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：CN113159223A

公开(公告)日：2021-07-23

申请号：CN202110532794.6

申请日：2021-05-17

Applicant: 湖北工业大学

Inventor： 甘海涛 ,  颜家璇 ,  许宵闻 ,  周然 ,  杨智

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督学习的颈动脉超声图像识别方法。所述方法包括以下步骤：(1)采集颈动脉超声图像并预处理；(2)根据预处理后所得的超声图像数据集使用自监督学习的辅助任务函数扩充数据集和生成对应的伪标签；(3)将从步骤(2)所得的新的超声图像数据集载入神经网络中训练，保存学习到的最优网络权重参数；(4)将网络权重参数迁移到目标神经网络中，对步骤(1)所得的预处理后的超声图像数据集进行学习，得到目标神经网络的最优网络模型，再对测试集进行测试获得最终测试精度。本方法将自监督学习方法应用于颈动脉超声图像提取特征的表面变化和内部特性，为病变区域的预测提供了一种定量的分析方法。