矩阵基因向量MGV，并通过大步跨核卷积解码矩阵基因向量MGV，或通过特征融合方法解码矩阵基因向量MGV，输出第二孕期产前II级超声标准胎儿平面图像的分类结果。本发明能够实现胎儿II级超声图片的分类，且可以更好的保留特征图上面的分布信息和显著信息。

公开(公告)号：CN117672534A

公开(公告)日：2024-03-08

申请号：CN202311639198.3

申请日：2023-11-30

Applicant: 厦门理工学院

Inventor： 蔡加欣 ,  朱圣俊

IPC: G16H50/50 ,  G16H10/60 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明提出一种基于深度学习的临床评估系统，基于计算机系统，包括：样本生成模块：把每个患者的血液测试样本按时间顺序从小到大排列后，根据患者提供的多个血液测试样本以及每个样本对应的m个血清学指标构建获得用于评估的数据集；以及至少一个以下评估模型：疾病严重性预测模型，包括：长短期记忆网络、批量归一化层、拉平层、随机失活层和全连接层；临床结局预测模型，包括：TA块、长短期记忆网络、批量归一化、全连接层、拉平层、随机失活层和全连接层；样本抗体水平预测模型，包括：长短期记忆网络、随机失活层、全连接层、随机失活层和全连接层。以实现很好地捕捉到血清随时间变化的信息。