公开(公告)号：CN115393584A

公开(公告)日：2022-11-25

申请号：CN202210921524.9

申请日：2022-08-02

Applicant: 哈尔滨理工大学

Inventor： 刘侠 ,  吕志伟 ,  李冰 ,  桂桑榆 ,  宋方影

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V10/10

Abstract: 基于多任务超声甲状腺结节分割与分类模型的建立方法、分割与分类方法和计算机设备，属于图像处理技术领域，解决甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡以及数据不平衡问题。方法包括：以FCN为主干共享网络，基于UNet解码层为分割分支网络和ResNet34为分类分支网络。主干共享网络对输入超声图像采用参数硬共享的方式进行浅层特征提取，将提取的特征共享给两个分支网络。分割分支网络中，首先在主干共享网络后引入深层卷积块，获取分割分支深层特征，其次对各个特征提取阶段获取到的浅层特征通过带有多尺度卷积注意力模块的跳跃连接操作。在分类分支残差模块前后结合M‑CBAM，通过M‑CBAM和残差模块优化分类性能。本发明适用于超声甲状腺结节的分割与分类。

公开(公告)号：CN117158997A

公开(公告)日：2023-12-05

申请号：CN202311319106.3

申请日：2023-10-12

Applicant: 哈尔滨理工大学

Inventor： 刘侠 ,  桂桑榆 ,  李冰

IPC: A61B5/369 ,  G06F18/25 ,  G06F18/213 ,  G06F18/24 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0985 ,  A61B5/372 ,  A61B5/00 ,  G06F123/02

Abstract: 一种基于深度学习的癫痫脑电信号自动检测方法。癫痫是一种威胁生命且具有挑战性的神经系统疾病，它突然发生且发病前没有任何症状。脑电图是临床常用的检测方法，但人工检查脑电图脑信号是一个耗时费力的过程，这给医生带来了沉重的负担并且其检测效果并不好。基于此提出一种基于改进ResNet+ABiLSTM的癫痫脑电信号自动检测方法。所述脑电信号自动分类检测方法包括以下步骤：A、信号预处理，改进的ResNet提取信号特征；B、浅层特征使用一维空间注意力机制突出关键特征并完成分类；C、使用带有注意力机制的双向LSTM(ABiLSTM)进一步提取特征并完成分类；D、分类结果汇总并使用激活函数获得概率分布。本发明能够实现对癫痫脑电信号的精准分类检测，对癫痫发作的诊断具有重要意义。

公开(公告)号：CN118975806A

公开(公告)日：2024-11-19

申请号：CN202410500883.6

申请日：2024-04-24

Applicant: 哈尔滨理工大学

Inventor： 刘侠 ,  张宝元 ,  李冰 ,  桂桑榆

IPC: A61B5/372 ,  A61B5/00 ,  G06F18/2415 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 一种多模态的轻量化癫痫脑电信号分类模型的训练方法、建立方法、分类方法，属于信号处理技术领域，本发明提出了一种轻量化的多模态癫痫检测模型，旨在通过同时分析信号的时域特征和频域特征来提高癫痫检测的准确率和效率。本发明的模型：首先应用短时傅里叶变换(STFT)对单通道脑电图(EEG)信号进行预处理，构建三通道的图像作为频域模态；同时，原始EEG信号直接作为时域模态。两种模态通过经过自适应解耦知识蒸馏预训练的特征提取模块进行特征提取。为进一步提升模型性能，引入全局一致性学习和局部共现学习方法，有效融合不同模态的特征。实验结果显示，该模型在波恩大学开源癫痫脑电数据集上的性能优于现有方法，尤其在分类精度和泛化能力方面表现突出。本发明适用于提高癫痫脑电信号分类的准确性和可靠性。