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：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：CN115601342A

公开(公告)日：2023-01-13

申请号：CN202211324277.0

申请日：2022-10-27

Applicant: 湖北工业大学(CN)

Inventor： 黄忠唯 ,  李建强 ,  甘海涛 ,  时明 ,  方小悦 ,  周然 ,  杨智

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82

Abstract: 针对医学影像数据含有噪音，包含冗余特征，并存在类别不平衡的问题，本发明提供了一种基于混合稀疏的样本和特征选择方法、装置，来选择富含信息的样本和特征，具体而言，利用嵌入学习和l0范数来选择合适的正负样本数量，以此缓解类别不平衡问题，本发明利用l2，p范数来进行自适应稀疏以选择有判别力的特征。最后本发明利用选择出的样本和特征来进行医学影像数据的自动化分类和预测，从而辅助医生进行疾病的诊断，提升医疗工作者的工作效率。