-
公开(公告)号：CN111640120A
公开(公告)日：2020-09-08
申请号：CN202010274508.6
申请日：2020-04-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于显著性密集连接扩张卷积网络的胰腺CT自动分割方法。该方法在从粗到细的两步分割框架下，以密集连接扩张卷积网络为基础卷积网络架构，以获得目标多尺度的图像特征表达。在粗分割阶段预测胰腺的初始分割概率图。然后通过基于测地距离变换的显著性变换，计算显著性图，并将显著性模块引入密集连接扩张卷积网络的特征提取层中，构建显著性密集连接扩张卷积网络作为精分割网络模型。利用训练样本集分别训练粗分割模型和精分割模型。新的测试数据分别通过粗分割模型和精分割模型，再对多层二维分割结果融合，获得最终胰腺精准分割结果。本发明具有自动化、精度高、可迁移扩展的特点，可以实现以胰腺为代表的小器官的自动精准分割。
-
公开(公告)号：CN110728291A
公开(公告)日：2020-01-24
申请号：CN201910629792.1
申请日：2019-07-12
Applicant: 之江实验室
IPC: G06K9/62
Abstract: 本发明公开了一种基于多中心模式下随机森林算法的特征重要性排序系统，该系统包括部署在参与协同计算的各中心的前置机、接收并整合各中心特征重要性排序结果的中心服务器、将最终特征重要性排序结果反馈给用户的结果展示模块。本发明基于多中心的随机森林算法，在各个中心分别计算特征重要性排序结果；在中心服务器进行整合各个中心的排序结果，形成全局性的特征重要性排序结果。本发明在不暴露各个中心数据的条件下，各个中心的数据始终在各中心，只向中心服务器传递中间参数，不传递原始数据，有效保障了数据安全和数据中包含的个人隐私。
-
公开(公告)号：CN110347798A
公开(公告)日：2019-10-18
申请号：CN201910629843.0
申请日：2019-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于自然语言生成技术的知识图谱辅助理解系统，该系统包括知识图谱选择模块、知识图谱翻译模块和结果展示模块；本发明利用自然语言生成技术将知识图谱转换为自然语言文本，方便领域专家在不了解知识图谱的源代码和软件的基础上，在使用知识图谱前，对于其领域的知识图谱有准确、深入且全面的了解。同时每一个短句与知识图谱本身对应的源代码相关联，如果发现知识图谱存在的冗余和错误信息，可以及时对其进行纠正，且该方法通用性较强。本发明利用可视化方法进一步加快领域专家对于知识图谱的理解。
-
公开(公告)号：CN110190946A
公开(公告)日：2019-08-30
申请号：CN201910629833.7
申请日：2019-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于同态加密的隐私保护多机构数据分类方法，首先使用者生成训练数据的筛选条件发送给计算中心；计算中心利用同态加密算法生成加密参数发送给各家数据提供机构；各家数据提供机构对标注有分类标签的本地数据进行筛选，得到训练数据，根据加密参数利用同态加密算法生成各自的公钥和私钥，通过公钥加密训练数据发送给计算中心；计算中心与各家数据提供机构共同执行同态加密下的逻辑回归分析，得到数据分类模型发送给使用者；使用者将待分类数据输入数据分类模型得到分类结果。本发明在实际应用中具有更高的安全性，既有效保护了个人隐私，又避免了数据提供机构可能产生的利益损失，在很大程度上促进了多机构数据分析的开展。
-
公开(公告)号：CN120067337A
公开(公告)日：2025-05-30
申请号：CN202510536475.0
申请日：2025-04-27
Applicant: 之江实验室
IPC: G06F16/355 , G06F18/231
Abstract: 本申请提供一种文本语料的去重处理方法、去重处理系统和存储介质。文本语料的去重方法包括：对全局待去重文本语料进行随机采样，得到待去重文本语料子集；根据预设的文本分类模型，将待去重文本语料子集分为多个分类集合；对各个分类集合中的文本语料进行层次化聚类，得到层次化聚类结构；根据层次化聚类结构将全局待去重文本语料分至多个语料桶；对所有语料桶进行桶内去重后，进行全局去重，得到去重后的文本。如此，实现了文本语料的去重过程的优化，有利于节约去重过程所需要的计算资源和存储资源。
-
Patent Agency Ranking
公开(公告)号：CN119888384A
公开(公告)日：2025-04-25
申请号：CN202510380938.9
申请日：2025-03-28
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统。一方面，将Med3D网络中的骨干网络作为深度特征提取器构建目标网络，并用多模态3D磁共振影像数据对目标网络进行微调训练得到相应的卵巢肿瘤分类网络，以用于获取深度特征以及肿瘤分类结果。另一方面，提取肿瘤感兴趣区域的组学特征，并得到组学预测模型对应的肿瘤分类结果。此外，将深度特征和组学特征进行融合并通过KNN分类算法得到相应的分类结果。最后，根据以上三个分类结果的加权平均得到最终的卵巢肿瘤交恶性分类结果。本发明通过综合多种模型和算法，实现对卵巢肿瘤患者的多模态MRI影像数据进行更加全面的特征挖掘和分析，从而提高最终的卵巢肿瘤分类效果。
-
公开(公告)号：CN118916842B
公开(公告)日：2025-03-11
申请号：CN202411412220.5
申请日：2024-10-11
Applicant: 之江实验室
Abstract: 本发明公开了基于知识蒸馏的缺失多模态数据动态融合方法、系统及装置，基于分类网络构建多个单模态教师模型，通过每种单个模态数据对分类网络分别训练，得到对应的单模态教师模型；基于门限网络和一系列专家网络构建多模态动态融合网络，门限网络用于决定哪些专家网络被激活，输出一个one‑hot的向量，向量的长度为专家网络的个数，每个专家网络使用的数据是多个模态的子集进行特征融合，通过包含完整模态的数据训练完成后的多模态动态融合网络作为学生模型；利用教师模型对学生模型进行蒸馏训练，将实际获取的多模态数据输入到多模态动态融合网络，得到类别预测结果。本发明能够提高数据的有效利用率并提高多模态模型的预测准确性。
-
公开(公告)号：CN119577166A
公开(公告)日：2025-03-07
申请号：CN202510133907.3
申请日：2025-02-06
Applicant: 之江实验室
IPC: G06F16/51 , G06F16/535 , G06F16/587
Abstract: 本说明书公开了一种球面网格分片的查询方法、装置、存储介质及电子设备，当用户需要对球面的网格分片进行查询时，终端仅需确定出球面的待查询区域的待查询索引，将包括待查询索引的球面网格分片查询请求发送至服务器。服务器可在根据包括待查询索引的球面网格分片查询请求及预先构建的球面网格数据集合中，确定出目标球面网格数据，返回至终端。终端接收目标球面网格数据并展示。本方法无需终端进行球面剖分，仅需确定待查询索引，减少了终端所需计算资源负载，提高了查询效率。
-
公开(公告)号：CN118822851B
公开(公告)日：2025-02-14
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
公开(公告)号：CN118822851A
公开(公告)日：2024-10-22
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
-
-
-
-
-
-
-
-
Search Results
401
records
(took 0.028 seconds)
