-
公开(公告)号：CN112949728B
公开(公告)日：2021-09-14
申请号：CN202110266006.3
申请日：2021-03-11
Applicant: 宁波大学
Abstract: 一种基于切片图像筛选和特征聚合的MRI图像分类方法，训练时：获取训练集和验证集中每幅MRI图像的切片图像及每张切片图像对应的切片向量，并对所有切片向量进行聚类，组成切片图像簇；根据切片图像簇对切片图像分类模块进行训练和验证，并提取知识性簇；将知识性簇输入到知识性切片特征提取模块中得到切片特征图集合；根据切片特征图集合对切片特征聚合模块进行训练和验证，并输出切片特征向量；使用切片特征向量对MRI分类网络中进行训练和验证。测试时：按上述方法提取测试集的知识性簇的切片特征图集合，将切片特征图集合输入到训练完成的切片特征融合模块和MRI分类网络中得到图像的分类结果。该分类方法的分类准确率高。
-
公开(公告)号：CN114120154B
公开(公告)日：2022-10-28
申请号：CN202111395954.3
申请日：2021-11-23
Applicant: 宁波大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种高层建筑玻璃幕墙破损的自动检测方法，包括构建检测网络并使用样本集对构建的检测网络进行训练和验证，得到具有最优参数的检测网络，其中，检测网络的构建方法具体为：先构建YOLO v4网络，将YOLO v4网络中的卷积层用依次相连接的扩展卷积、逐通道卷积和逐点卷积进行替换，得到新的卷积层，最后将替换完成的YOLO v4网络作为构建的检测网络；之后根据所有BN层的缩放因子向量对具有最优参数的检测网络进行剪枝；最后利用样本集对剪枝后的具有最优参数的检测网络进行微调，得到最终的检测网络。因此该方法在保证高准确率的前提下进一步降低模型的参数量，实现基于无人机的城市高层建筑玻璃幕墙的全自动化检测。
-
公开(公告)号：CN101936981B
公开(公告)日：2014-03-12
申请号：CN201010245497.5
申请日：2010-08-02
Applicant: 宁波大学 , 宁波市妇女儿童医院 , 浙江大学医学院附属妇产科医院
Abstract: 本发明公开了一种孕中期产前筛查中血清学指标的中位数倍数校正方法，特点是包括以下步骤：(1)采集年龄、孕龄和体重符合要求的孕妇的血清学指标检测结果、体重等相关数据；(2)确定以孕天为基础的孕龄day；(3)确定各孕天正常孕妇人群血清学指标中位数，得到各孕天正常孕妇人群血清学指标中位数相对day的回归公式；(4)确定受检孕妇中位数倍数；(5)利用体重回归公式校正受检孕妇中位数倍数，优点是专门针对中国孕妇人群建立的以孕天为基础的运用于产前筛查中的方法，具有检出率高、假阳性低。
-
公开(公告)号：CN112949728A
公开(公告)日：2021-06-11
申请号：CN202110266006.3
申请日：2021-03-11
Applicant: 宁波大学
Abstract: 一种基于切片图像筛选和特征聚合的MRI图像分类方法，训练时：获取训练集和验证集中每幅MRI图像的切片图像及每张切片图像对应的切片向量，并对所有切片向量进行聚类，组成切片图像簇；根据切片图像簇对切片图像分类模块进行训练和验证，并提取知识性簇；将知识性簇输入到知识性切片特征提取模块中得到切片特征图集合；根据切片特征图集合对切片特征聚合模块进行训练和验证，并输出切片特征向量；使用切片特征向量对MRI分类网络中进行训练和验证。测试时：按上述方法提取测试集的知识性簇的切片特征图集合，将切片特征图集合输入到训练完成的切片特征融合模块和MRI分类网络中得到图像的分类结果。该分类方法的分类准确率高。
-
Patent Agency Ranking
公开(公告)号：CN101936981A
公开(公告)日：2011-01-05
申请号：CN201010245497.5
申请日：2010-08-02
Applicant: 宁波大学 , 宁波市妇女儿童医院 , 浙江大学医学院附属妇产科医院
Abstract: 本发明公开了一种孕中期产前筛查中血清学指标的中位数倍数校正方法，特点是包括以下步骤：(1)采集年龄、孕龄和体重符合要求的孕妇的血清学指标检测结果、体重等相关数据；(2)确定以孕天为基础的孕龄day；(3)确定各孕天正常孕妇人群血清学指标中位数，得到各孕天正常孕妇人群血清学指标中位数相对day的回归公式；(4)确定受检孕妇中位数倍数；(5)利用体重回归公式校正受检孕妇中位数倍数，优点是专门针对中国孕妇人群建立的以孕天为基础的运用于产前筛查中的方法，具有检出率高、假阳性低。
-
公开(公告)号：CN115565068A
公开(公告)日：2023-01-03
申请号：CN202211210404.4
申请日：2022-09-30
Applicant: 宁波大学
Abstract: 本发明涉及一种基于轻量型深度卷积神经网络的高层建筑玻璃幕墙破损的全自动检测方法，包括构建YOLO网络，将YOLO网络中的卷积层用依次相连接的扩展卷积、逐通道卷积、逐点卷积和剪枝层进行替换，得到新卷积层，最后将替换完成的YOLO网络作为构建的第一检测网络；之后对剪枝层中的待学习参数wi进行稀疏约束以及对第一检测网络中的新卷积层进行剪枝，得到第二检测网络；最后再对第二检测网络中每个BN层的缩放因子向量进行稀疏约束和剪枝，得到第三检测网络。因此该方法在保证高准确率的前提下进一步降低模型的参数量，实现基于无人机的城市高层建筑玻璃幕墙的全自动化检测。
-
公开(公告)号：CN115565068B
公开(公告)日：2023-04-18
申请号：CN202211210404.4
申请日：2022-09-30
Applicant: 宁波大学
Abstract: 本发明涉及一种基于轻量型深度卷积神经网络的高层建筑玻璃幕墙破损的全自动检测方法，包括构建YOLO网络，将YOLO网络中的卷积层用依次相连接的扩展卷积、逐通道卷积、逐点卷积和剪枝层进行替换，得到新卷积层，最后将替换完成的YOLO网络作为构建的第一检测网络；之后对剪枝层中的待学习参数wi进行稀疏约束以及对第一检测网络中的新卷积层进行剪枝，得到第二检测网络；最后再对第二检测网络中每个BN层的缩放因子向量进行稀疏约束和剪枝，得到第三检测网络。因此该方法在保证高准确率的前提下进一步降低模型的参数量，实现基于无人机的城市高层建筑玻璃幕墙的全自动化检测。
-
公开(公告)号：CN114120154A
公开(公告)日：2022-03-01
申请号：CN202111395954.3
申请日：2021-11-23
Applicant: 宁波大学
Abstract: 本发明涉及一种高层建筑玻璃幕墙破损的自动检测方法，包括构建检测网络并使用样本集对构建的检测网络进行训练和验证，得到具有最优参数的检测网络，其中，检测网络的构建方法具体为：先构建YOLO v4网络，将YOLO v4网络中的卷积层用依次相连接的扩展卷积、逐通道卷积和逐点卷积进行替换，得到新的卷积层，最后将替换完成的YOLO v4网络作为构建的检测网络；之后根据所有BN层的缩放因子向量对具有最优参数的检测网络进行剪枝；最后利用样本集对剪枝后的具有最优参数的检测网络进行微调，得到最终的检测网络。因此该方法在保证高准确率的前提下进一步降低模型的参数量，实现基于无人机的城市高层建筑玻璃幕墙的全自动化检测。
-
公开(公告)号：CN105069277A
公开(公告)日：2015-11-18
申请号：CN201510404622.5
申请日：2015-07-09
Applicant: 宁波大学
IPC: G06F19/00
Abstract: 本发明公开了一种孕中期产前筛查中唐氏综合征风险估计方法，特点是包括以下步骤：(1)采集年龄、孕龄和体重符合要求的孕妇的血清学指标检测结果；(2)确定龄孕；(3)确定各孕天正常孕妇人群血清学指标中位数，得到各孕天正常孕妇人群血清学指标中位数相对孕龄天的回归公式；(4)确定受检孕妇中位数倍数；(5)利用体重回归公式校正受检孕妇中位数倍数，(6)利用Logistic回归建立唐氏综合征的风险估计公式的系数；(7)建立唐氏综合征三联筛查方案和二联筛查方案的风险估计公式；优点是专门针对中国孕妇人群建立的以孕天为基础的运用于产前筛查中的方法，具有检出率高、假阳性低。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
