公开(公告)号：CN117745655A

公开(公告)日：2024-03-22

申请号：CN202311657847.2

申请日：2023-12-04

Applicant: 湖北工业大学

Inventor： 黄忠唯 ,  李建强 ,  杨佳涛 ,  甘海涛 ,  周然 ,  万俊 ,  杨智 ,  时明

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于灵活映射的自适应监督特征选择方法及系统，包括：从医学图像数据中提取图像特征从而获得样本矩阵；建立目标函数，根据目标函数采用灵活映射的方式将样本数据投影至低维的数据空间；对目标函数进行优化，得到最佳的投影矩阵W；从W中筛选出富有信息的特征；将筛选出的特征分别输入到样本分类模型、样本临床得分预测模型进行训练，得到训练后的样本分类模型、样本临床得分预测模型；将待分类与预测临床得分的医学图像数据重复步骤1‑4的操作得到筛选出的特征，将筛选出的特征分别输入到训练完成的模型中进行预测，分别得到医学图像的分类和临床得分。本发明引入灵活映射的方法解决了线性映射条件过于严格的问题。

公开(公告)号：CN115795344A

公开(公告)日：2023-03-14

申请号：CN202211525235.3

申请日：2022-11-30

Applicant: 湖北工业大学

Inventor： 杨智 ,  李康 ,  甘海涛 ,  周然 ,  严亚东 ,  欧阳翰 ,  颜家璇

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/22 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于混合扩散的图卷积网络的文献分类方法及系统，包括：获取包含文献数据的训练数据集；通过特征相似性扩散模型对节点进行特征空间邻域节点间信息扩散,得到经过节点特征空间信息扩散的数据集；对经过特征空间信息扩散的数据集,通过图卷积模型利用邻接矩阵进行邻接节点间的信息扩散；对经过混合扩散后的数据集进行半监督的图卷积网络训练，并使用节点间的扩散距离对最终的预测标签进行约束；采用训练后得到的基于混合扩散的图卷积网络进行文献分类。本发明利用了节点特征的混合扩散，来对每个节点信息进行在特征空间中的相近节点的信息扩散和邻接节点间的信息扩散，使得节点特征包含更多信息，可显著提升文献分类准确率。

公开(公告)号：CN115272219A

公开(公告)日：2022-11-01

申请号：CN202210870486.9

申请日：2022-07-22

Applicant: 湖北工业大学

Inventor： 周然 ,  丁景 ,  邱战洪 ,  甘海涛 ,  叶志伟 ,  方小悦

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11 ,  G06T7/33 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种超声图像自监督分割方法，包括：对获取的超声图像训练数据集进行预处理；对步骤1所得的预处理后的超声图像数据集进行扭曲形变，并对图像进行配准并以其训练Do‑Unet，获得最佳的Do‑Unet网络权重参数；将步骤2获得的最佳网络权重参数迁移到Do‑Unet中，并将步骤1所得到的预处理后有标签的超声图像数据集加载Do‑Unet网络中，对Do‑Unet进行训练进一步获得优化后的Do‑Unet的最优网络权重参数；将步骤3中保存的最优网络权重参数加载到优化后的Do‑Unet中，将待分割超声图像输入至上述目标网络Do‑Unet中，得到最终的超声图像分割结果。本发明不仅可以适用于少量标签样本下超声图像分割，而且能大大提升超声图像分割的准确性。

公开(公告)号：CN116664504A

公开(公告)日：2023-08-29

申请号：CN202310584634.5

申请日：2023-05-23

Applicant: 湖北工业大学

Inventor： 周然 ,  刘洋 ,  冯子腾 ,  杨智 ,  黄忠唯 ,  甘海涛

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于深度不平衡回归的胎儿大脑脑龄估计方法及装置，该方法包括：将标签引入到胎儿大脑磁共振图像训练集中，使用标签分布平滑策略获取有效标签密度分布；建立多尺度分层分割胎儿大脑特征提取回归网络；构建回归焦点均方误差损失函数，采用有效标签密度对回归焦点均方误差损失函数重新加权；构建等级排序相似度正则化器；以重新加权后的焦点均方误差回归损失函数作为主函数，等级排序相似度正则化器作为平衡正则化项，构造胎儿大脑特征提取回归网络的总损失函数。该方法可以显著地提升回归模型的性能，可以让模型更好地学习回归年龄标签的连续信息，获得更低的平均绝对误差，有助于识别大脑发育的异常以及降低不良发育的风险。

公开(公告)号：CN115861713A

公开(公告)日：2023-03-28

申请号：CN202211718722.1

申请日：2022-12-29

Applicant: 湖北工业大学

Inventor： 甘海涛 ,  付凌超 ,  欧阳瀚 ,  周然 ,  杨智

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明涉及一种基于多任务学习的颈动脉斑块超声图像处理方法，包括以下步骤：引入颈动脉斑块超声图像数据集，并进行预处理，得到训练数据集；构建多任务网络框架；添加区域权重模块；添加样本权重模块；将训练数据集作为训练样本输入多任务网络进行训练，在测试集上判定斑块类别和预测斑块分割图像。该基于多任务学习的颈动脉斑块超声图像处理方法，通过对多个任务同时进行训练、共享所学习的特征达到输入一次训练样本解决多个问题的目的，如此，提升了深度学习模型泛化能力，使得任务之间互相联动，促进训练效果，提升分割与分类任务的准确度，解决了在颈动脉斑块超声图像领域深度学习模型泛化能力差，学习特征有限的问题。

公开(公告)号：CN116469470A

公开(公告)日：2023-07-21

申请号：CN202310313192.0

申请日：2023-03-24

Applicant: 湖北工业大学

Inventor： 甘海涛 ,  温佳慧 ,  周然 ,  杨智 ,  方小悦

IPC: G16B40/00 ,  G16C20/30 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种基于Transformer网络改进的分子‑蛋白质反应预测分类方法：(1)分别对分子和蛋白质进行特征编码，将序列数据转化为机器可识别的特征向量数据集，其中分子使用邻接矩阵表示；(2)将数据集划分为训练集、验证集、测试集；(3)将训练集输入到改进后的Transformer网络进行训练，并采用双向注意力机制对数据的特征向量进行学习。(4)将经过Transformer网络训练后的分子特征向量和蛋白质特征向量拼接，输入到全连接层，得到分类结果。本发明提出的Transformer网络改进的分子‑蛋白质反应预测分类方法，能有效的提升分子‑蛋白质反应预测分类准确率。

公开(公告)号：CN113822342A

公开(公告)日：2021-12-21

申请号：CN202111028155.2

申请日：2021-09-02

Applicant: 湖北工业大学

Inventor： 杨智 ,  严亚东 ,  甘海涛 ,  周然 ,  王岌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于安全图卷积网络的文献分类方法及系统，该方法包括：S100：获取包含已标记样本数据和未标记样本数据的训练数据集；S200：利用当前训练数据集训练半监督图卷积网络，并对当前的未标记样本数据进行预测；S300：利用当前训练数据集训练监督图卷积网络，并对当前的未标记样本数据进行预测；S400：选出高置信度样本数据扩充已标记样本数据；S500：迭代执行步骤S200‑S400直至迭代停止；S600：采用当前训练数据集中已标记样本数据训练监督图卷积网络；S700：采用监督图卷积网络进行文献分类。本发明结合半监督学习和图卷积神经网络进行样本扩充，可显著提升文献分类准确率。

公开(公告)号：CN113158949A

公开(公告)日：2021-07-23

申请号：CN202110478028.6

申请日：2021-04-30

Applicant: 湖北工业大学

Inventor： 甘海涛 ,  许宵闻 ,  欧阳瀚 ,  林姗 ,  周然

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于自监督学习的运动想象脑电信号分类方法，包括辅助任务和目标任务学习；在辅助任务学习中，对每条运动想象脑电信号样本分割成多个块，并随机排列组合得到乱序的脑电信号样本，采用卷积神经网络对正序和乱序脑电信号样本分类，得到辅助任务最优模型；在目标任务学习中，将辅助任务最优模型迁移至目标任务网络初始化权重，并采用少量标记样本，更新目标任务网络，得到运动想象脑电信号分类模型；使用该模型对测试样本进行分类，得到分类结果。本发明提出的自监督学习方法，可有效提高目标任务网络的收敛效率，提升运动想象脑电信号分类的准确率。

公开(公告)号：CN116958114A

公开(公告)日：2023-10-27

申请号：CN202310957605.9

申请日：2023-07-31

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  胡彬 ,  梅梦清 ,  梅礼晔 ,  王明威 ,  徐川 ,  周雯 ,  甘海涛 ,  周然 ,  靳华中

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于双阶段编解码器分割网络的癌细胞核分割方法，引入了图像标准化、随机裁剪拼接和仿射变换，消除数据之间差异性，增强训练样本的复杂程度；提出特征提取算法、深度联合结构和特征选择模块，特征提取算法用于提取低维特征信息，深度联合结构用于提取高维特征信息，特征选择模块用于丰富特征图的表达能力，最后利用内层解编码器网络对外层编码器提取的特征信息进行第二次的降采样以及特征融合，并引入多级跳过路径，将不同尺度特征信息转发给外层解码器，外层解码器对各种尺度特征信息进行聚合，充分利用所有特征信息，可以在复杂的细胞环境下准确分割细胞核，为后续细胞核形态定量分析提供精确的分割结果。

公开(公告)号：CN113822342B

公开(公告)日：2023-05-30

申请号：CN202111028155.2

申请日：2021-09-02

Applicant: 湖北工业大学

Inventor： 杨智 ,  严亚东 ,  甘海涛 ,  周然 ,  王岌

IPC: G06F18/241 ,  G06N3/0464 ,  G06N3/08