-
公开(公告)号：CN108847285B
公开(公告)日：2021-05-28
申请号：CN201810436034.3
申请日：2018-05-09
Applicant: 吉林大学
Abstract: 本发明涉及一种基于机器学习的孕前期及孕中期唐氏综合征筛查方法，该方法包括如下步骤：选择孕妇中孕期唐氏筛查结果数据中的ns个字段作为训练特征；将Ns条样本加入数据集A；对数据集A内的样本进行预处理，使少数类集合与多数类集合中的样本数目达到均衡，获得合成数据集；将合成数据集中的样本进行处理获得胎儿是否患有唐氏综合征的预测模型，利用预测模型对测试样本进行预测得到预测结果。本发明避免了人为划分指标阈值的过程，减轻了人力资源，能够取得较高的准确率和较低的假阳性率。
-
公开(公告)号：CN109800811A
公开(公告)日：2019-05-24
申请号：CN201910065984.4
申请日：2019-01-24
Applicant: 吉林大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。
-
公开(公告)号：CN108877949A
公开(公告)日：2018-11-23
申请号：CN201810592920.5
申请日：2018-06-11
Applicant: 吉林大学
Abstract: 本发明涉及一种基于孤立森林算法和投票机制的唐氏综合症筛查方法，该方法包括下述步骤：数据预处理：将多条样本加入数据集；划分数据集，得到A训练集和B训练集，进一步交叉划分A训练集，得到多个训练子集：训练得到多个孤立森林模型及其对应的异常度得分阈值；对B训练集中的样本投票得到每个样本的所得票数：获得预判决阈值以及B训练集中的每条样本的预判决结果；使用训练支持向量机SVM模型进行最终判决。本发明能够提高异常的检出率，降低误诊率。
-
公开(公告)号：CN108597603A
公开(公告)日：2018-09-28
申请号：CN201810416949.8
申请日：2018-05-04
Applicant: 吉林大学
Abstract: 本发明涉及一种基于多维高斯分布贝叶斯分类的癌症复发预测系统，该系统的包括预处理模块、训练模块和贝叶斯分类器；预处理模块对训练集进行数据清洗并生成类向量数据集；训练模块首先计算两个类属性先验概率，然后利用pearson相关系数将数据属性分成与类属性关联度紧密的类数据属性集合和与类属性关联度稀疏的II类数据属性集合，两类数据属性集合分别利用多维高斯分布和一维高斯分布来计算相应的概率；贝叶斯分类器将两者概率及类别的先验概率联合共同作为数据属于每个类的概率，并据此判别癌症的分类测试结果。本发明提高了癌症是否复发的预测准确率。
-
公开(公告)号：CN119626256A
公开(公告)日：2025-03-14
申请号：CN202411694300.4
申请日：2024-11-25
Applicant: 吉林大学
IPC: G10L25/51 , G10L25/24 , G10L25/18 , G10L25/30 , G10L19/02 , G10L19/26 , G06F18/241 , G06F18/214 , G06F18/213
Abstract: 基于声学融合特征的低慢小无人机检测方法，本发明涉及无人机检测方法，属于信号处理技术与深度学习领域。本发明的目的是为了解决传统的无人机检测方法主要依赖于雷达、视觉和红外等技术，但在复杂城市环境下低慢小无人机检测准确率低的问题。过程为：建立城市环境下无人机音频信号数据集；构建无人机检测网络模型；将城市环境下无人机音频信号作为无人机检测网络模型的输入，检测结果作为无人机检测网络模型的输出；检测结果为是否存在无人机；获得训练好的无人机检测网络模型；将待测城市环境下音频信号输入训练好的无人机检测网络模型，训练好的无人机检测网络模型输出检测结果。
-
Patent Agency Ranking
公开(公告)号：CN119598149A
公开(公告)日：2025-03-11
申请号：CN202411694288.7
申请日：2024-11-25
Applicant: 吉林大学
IPC: G06F18/21 , G06F18/25 , G06F18/2131 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 一种基于注意力机制与多域特征融合的辐射源识别方法，本发明涉及基于注意力机制与多域特征融合的辐射源识别方法。本发明的目的是为了解决现有方法针对特定辐射源识别的准确性和可靠性差的问题。过程为：步骤一、构建辐射源数据集；步骤二、构建辐射源识别网络；辐射源识别网络包括变分模态分解VMD模块、离散小波变换DWT模块、特征提取器、多域特征融合模块、线性网络；将步骤一构建的辐射源数据输入辐射源识别网络，辐射源识别网络输出识别结果；对辐射源识别网络进行训练，获得训练好的辐射源识别网络；步骤三、将待测辐射源输入训练好的辐射源识别网络，训练好的辐射源识别网络输出识别结果。本发明用于辐射源识别领域。
-
公开(公告)号：CN113408463A
公开(公告)日：2021-09-17
申请号：CN202110734642.4
申请日：2021-06-30
Applicant: 吉林大学
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于距离度量的细胞图像小样本分类系统；其中图像转换模块对细胞图像数据集进行处理，并采用训练好的图像转换网络得到细胞小样本数据集；预训练模块对构建的Resnet18分类模型进行预训练，小样本分类模块通过训练构建的细胞小样本分类模型实现对细胞小样本图像中的细胞进行分类；本系统能够辅助临床医生对血液细胞进行快速分类，以减少工作量，提高细胞分类能力以及模型泛化能力，对处理医学领域中的血液细胞小样本分类问题具有重要意义。
-
公开(公告)号：CN112885409A
公开(公告)日：2021-06-01
申请号：CN202110059973.2
申请日：2021-01-18
Applicant: 吉林大学
Abstract: 本发明属于结直肠癌蛋白标志物选择技术领域，具体涉及一种基于特征选择的结直肠癌蛋白标志物选择系统；其中数据处理模块采集大肠癌蛋白文本数据，并对数据进行处理，特征排序模块采集数据处理模块输出的数据，并按ReliefF法计算每种大肠癌表达蛋白的权重；特征选择模块使用Lasso方法计算每种大肠癌表达蛋白的特征重要性，最后分别将每种蛋白质的特征重要性与该种蛋白质的权重相乘，获得每种蛋白质的重要性评分，归一化处理得到每种蛋白质的最终重要性评分，将蛋白质的最终重要性评分从大到小进行排序，选择排名靠前的蛋白质作为输出；辅助临床医生对肿瘤生物标志物的鉴定，分析肿瘤组织与正常组织的蛋白质组差异。
-
公开(公告)号：CN112561863A
公开(公告)日：2021-03-26
申请号：CN202011406222.5
申请日：2020-12-03
Applicant: 吉林大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于深度学习的粒细胞图片细粒度分类识别系统；包含定位模块和分类模块，其中定位模块利用Hourglass网络模型对输入的粒细胞图片进行特征提取，将粒细胞图片中的全部细胞分别进行定位，再将定位后的细胞裁剪出来，留下单个完整的细胞，并将全部裁剪出来的细胞进行尺寸归一化处理；分类模块采用构建的深度学习分类模型对定位模块定位出的粒细胞进行分类；辅助临床医生准确高效完成粒细胞分类识别计数任务，减小主观性带来的误差，减轻医生的工作量，辅助医生做出疾病判断；该系统能够有效解决非均衡数据下的细胞分类以及粒细胞间的细粒度分类，提升网络分类识别效果。
-
公开(公告)号：CN110705639A
公开(公告)日：2020-01-17
申请号：CN201910940562.7
申请日：2019-09-30
Applicant: 吉林大学
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于深度学习的医学精子图像识别系统；包括输入模块、定位模块和分类模块，其中输入模块用于采集检测者进行灰度化处理后的精子图片；定位模块根据输入模块中采集到的精子图片，利用深度学习和图像识别方法中的YOLO v3模型对精子图片上的精子头部进行定位；分类模块采用构建的VGG-dense block分类模型对定位模块中定位出的精子头部进行正异常判定，输出正常精子和异常精子；本系统检测精子图片用时短，大大减轻了医生的工作量，准确率高，减小主观性带来的误差，可以辅助和部分替代医生进行精子形态评估，具有良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.021 seconds)
