公开(公告)号：CN116563646A

公开(公告)日：2023-08-08

申请号：CN202310773717.9

申请日：2023-06-28

Applicant: 广东技术师范大学

Inventor： 潘丹 ,  张怡聪 ,  陈启俊 ,  吕锦 ,  骆根强 ,  曾安 ,  杨洋 ,  刘军

IPC: G06V10/764 ,  G06N3/126 ,  G06T7/00 ,  G06V10/774

Abstract: 本发明涉及数据分类处理技术领域，公开了一种基于离散化数据的大脑影像分类方法，包括：将原始大脑影像数据集划分为原始训练集、原始验证集和原始测试集；构建包括数据集离散化前后的信息损失、分类错误率和离散数据复杂程度的多目标函数，对多目标函数的最优解进行搜索，得到离散化方案；根据离散化方案分别对原始训练集、原始验证集和原始测试集进行离散化；对离散训练集和离散验证集进行特征选择，利用特征选择结果，对离散训练集和离散测试集进行特征精简，得到精简离散训练集和精简离散测试集；利用精简离散训练集训练一个分类器对精简离散测试集进行分类，得到大脑影像数据分类结果。本发明能够提高大脑影像分类任务的分类准确率和效率。

公开(公告)号：CN117152173A

公开(公告)日：2023-12-01

申请号：CN202311143680.8

申请日：2023-09-05

Applicant: 广东技术师范大学

Inventor： 潘丹 ,  骆根强 ,  许灿耀 ,  陈启俊 ,  吕锦 ,  曾安 ,  刘军 ,  杨洋

IPC: G06T7/11 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82 ,  G06T5/00

Abstract: 本发明提供一种基于DUNetR模型的冠状动脉分割方法和系统，包括：获取三维的冠状动脉CTA图像数据集并进行预处理；建立由Transformer网络和UNet网络并行结合的DUNetR模型，将预处理后的冠状动脉CTA图像数据集输入DUNetR模型进行训练，将待分割的冠状动脉CTA图像并输入训练后的DUNetR模型中进行分割，获取初步分割结果；利用图像形态学算法对初步分割结果进行平滑处理，获得最终的分割结果，完成冠状动脉的分割；本发明构建Transformer和UNet双网络并行结合的DUNetR模型，使用注意力机制和全卷积神经网络在CTA上进行全局加局部的细致分割，能够显著提高分割精度。

公开(公告)号：CN116563646B

公开(公告)日：2023-10-13

申请号：CN202310773717.9

申请日：2023-06-28

Applicant: 广东技术师范大学

Inventor： 潘丹 ,  张怡聪 ,  陈启俊 ,  吕锦 ,  骆根强 ,  曾安 ,  杨洋 ,  刘军

IPC: G06V10/764 ,  G06N3/126 ,  G06T7/00 ,  G06V10/774

Abstract: 本发明涉及数据分类处理技术领域，公开了一种基于离散化数据的大脑影像分类方法，包括：将原始大脑影像数据集划分为原始训练集、原始验证集和原始测试集；构建包括数据集离散化前后的信息损失、分类错误率和离散数据复杂程度的多目标函数，对多目标函数的最优解进行搜索，得到离散化方案；根据离散化方案分别对原始训练集、原始验证集和原始测试集进行离散化；对离散训练集和离散验证集进行特征选择，利用特征选择结果，对离散训练集和离散测试集进行特征精简，得到精简离散训练集和精简离散测试集；利用精简离散训练集训练一个分类器对精简离散测试集进行分类，得到大脑影像数据分类结果。本发明能够提高大脑影像分类任务的分类准确率和效率。