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。

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：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。