公开(公告)号：CN119831877A

公开(公告)日：2025-04-15

申请号：CN202411956222.0

申请日：2024-12-28

Applicant: 河南大学 ,  北京空间飞行器总体设计部

Inventor： 杨晓慧 ,  赵泉翎 ,  张雅馨 ,  庄海孝 ,  李怀锋 ,  乔晗

IPC: G06T5/60 ,  G06T5/50 ,  G06V10/34 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及人工智能图像处理技术领域，具体涉及融合背景引导约束的模糊图像扩散复原方法，该方法包括：将背景引导约束融入复原损失中，再结合预训练的扩散生成模块，实现了对模糊图像的复原。为提升复原的准确、真实性，利用生成图像与噪声图像背景之间的相似性对复原过程加以引导形成背景引导约束，改善了复原过程中背景过平滑导致的复原图像不真实的问题。为保持图像中更多的细节和轮廓信息，在复原之后图像的基础上再利用预训练好的扩散生成模块，生成更多图像的细节。最终，提出一个融合背景引导约束的模糊图像复原网络，能够有效缓解噪声、拍摄等因素导致的图像退化，改善图像质量。通过对图像进行复原能够将图像的主体变得更加清晰。

公开(公告)号：CN119494802A

公开(公告)日：2025-02-21

申请号：CN202411609721.2

申请日：2024-11-12

Applicant: 河南大学 ,  北京空间飞行器总体设计部

Inventor： 杨晓慧 ,  冯成 ,  王露露 ,  陈飞洋 ,  李怀锋 ,  庄海孝

IPC: G06T5/94 ,  G06T5/60 ,  G06T5/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明涉及基于人工智能和机器视觉的图像复原技术领域，具体涉及基于高阶梯度约束和扩散生成模型的图像复原方法，该方法通过将改进的各项异性扩散方程融入深度学习框架中，构建了高阶梯度约束的复原模块，能够有效改善图像中的细节和轮廓信息。同时，提出修正LogCosh损失函数，旨在更好地处理异常值较多的场景，从而增强模型对图像异常值的鲁棒性。最后，通过预训练的扩散生成模型，生成了高质量的复原图像。本发明提出的图像复原方法适用于自然图像处理领域，也适用于遥感和卫星图像处理等领域，能够有效缓解噪声等因素导致的图像退化，显著改善图像清晰度，从而提高了图像复原效果。

公开(公告)号：CN115661665A

公开(公告)日：2023-01-31

申请号：CN202211570398.3

申请日：2022-12-08

Applicant: 河南大学三亚研究院 ,  河南大学

Inventor： 苗琛 ,  杨晓慧 ,  王佳惠 ,  王烨彤 ,  孙炎锋 ,  常原恺 ,  宋宇

IPC: G06V20/10 ,  G06V20/69 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种端到端的方向性花生（Arachis hypogaea L.）叶片气孔表型实时智能检测方法及系统—PeanutNet。本发明的核心是端到端的方向性花生叶片气孔表型实时智能检测方法。该方法针对有损或者无损方式获取的花生叶片表皮气孔图像数据，通过构建一种端到端的方向性目标检测网络，一站式实现实时的花生叶片气孔定位，密度和开度等表型信息全自动获取。本发明的PeanutNet主要包括如下模块：花生叶片图像导入模块、花生叶片气孔智能检测模块、批量处理与显示模块、模型参数调整模块、保存检测与识别详细信息模块等。该系统具有实时性，极大地方便了用户对花生气孔表型性状进行分析，还能通过参数调整模块最大限度地提高识别的准确性和可扩展性。

公开(公告)号：CN114732409B

公开(公告)日：2025-02-25

申请号：CN202210173928.4

申请日：2022-02-24

Applicant: 河南大学

Inventor： 杨利军 ,  欧阳如杰 ,  杨晓慧 ,  郑晨 ,  辛欣 ,  苏丽敏 ,  杨晓艺

IPC: A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/2415 ,  G06F18/2431 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种基于脑电信号的情绪识别方法，通过对脑电信号预处理后，将连通性指标作为邻接矩阵，利用图卷积神经网络提取图特征；同时利用时间卷积神经网络提取脑电信号中所蕴含时间特征；进而将两者有效结合进行情绪分类。本方法将图卷积神经网络和时间卷积神经网络相结合，一方面将脑电信号建立为图模型，利用功能连通性指标作为图模型的邻接矩阵进行图卷积特征提取；另一方面利用时间卷积网络提取时间特征。将两个并行的网络提取的空间特征和时间特征相结合，使得模型对不同情绪有更好的识别能力。

公开(公告)号：CN118857174A

公开(公告)日：2024-10-29

申请号：CN202410925703.9

申请日：2024-07-11

Applicant: 开封市测控技术有限公司 ,  河南大学

Inventor： 白云飞 ,  陈鹏 ,  李铮 ,  葛铮 ,  张钰洋 ,  杨利军 ,  杨晓慧 ,  郑晨

IPC: G01B15/02

Abstract: 本发明涉及一种测厚仪反馈数据的矫正方法，包括以下步骤：驱动被测极片运动并利用测厚仪驱动第一测厚组件对被测极片进行第一次测量校准后得到数据组r；驱动被测极片运动并利用测厚仪驱动第二测厚组件对被测极片进行第二次测量得到数据组y*；驱动被测极片运动并利用测厚仪驱动第三测厚组件对被测极片进行第三次测量得到数据组x；利用构建全连接神经网络和因子分解机模型，根据数据组r、数据组y*、数据组x、第三测厚组件反馈数据的权重参数以及第二测厚组件反馈数据y*的权重参数，求得第三测厚组件反馈数据所对应拟合值；能够降低X射线测厚仪被标定的频率并且能够保持通过X射线测厚仪获取数据可靠性；本发明使用方便，具有广泛的市场前景。

公开(公告)号：CN117763499A

公开(公告)日：2024-03-26

申请号：CN202311838303.6

申请日：2023-12-28

Applicant: 河南大学 ,  黄河水利职业技术学院

Inventor： 杨晓慧 ,  李静静 ,  冯元 ,  彭李超 ,  宋宇 ,  秦蒙恩

IPC: G06F18/25 ,  G06F18/2135 ,  G06F18/2136 ,  G06F18/2413 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积稀疏编码和最优传输的多模态数据整合方法，该方法利用卷积稀疏编码协同地学习两个多模态输入特征的潜在表示，从方法论的角度缓解了神经网络的可解释性问题。在生成潜在空间时，为了更好地学习数据的分布情况，采用了最优传输理论，以解决真实分布和生成分布可能没有重叠的问题。进而基于多模态数据之间的相关矩阵进行对齐，在对齐点对两个模态的潜在空间组合，引导相似样本在不同模态之间有相似表达，最终实现多模态数据的整合。本发明使得整合后的潜在空间分类精度显著提升，适用于生物医学领域单细胞测序数据和影像数据等多组学数据整合分析。

公开(公告)号：CN116993689A

公开(公告)日：2023-11-03

申请号：CN202310913294.6

申请日：2023-07-20

Applicant: 河南大学淮河医院

Inventor： 王斌杰 ,  李宣乐 ,  杨晓慧 ,  秦长江 ,  王长福 ,  王智 ,  贺祥 ,  王小丹

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26

Abstract: 本发明涉及生物医学技术领域及医学图像处理领域，具体公开了一种预测胰腺癌间皮素表达水平的方法，该具体步骤为：S1、对胰腺癌患者胰腺部位肿瘤区域医学图像进行处理，获取所述肿瘤区域医学图像病灶的感兴趣区域图像；S2、提取所述感兴趣区域图像中的影像组学特征；S3、将步骤S2提取的影像组学特征的值输入评分预测模型，计算得到所述感兴趣区域图像的图像评分；S4、对步骤S3获得的图像评分进行定性分析，预测所述胰腺癌患者胰腺部位肿瘤细胞间皮素表达水平。本发明的方法能够有效预测建间皮素在胰腺癌患者中的表达水平，预测的AUC能够达到0.843，灵敏度达到了80.00%，特异度达到了75.68%，具有较高的准确性，不仅为当前临床上对胰腺癌肿瘤细胞间皮素表达水平检测提供了一种新的手段，还能够为胰腺癌临床治疗提供新的参考，有利于临床医生确定更精准的胰腺癌治疗方案。

公开(公告)号：CN113380346A

公开(公告)日：2021-09-10

申请号：CN202110765040.5

申请日：2021-07-06

Applicant: 河南大学

Inventor： 彭李超 ,  杨晓慧 ,  侯贺讯 ,  董晶 ,  王治华 ,  赵彦保

IPC: G16C20/70 ,  G16C20/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力卷积神经网络的偶联反应产率智能预测方法，包括数据获取、模型构建和产率智能预测。具体实现步骤如下：1）利用化学相关软件计算和提取化合物的特征描述符，将特征描述符作为训练集和测试集的原始数据，进行后续处理；2）将特征描述符数据导入卷积神经网络中，在卷积神经网络模型中融入注意力机制；3）使用搭建好的注意力卷积神经网络模型对获取的数据进行训练，当模型自带的损失函数MSE的值达到最小时，保存该模型；4）用户可自行调节模型参数，达到最佳预测效果；5）载入训练后的模型，对测试数据进行智能预测。本发明能够辅助化学家对偶联反应的产率进行快速预测，大大加速化学合成过程。

公开(公告)号：CN111540006B

公开(公告)日：2021-03-30

申请号：CN202010337410.0

申请日：2020-04-26

Applicant: 河南大学

Inventor： 杨晓慧 ,  郗梓钧 ,  李结平 ,  朱晓红 ,  宋纯鹏

IPC: G06T7/60 ,  G06T7/73 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种植物气孔智能检测与识别系统；该系统包括：导入图像模块、气孔检测模块、批量处理与显示模块、模型参数调整模块、显示检测识别详细信息模块。该系统极大地方便了用户对高通量植物表皮的细胞图像中气孔表型性状的分析，模型训练耗时短，用户能通过自定义参数功能最大限度地提高气孔自动检测与识别准确性和可扩展性。本发明还提供基于深度迁移学习的植物气孔智能检测与识别方法；该方法通过将自定义的高通量植物叶表皮的细胞光学显微镜图像集和预训练的YOLOv3网络结构进行深度迁移学习来快速高效地训练模型，根据检测与识别的实际效果让用户参与其中，并进行适当的模型参数调整，从而最大限度地提升检测与识别结果。

公开(公告)号：CN103207910A

公开(公告)日：2013-07-17

申请号：CN201310119320.4

申请日：2013-04-08

Applicant: 河南大学

Inventor： 李登峰 ,  杨晓慧 ,  朱秀阁 ,  彭李超 ,  刘占卫 ,  吴国昌 ,  蔡利君

IPC: G06F17/30 ,  G06T7/00

Abstract: 本发明公开了一种基于分层特征和遗传规划相关反馈的图像检索方法，包括以下步骤：（1）对用户提交的检索图像进行自适应分割，得到分割区域；（2）对检索图像提取全局特征；分割区域提取局部底层特征；（3）对于标准图像库中的每一幅图像计算对应于分割区域的最优区域；（4）构建全局-最优区域相似度匹配模式；（5）通过赋予相似度匹配模式中各种相似度以平均权重来计算检索图像和标准图像库中每一幅图像的相似度；根据相似度进行排序得到初始检索结果并把与用户最相似的前若干幅图像返回用户端；（6）用户参与反馈，直到检索出满意的图像。能够更接近用户的检索意图，可以有效地提取图像的内容特征，并能快速有效地完成检索过程。