公开(公告)号：CN113298065B

公开(公告)日：2024-06-11

申请号：CN202110520891.3

申请日：2021-05-13

Applicant: 杭州电子科技大学

Inventor： 姜子敬 ,  王亚奇 ,  王琳艳 ,  贾刚勇 ,  叶娟

IPC: G06V10/22 ,  G06V10/25 ,  G06V10/774 ,  G16H30/40 ,  G16H50/20

Abstract: 本发明公开了一种基于自监督学习的眼部黑色素肿瘤识别方法。包括：医疗影像数据划分，将数据划分为标注数据和未标注数据两类；将所有未标注数据输入到自监督算法网络中，通过多次迭代不断训练网络参数；提取训练得到残差网络，在该网络的基础上叠加一个特征提取网络，形成复合网络结构，通过训练，得到可用于块级眼部黑色素肿瘤识别的复合网络模型；生成每张标注数据对应的热力图,并由此整合成图像级热力图；最后，提取每张热力图的特征，将特征数据输入到随机森林中进行训练，得到可用于图像级眼部黑色素肿瘤识别的随机森林模型。本发明通过设计肿瘤特征和区域判别的网络特征映射层，使得眼部黑色素肿瘤的识别准确率有了进一步的提升。

公开(公告)号：CN114972365A

公开(公告)日：2022-08-30

申请号：CN202210691853.9

申请日：2022-06-17

Applicant: 杭州电子科技大学

Inventor： 杨泽华 ,  王亚奇 ,  贾刚勇 ,  顾人舒 ,  金凯 ,  叶娟

IPC: G06T7/10 ,  A61B3/10 ,  A61B3/12 ,  A61B3/14

Abstract: 本发明公开了一种结合先验掩膜的OCT图像脉络膜分割模型构建方法及应用，本发明包括数据预处理，通过裁剪，调整比例，再裁剪，统一数据尺寸；再通过标注分别生成脉络膜的两个阶段掩膜；为了解决图像背景复杂的问题，设计了级联结构的多阶段分割网络，第一阶段先分割BM层以下部分，去除上方背景干扰，第二阶段在精细分割脉络膜；为了解决脉络膜纹理不均且下方边界模糊的问题，设计了多尺度上下文聚合模块；最后为了优化级联网络的训练过程，设计了自适应的跨阶段特征融合模块。本发明充分利用了光学相干断层扫描图像本身信息，并且能够有效捕捉图像的多尺度信息以及上下文信息，提升了光学相干断层扫描图像脉络膜分割效果。

公开(公告)号：CN116883750A

公开(公告)日：2023-10-13

申请号：CN202310873830.4

申请日：2023-07-17

Applicant: 杭州电子科技大学

Inventor： 贾刚勇 ,  王国琨 ,  饶欢乐 ,  踪家祥 ,  俞铭辉 ,  谢国杰 ,  叶娟

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/082 ,  G06N3/0495 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于剪枝子网特征的图像分类模型压缩方法，该方法首先选取随机原始网络，并进行预训练得到中奖彩票网络。其次根据设定的剪枝率选取对应的中奖彩票网络，使用函数拟合，得到网络特征表征。然后针对随机原始网络(目标网络)，使用权值稀疏度划分目标网络的权值频率，并用拟合函数对权值频率进行变换，得到初步修剪结果，对权值范围内目标网络参数采样，得到目标剪枝子网。最后对目标剪枝子网进行训练，完成图像的分类，得到不同剪枝保留率的剪枝子网的训练准确率、压缩效果。本发明能够最大程度的压缩模型并且不损失太多精度，能够较好的应用于对资源受限的边缘环境下。

公开(公告)号：CN113298065A

公开(公告)日：2021-08-24

申请号：CN202110520891.3

申请日：2021-05-13

Applicant: 杭州电子科技大学

Inventor： 姜子敬 ,  王亚奇 ,  王琳艳 ,  贾刚勇 ,  叶娟

IPC: G06K9/20 ,  G06K9/32 ,  G06K9/62 ,  G16H30/40 ,  G16H50/20

Abstract: 本发明公开了一种基于自监督学习的眼部黑色素肿瘤识别方法。包括：医疗影像数据划分，将数据划分为标注数据和未标注数据两类；将所有未标注数据输入到自监督算法网络中，通过多次迭代不断训练网络参数；提取训练得到残差网络，在该网络的基础上叠加一个特征提取网络，形成复合网络结构，通过训练，得到可用于块级眼部黑色素肿瘤识别的复合网络模型；生成每张标注数据对应的热力图,并由此整合成图像级热力图；最后，提取每张热力图的特征，将特征数据输入到随机森林中进行训练，得到可用于图像级眼部黑色素肿瘤识别的随机森林模型。本发明通过设计肿瘤特征和区域判别的网络特征映射层，使得眼部黑色素肿瘤的识别准确率有了进一步的提升。

公开(公告)号：CN118736197A

公开(公告)日：2024-10-01

申请号：CN202410834098.4

申请日：2024-06-26

Applicant: 杭州电子科技大学

Inventor： 陆展昀 ,  顾人舒 ,  徐佩芳 ,  王亚奇 ,  木下雄一郎 ,  叶娟 ,  贾刚勇 ,  吴卿

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0895 ,  G06N3/045

Abstract: 本发明公开了一种基于标签融合的半监督开集目标检测方法，该方法首先将带标记数据图像中的前景部分和对应的标注截取，构建前景信息库并动态增强，与无标记数据进行融合，得到合成数据。其次将带标签数据同时送入两个教师网络中进行训练，分别是原始的教师网络和检测器。然后使用两个教师网络对无标记数据以及新生成的合成数据进行预测，进行预测标签融合，得到最终的伪标签。最后将带标签数据、带伪标签的无标记数据以及合成数据送入半监督框架，输出目标检测结果，并进行训练。本发明是处理开集问题以及基于构建前景信息库缓解类别不均衡问题的半监督目标检测，缓解常见的类别不均衡问题。