公开(公告)号：CN116976366A

公开(公告)日：2023-10-31

申请号：CN202310982860.9

申请日：2023-08-06

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  徐欣瑶 ,  魏海月 ,  张秀霞 ,  周信澎

IPC: G06F40/58 ,  G06F40/211 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种融合句法感知的双向解码神经机器翻译方法，包括：采用WMT17中的中英语言对翻译数据集，并将其划分为训练集、验证集和测试集，删除句子长度大于50的句子，对数据进行预处理；将位置编码和词向量相加后得到输入序列，并在翻译模型中引入句法知识得到包含句法信息的遮掩矩阵；在传统Transformer翻译模型的解码器中加入反向解码器，采用双向解码策略；建立翻译模型，利用融合句法信息的序列对翻译模型进行训练，优化Teacher Forcing机制来平衡Teacher Forcing训练阶段和自回归测试阶段解码环境的差异，得到神经机器翻译模型；整优化改进的神经机器翻译方法的参数，得到翻译结果准确率最高的模型，然后将测试集数据输入到最优模型中；使用BLEU值作为翻译模型的评判标准。该方法解决了现有模型无法充分利用上下文信息的问题，并且极大改善了中英神经机器翻译的翻译准确率。

公开(公告)号：CN119180982A

公开(公告)日：2024-12-24

申请号：CN202411206222.9

申请日：2024-08-29

Applicant: 哈尔滨理工大学

Inventor： 魏海月 ,  陈海龙

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06T7/00

Abstract: 本发明属于计算机视觉领域，且公开了一种基于SE‑ResNet和LSTM融合的肺结节分类方法，包括如下步骤：步骤1：数据输入阶段；步骤2：数据预处理阶段；步骤3：SE‑ResNet特征提取阶段；步骤4：ResNet‑Inception优化阶段；步骤5：LSTM层提升网络阶段；步骤6：分类输出阶段；步骤7：模型验证测试阶段。本发明提高了对肺结节良性和恶性的分类准确度，降低了错误诊断的频率。

公开(公告)号：CN118135369A

公开(公告)日：2024-06-04

申请号：CN202410271014.0

申请日：2024-03-11

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  周信澎 ,  张秀霞 ,  徐欣瑶 ,  魏海月

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOV7模型的目标检测方法，包括采用Kaggle、MAFA等数据集，按比例对其随机分配并划分；在原有的YOLOv7模型上添加DiverseBranchBlock模块，引入多个分支，提取多尺度的特征信息；在改进的YOLOv7模型中，上采样采用CARAFE算子进行模型的轻量化；在优化模型网络头部添加Dyhead自注意力机制，提高输入数据的表达性和泛化能力；使用mAP@.5，mAP@.5:.95作为目标检测模型的评判标准。该方法可以捕捉到物体在不同尺度下的细节特征，可更精细地定位和检测目标体，在同时满足模型结构及参数量均得到优化，且推理时间不变的前提下提高其泛化性。

公开(公告)号：CN117174312A

公开(公告)日：2023-12-05

申请号：CN202311111960.0

申请日：2023-08-31

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  张秀霞 ,  周信澎 ,  魏海月 ,  徐欣瑶

IPC: G16H50/30 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/213 ,  G06F18/24 ,  G06F18/25

Abstract: 本发明提出一种基于一维卷积与残差连接的疾病预测方法，属于疾病预测领域。该方法包括：从互联网获取数据集；进行数据预处理，并划分数据集；使用多个尺寸不同的一维残差卷积块进行特征提取，并对提到的不同特征进行特征融合；使用全连接层对融合特征进行分类预测；计算损失并且通过优化器对模型进行优化。该方法针对现有方法没有结合原始数据自身的特点进行有效的预处理并且没有根据数据的固有属性来选择更符合逻辑的模型结构的问题进行设计，极大的提高了心血管疾病的预测性能。实验结果验证了所提出的方法的优势和有效性。

公开(公告)号：CN116977325A

公开(公告)日：2023-10-31

申请号：CN202311085874.7

申请日：2023-08-27

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  魏海月 ,  徐欣瑶 ,  张秀霞 ,  周信澎

IPC: G06T7/00 ,  G06T7/62 ,  G06T7/73 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于计算机视觉领域，且公开了一种融合注意力机制的3DV‑Net肺结节检测方法，包括如下步骤：步骤1：数据输入阶段；步骤2：数据预处理阶段；步骤3：下采样卷积阶段；步骤4：注意力机制阶段；步骤5：上采样卷积阶段；步骤6：分类输出阶段；步骤7：模型验证测试阶段。本发明解决了目前的肺结节检测算法存在的漏检误检问题，在肺结节检测方面提升了检测性能。