公开(公告)号：CN117611838A

公开(公告)日：2024-02-27

申请号：CN202311646149.2

申请日：2023-12-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 邵俊明 ,  吴蔚 ,  杨勤丽

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于自适应超图卷积网络的多标签图像分类方法，通过对图像原始数据进行预处理，使用ResNet‑101进行特征提取。随后对图像特征使用K‑近邻方法构建超图，用超图建模图像数据之间的复杂高阶关系。接着将图像特征送入自适应超图卷积神经网络，在三层超图卷积层中，(第一层与第二层之间、第二层与第三层之间)共设置两个自适应更新模块，对超图结构进行更新。由于图像特征在经过卷积后，图像数据之间的复杂联系被进一步的探索，对超图的拓扑进行更新可以提升后续特征的质量，从而提升了模型性能。最后使用全连接层来完成对图像多标签的分类任务。

公开(公告)号：CN117995415A

公开(公告)日：2024-05-07

申请号：CN202311646217.5

申请日：2023-12-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 邵俊明 ,  吴蔚 ,  杨勤丽

IPC: G16H50/70 ,  G16H50/30 ,  G16H50/20 ,  G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种自适应超图表征的阿尔兹海默症早期诊断方法，通过对多模态数据进行特征提取，分别构建超图。用超图建模受试者之间的复杂高阶关系。随后将各模态数据送入自适应超图卷积神经网络，在两层超图卷积层之间，自适应更新超图结构。经过第一层的卷积，受试者之间的高阶关系被进一步探索，相应的超图结构得到了更新，从而提升了后续特征的质量，增强模型的效果。经过卷积后，将各模态的高阶特征进行基于注意力机制的特征融合，不同于普通的特征拼接，使用注意力机制可以对各模态中的重要特征进行突出，对噪声特征进行抑制，可以自动发现不同模态的相关性和互补性，从而实现了对阿尔兹海默症进行早期诊断。