公开(公告)号：CN118551115A

公开(公告)日：2024-08-27

申请号：CN202410741760.1

申请日：2024-06-11

Applicant: 杭州电子科技大学

Inventor： 章国道 ,  高霄云 ,  叶海洋 ,  王超超 ,  葛一粟 ,  陆炎杰 ,  章哈琪

IPC: G06F16/9535 ,  G06F18/213 ,  G06F18/22 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于图卷积网络和学习风格的课程推荐方法，包括如下步骤：步骤1、预测评分，将来自学习者相连的课程嵌入信息编码为学习者的一阶嵌入信息，并通过一阶嵌入信息得到高阶嵌入信息；将高阶嵌入信息中的每一阶嵌入信息通过聚合函数聚合到单个向量中得到聚合嵌入表示；对学习者和课程的聚合嵌入表示进行内积运算，得到学习者对该课程的预测评分；步骤2、分别定义学习者概要和课程概要，计算学习风格向量，根据学习者学习风格向量和课程学习风格向量，得到课程学习风格相似度评分；步骤3、通过学习风格相似度评分对预测评分列表进行优化，得到协同预测评分，该方法解决基于图卷积网络推荐算法忽略学习者自身学习模式的问题。

公开(公告)号：CN119380014A

公开(公告)日：2025-01-28

申请号：CN202411406607.X

申请日：2024-10-10

Applicant: 丽水市中心医院 ,  杭州电子科技大学

Inventor： 周毅 ,  叶海洋 ,  陈述政 ,  李春亭 ,  舒茜 ,  潘颖 ,  刘鹏鹏 ,  叶铭滔 ,  章国道

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06T7/10 ,  G06N3/0455 ,  G06N3/08 ,  G06N5/04 ,  G16H30/20

Abstract: 本发明涉及深度学习领域，具体是一种基于微调大模型的三维乳腺超声图像半自动分割方法，包括如下步骤：将获取的待分割三维乳腺超声影像数据进行预处理后，输入基于低秩微调策略微调的SAM‑Med3D模型实现乳腺肿瘤的半自动化分割，该SAM‑Med3D模型的3D图像编码器的每个3D注意力块中均嵌入有定制模块MLoRA。本发明通过将基于低秩微调策略的定制模块应用于SAM‑Med3D模型，并模拟医生点击ABUS影像病灶区域，实现乳腺肿瘤的半自动化分割，有效提高了SAM‑Med3D模型针对三维ABUS影像的分割能力，从而克服现有医学影像分割大模型ABUS影像训练数据缺乏及训练成本高昂和语义混淆的问题。

公开(公告)号：CN118674955A

公开(公告)日：2024-09-20

申请号：CN202410594154.1

申请日：2024-05-14

Applicant: 杭州电子科技大学

Inventor： 章国道 ,  叶海洋 ,  陈述政 ,  周毅 ,  叶铭滔 ,  尹学松 ,  乔通 ,  周晓飞 ,  缪杨涵

IPC: G06V10/762 ,  G06V10/74 ,  G06V10/766 ,  G16H50/20

Abstract: 一种自动乳腺超声图像聚类方法，属于机器学习技术领域。本发明通过考虑生物数据聚类的子空间聚类算法和求解该算法的迭代优化算法，以及CAD系统的实际应用，能够提供更有效、快速和经济可行的三维ABUS影像的乳腺癌早期筛查方案；本发明提出封装数据的局部结构并对特征应用非负约束的图像表征方法，来兼顾数据的全局和局部结构特征；同时将流形正则化器合并到图像表征中以考虑数据的流形结构，由此得到GLSR算法框架；然后基于ADMM迭代方法开发了一种高效的迭代算法来保证我们提出的GLSR算法得到局部最优解并保证收敛。