-
公开(公告)号:CN116863221A
公开(公告)日:2023-10-10
申请号:CN202310818922.2
申请日:2023-07-05
Applicant: 河南大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06T7/00 , G16H50/20 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域,具体涉及一种基于CNN与注意力机制的阿尔兹海默症分类方法。该方法获取待分类的脑部核磁共振图像和对应三个切面的切片图像;获取待分类的脑部核磁共振图像的局部细粒度特征;通过通道注意力机制增加输入特征图的通道特征;添加每个切片的位置信息;通过多头注意力机制捕获切片间的长距离依赖关系;使用一维卷积增强相邻两个切片间特征的局部连续性,将融合后的特征向量全局平均后送入分类器得到待分类的脑部核磁共振图像的分类结果。本发明能够结合卷积神经网络与注意力机制的优势,充分利用局部病变特征与全局信息交互,提高分类准确率。
-
公开(公告)号:CN118069695A
公开(公告)日:2024-05-24
申请号:CN202410213694.0
申请日:2024-02-27
Applicant: 河南大学
IPC: G06F16/2453 , G06F16/28 , G06F16/22 , G06F16/25 , G06F16/81 , G06F16/835 , G06F16/901 , G06F16/903 , G06F16/182 , G16H10/60 , G16H30/20
Abstract: 本发明涉及医疗信息检索技术领域,特别涉及一种基于数据湖的医疗数据高维查询优化方法及系统,将结构化医疗数据和半结构化医疗数据上传至结构化数据处理区中的分布式文件系统并利用数据湖表进行存储,将非结构化医疗数据上传至非结构化数据处理区中的分布式文件系统并利用预设统一格式进行存储;提取各数据处理区中的医疗数据,并依据医疗数据特征进行融合,以使得结构化数据处理区和非结构化数据处理区两者数据均利用数据湖表存储;基于用户高维查询任务需求获取查询条件,依据查询条件获取查询需求对应的数据特征列,根据数据特征列对数据湖表中存储的医疗数据进行聚合并为聚合后的每条医疗数据生成索引值,以依据索引值建立索引结构并利用索引结构定位查询结果。本发明不仅能显著提升医疗数据查询效率,还能减少医疗数据查询过程中数据处理负担,实现医疗数据查询任务执行过程中资源的高效利用。
-
公开(公告)号:CN116484311A
公开(公告)日:2023-07-25
申请号:CN202310267935.5
申请日:2023-03-17
Applicant: 河南大学
IPC: G06F18/25
Abstract: 本发明涉及目标识别技术领域,具体涉及基于时域证据融合的目标识别方法,该方法包括:获得多个时刻的信息,将证据视为向量,通过可见图算子结合历史信息得到连接点数目后依此得到下一时刻预测信息,于下一时刻获得更新信息后,计算预测信息集合与更新信息集合的证据方差,根据证据方差处理并给出更新信息与预测信息的权重系数,对其进行加权处理。处理后的新证据为时域参考信息。求取历史累计信息与更新信息同时域参考信息之间差异度,利用差异度进行可靠性评估,将可信度衰减因子赋予低可靠性一方进行证据折扣,结合马尔科夫模型进行DS融合。本发明通过可靠性评估引导时域融合,实现了时域目标识别,提高了目标识别的准确度与抗干扰能力。
-
公开(公告)号:CN116302282A
公开(公告)日:2023-06-23
申请号:CN202310299049.0
申请日:2023-03-24
Applicant: 河南大学
Abstract: 本发明涉及数据处理技术领域,具体涉及基于D3的矩阵数据可视化图形生成及数据处理方法。首先获取预设数据库中三种类型的矩阵数据,构建三元组矩阵数据;根根据矩阵数据调取D3工具库绘制可视化图形、调取D3‑contour工具库绘制矩阵等高线刻度表;融合可视化图形和与矩阵数据对应的对比图像得到前端页面。本发明综合D3.js、D3‑contour、数据可视化操作等技术,生成矩阵数据对应的可视化图形,将可视化图形和数据统计结合起来,解决了矩阵数据可视化工具效率低的问题。
-
公开(公告)号:CN116798605A
公开(公告)日:2023-09-22
申请号:CN202310771372.3
申请日:2023-06-27
Applicant: 河南大学
IPC: G16H50/20 , A61B5/00 , A61B5/055 , G06V10/764 , G06N3/0464 , G06V10/774 , G06N3/045 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及图像分类技术领域,具体涉及一种基于核磁共振图像的阿尔兹海默症辅助诊断方法。该方法包括:获取待分析对象的脑部结构的核磁共振图像;将待分析对象的脑部结构的核磁共振图像输入到训练好的卷积神经网络模型中,获得分类结果;卷积神经网络模型的训练过程为:对核磁共振样本图像进行切片操作,获得对应的切片组;在初始卷积神经网络模型中添加新的卷积层,将切片组输入到添加新的卷积层后的卷积神经网络模型中获得平面特征;在Transformer编码器模块中引入移位窗口注意力机制,使平面特征之间建立空间连接,获得训练好的卷积神经网络模型。本发明提高了脑部核磁共振图像的特征提取精度。
-
公开(公告)号:CN116109205A
公开(公告)日:2023-05-12
申请号:CN202310233004.3
申请日:2023-03-10
Applicant: 河南大学
IPC: G06Q10/0639 , G06Q10/0635 , G06Q50/06 , G06F17/16 , G06F18/22 , G06F18/25
Abstract: 本发明涉及风险评估技术领域,具体涉及基于D数的核电厂人误事件相关性分析方法,该方法包括:确定核电厂影响人误事件相关程度因素及其结构关系,确定各影响因素权重,建立描述相关性等级的隶属度函数和锚点,将多专家对各影响因素的语义评价转化为D数,确定D数之间的差异,对可信度进行修正并获取可信度权重系数,确定多组D数组合顺序引导D数组合,综合各影响因素权重及其语义评价转化D数集成,输出核电厂人为操作的相关性程度及其可信度。本发明通过衡量D数之间差异性确定其可信度进行排序,解决了多组D数因不符合交换律导致组合顺序难以确定的问题,在核电厂人因可靠性分析中效果良好,具有重要的理论意义和应用价值。
-
-
-
-
-