-
公开(公告)号：CN119991709A
公开(公告)日：2025-05-13
申请号：CN202510482139.2
申请日：2025-04-17
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/11 , G06T7/00 , G06V10/764 , G06V10/80 , G06V10/44 , G06N3/0455
Abstract: 本发明涉及基于高效双注意的医学图像分割方法及系统；属于医学图像分割技术领域，包括：1）获取医学图像数据集，预处理后划分为训练集和测试集；2）构建基于高效双注意的医学图像分割模型；3）训练基于高效双注意的医学图像分割模型；4）将测试集输入到优化后的基于高效双注意的医学图像分割模型中，输出得到最终医学图像分割结果。本发明有效融合高层和低层之间的语义特征，从而提取出更显著的特征并保留语义空间信息。
-
公开(公告)号：CN117370648A
公开(公告)日：2024-01-09
申请号：CN202311257644.4
申请日：2023-09-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/9535 , G06F16/335 , G06F16/33 , G06F40/211 , G06F40/289 , G06F18/22 , G06F18/2431 , G06N3/0455 , G06N3/08 , G06Q50/18
Abstract: 本发明属于基于特定计算模型的专利推荐技术领域，更具体地，涉及基于Transformer编码器和正则化策略的专利推荐方法。所述方法包括：根据多个搜索文本建立一定数量的专利数据集，并按照搜索语句分类；对搜索文本以及数据集中的专利文本进行数据预处理；建立基于Transformer编码器和正则化策略的词句双处理模型，使用基于Dropout与对称JS散度的正则化策略对模型结构和输出结果进行优化；句粒度层面处理词粒度层面处理；对句粒度层面结果与词粒度层面结果进行线性加权，输出分类结果。本发明解决了现有技术中专利文本和搜索文本长度不一致导致的信息匹配不准确的问题以及传统专利推荐准确率低的问题。
-
公开(公告)号：CN117252813A
公开(公告)日：2023-12-19
申请号：CN202311086862.6
申请日：2023-08-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于神经网络检测图像的技术领域，更具体地，涉及基于深度学习的宫颈液基细胞检测与识别方法及系统。所述方法包括采集宫颈液基细胞图像数据，并经裁剪生成子图像集；对宫颈液基细胞病理图像的子图像集使用矩形框作为边界框进行异常细胞标注；将标注完成的数据进行数据增强处理得到数据集，再将数据集划分为训练集、验证集和测试集；通过数据集对改进的YOLOv5网络模型进行训练、验证和测试，得到训练好的改进的YOLOv5网络模型；将待分析宫颈液基细胞病理图像输入训练好的改进的YOLOv5网络模型进行识别。本发明解决了现有技术中存在漏检测和误检测的情况，并目标检测的准确性和鲁棒性不足的问题。
-
公开(公告)号：CN116778245A
公开(公告)日：2023-09-19
申请号：CN202310751471.5
申请日：2023-06-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06N3/08 , G16H50/20 , G16H30/00
Abstract: 本发明公开了一种基于医学影像的帕金森预测方法，属于医学图像处理技术领域，所述方法包括：获取待评估的MRI影像；对所述MRI影像进行预处理；将预处理后的MRI影像输入至预先构建好的人工智能分类预测模型中，得到预测结果，其中所述人工智能分类预测模型为改进的ResNet18网络模型。本发明将逐渐成熟的医学影像和深度学习进行结合，发挥人工智能的优势并将其应用于实际生活中，以残差网络为基础架构，根据帕金森病的医学影像特点对其进行改进，实现帕金森病的自动分类，准确度高。
-
公开(公告)号：CN116708446A
公开(公告)日：2023-09-05
申请号：CN202310967433.3
申请日：2023-08-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/1001 , H04L67/101 , H04L67/1097
Abstract: 本发明涉及算力资源调度技术领域，提供了基于网络性能综合权值决策的算网调度服务方法及系统，算网服务平台将筛选出来的不属于同一数据中心的存储平台和算力平台进行一一组合，得到若干组存储平台和算力平台的组合；根据每一种组合下存储平台与算力平台之间的不同网络性能指标的数值、不同网络性能指标的主观权重向量、不同网络性能指标的客观权重向量以及用户客户端的资源需求，构建存算分离场景或数据流转场景下的多目标优化函数，对函数进行求解，得到满足用户需求的最佳存储平台和算力平台组合；算网服务平台将用户客户端的作业和计算数据，部署到最佳存储平台和算力平台组合中进行存储和计算。提高了计算资源利用率和任务调度效率。
-
Patent Agency Ranking
公开(公告)号：CN119151963A
公开(公告)日：2024-12-17
申请号：CN202411629609.5
申请日：2024-11-15
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明提出了基于改进Swin‑Unet的CT图像分割方法及系统，涉及计算机视觉技术领域。包括将CT图像数据输入至改进Swin‑Unet模型中，在编码器和解码器的下/上采样中，使用两个连续的移位窗口分层变压器模块进行特征提取，并将编码器和解码器对应层的移位窗口分层变压器模块的输出采用多头自注意力连接模块进行特征拼接，得到解码器的输出卷积；将解码器的输出卷积输入至卷积注意力模块中，得到最终的输出特征图；基于最终的输出特征图，实现对CT图像的分割。本发明利用多头自注意力机制取代传统跳跃连接，通过多尺度信息融合和动态权重分配，增强了网络在特征传递过程中的表达能力。
-
公开(公告)号：CN118537694A
公开(公告)日：2024-08-23
申请号：CN202410648489.7
申请日：2024-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本公开提出基于改进的CNN的肺部CT影像衰老评估方法及系统，方法包括：将预处理后的待评估图像输入至改进的CNN中，提取待评估图像的衰老特征，基于衰老特征得到衰老评估结果；改进的CNN包括改进的ResNet18网络和多尺度CNN网络，改进的ResNet18网络用于提取深层特征，包括依次连接的注意力机制模块、平均池化层和恒等层；多尺度CNN网络用于提取局部和全局信息特征；将深层特征和局部和全局信息特征融合为衰老特征，利用衰老等级标签进行监督学习，输出衰老评估结果。通过融合图像更深层特征和更宽的空间上下文信息，保证特征的细节性和多样性，避免遗漏相关信息，从而提高肺部衰老评估的准确性。
-
公开(公告)号：CN118429641A
公开(公告)日：2024-08-02
申请号：CN202410585218.1
申请日：2024-05-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 一种基于SwinUnet的双分支癌症病理图像分割方法，涉及病理图像处理技术领域，提高了病理图像分割模型的分割精度，双分支的设计使得全局与局部特征的提取更加精细，并且在SwinUnet的跳跃连接中加入多尺度密集注意力机制，使得下采样所得的空间信息损失降低。深度可分离卷积Dwconv的引入，通过将卷积操作分解为两个独立的步骤，使用较小的卷积核，从而显著减少了网络的参数数量，这使得网络更加轻量化，也提供了更好的特征表示能力，有助于提高模型的准确性和泛化能力，使得模型在图像边缘预测方面更加精准。
-
公开(公告)号：CN117274711A
公开(公告)日：2023-12-22
申请号：CN202311315526.4
申请日：2023-10-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06N3/0455 , G06N3/09
Abstract: 一种动态权重选择的胃部病理切片腺体多分类分割方法，涉及图像处理技术领域，在连接模块中加入了注意力机制，在优化多分类图像分割网络时引入了k‑flod交叉验证策略和动态权重选择模块，使得模型可以有效地对胃部病理切片腺体进行多分类分割，提高了模型多分类分割的准确性。
-
公开(公告)号：CN116936040A
公开(公告)日：2023-10-24
申请号：CN202311034646.7
申请日：2023-08-16
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G16H30/20 , G16H50/20 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于医学图像处理技术领域，更具体地，涉及面向帕金森诊断的多模态信息分类方法。所述方法包括获取三维的MRI影像和四维的DTI影像并进行预处理，再获取手绘阿基米德螺旋图；将经预处理后的MRI影像、DTI影像以及手绘阿基米德螺旋图划分为训练集和测试集；建立分析处理模型，所述分析处理模型包括特征提取模块、特征融合模块和分类模块；将训练集输入分析处理模型训练，再经测试集测试合格后得到最终模型将待处理数据输入最终模型。本发明解决了现有技术中多模态的融合中也存在融合不充分、诊断的错误率高等问题。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.074 seconds)
