-
公开(公告)号：CN107492101B
公开(公告)日：2020-06-05
申请号：CN201710799233.6
申请日：2017-09-07
申请人： 四川大学
摘要： 本发明涉及一种基于自适应构造最优图的多模态鼻咽肿瘤分割算法，其包括以下步骤：输入已配准多模态鼻咽肿瘤MR图像；将肿瘤图像映射为加权无向图G＝(V,E)；输入数据矩阵V，定义正则系数γ及参数λ；对相似度矩阵S进行初始化；对S进行行列变换使其成为块对角矩阵，判断变换过后的相似度矩阵中对角块数是否与聚类类数一致，若一致，则转至最后一步，否则进行下一步；构造/更新由Laplacian矩阵前c个最小特征值对应的特征向量组成的矩阵F；对相似度矩阵按行进行更新；根据构造得到的类标记矩阵对目标图像进行分割。本发明的算法在计算数据相似度的同时对图像数据进行聚类，可有效地提升鼻咽肿瘤的分割精度。
-
公开(公告)号：CN110909547A
公开(公告)日：2020-03-24
申请号：CN201911156444.3
申请日：2019-11-22
申请人： 四川大学
IPC分类号： G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08 , G06Q50/18
摘要： 本发明公开一种基于改进深度学习的司法实体识别方法，包括获取司法文本，并对文本格式进行规范处理并进行标记，获得数据集包括训练样本和测试样本；将所述训练样本输入司法实体识别模型进行训练；将待识别文本的测试样本输入训练后的司法实体识别模型，获得识别结果。本发明能够获取长距离上下文特征，获得更多的信息，提高了识别精度和范围；解决深度学习方法在司法识别中预测标签序列无效的问题，保证了识别的有效性和可靠性。
-
公开(公告)号：CN110097512A
公开(公告)日：2019-08-06
申请号：CN201910304511.5
申请日：2019-04-16
申请人： 四川大学
摘要： 本发明公开了一种基于Wasserstein生成对抗网络的三维MRI图像去噪模型的构建方法及应用，本发明以Wasserstein生成对抗网络作为基本模型对MRI噪声图像进行处理，利用大规模数据来进行训练，能够使模型自动从数据中学习噪声图像和无噪声图像之间潜在的关联，并将对抗损失、感知损失和MSE损失引入训练模型损失函数的构建中，使构建的模型对三维MRI图像具有很好的去噪效果。
-
-
公开(公告)号：CN108198163A
公开(公告)日：2018-06-22
申请号：CN201810009702.4
申请日：2018-01-05
申请人： 四川大学
CPC分类号： G06T5/50 , G06F17/147 , G06T2207/10036 , G06T2207/20052
摘要： 本发明公开了一种基于离散余弦变换的全色与多光谱图像融合方法，可解决现有全色与多光谱图像融合方法的缺点与不足。该基于离散余弦变换的全色与多光谱图像融合方法通过引入图像压缩标准中广泛采用的DCT变换来提取全色图像中的高频信息，并通过DCT反变换将其成功注入低分辨率多光谱图像中。与现有的技术相比，本发明在保证空间细节失真和谱失真均较小的前提下，融合速度明显提高，从而为全色与多光谱图像融合提供了更有力的技术支持。
-
公开(公告)号：CN107507195A
公开(公告)日：2017-12-22
申请号：CN201710689608.3
申请日：2017-08-14
申请人： 四川大学
摘要： 本发明涉及一种基于超图模型的PET-CT多模态鼻咽癌图像分割方法，包括：提取鼻咽部肿瘤图像中像素点的灰度信息和位置信息来构建数据集，根据数据集构建稀疏表示模型并求解得到重建系数矩阵并构建超边，利用高斯核模型计算数据样本相似度作为超边权重值，求解超边阶、顶点阶以构造超图拉普拉斯矩阵；然后对鼻咽部肿瘤图像进行标记同时获得标记向量，根据标记向量构建半监督学习模型，再通过求解最小二乘问题获得最优切向量，最后将分类结果返回至像素级别，即完成对肿瘤图像的分割。本发明的分割方法相较于单模态的分割精度更高，同时基于稀疏表示与高斯核结合的超图模型比其他简单图模型或超图模型对鼻咽部肿瘤图像数据具有更高的分割精度。
-
公开(公告)号：CN101751692B
公开(公告)日：2012-05-30
申请号：CN200910263558.8
申请日：2009-12-24
申请人： 四川大学
摘要： 本发明公开了一种语音驱动唇形动画的方法，其特征在于，包括以下步骤：将汉语中的音节结构采用Consonant-Vowel分类；采集若干个人的原始音频数据和视频数据；获取对应唇形信息；获取语音特征数据；对所获取的唇形信息和语音特征数据进行训练和建模，依据训练的模型实时输入语音合成的唇形运动序列。该方法克服了现有技术的缺陷，并且运算数据量小，可操做性强等特点。
-
公开(公告)号：CN100361626C
公开(公告)日：2008-01-16
申请号：CN200510020318.7
申请日：2005-02-03
申请人： 四川大学
IPC分类号： A61B5/0402 , A61B5/044 , G06T11/00 , G06T15/00
摘要： 一种采用分布式结构实现旋转扫描二维图像快速重建三维数据场心室功能评价以及实现重建结果的交互显示的方法，其步骤为：用户从客户端或浏览器载入欲处理的心脏二维图像序列；用户通过客户端或浏览器向服务器发送欲处理的心脏二维图像序列和处理请求；服务器接受来自客户端或浏览器的数据，并根据用户请求对心脏二维图像序列作二维或/和三维处理；服务器将处理完的数据发送给相应用户；本地用户在客户端接收和观察处理结果，通过键盘和鼠标控制观察方向绘制区域透明度；远程用户使用浏览器接收和观察处理结果，通过向服务器发送请求来改变观察方向、绘制区域、透明度。
-
公开(公告)号：CN118628746A
公开(公告)日：2024-09-10
申请号：CN202410853324.3
申请日：2024-06-28
申请人： 四川大学
IPC分类号： G06V10/26 , G06V20/70 , G06V10/82 , G06F18/25 , G06F18/22 , G06N3/0455 , G06N3/082 , G06N3/0985
摘要： 本发明公开一种文本引导的图像分割方法，包括：在图像分支中，对采集到的图像，通过N个编码器块组成的视觉骨干编码器进行处理，生成N个不同尺度的图像标记；在文本分支中，文本描述通过文本骨干编码器进行标记化获得文本标记；将图像标记和文本标记共同输入至非对称双边提示块中；在非对称双边提示块中，将图像和文本信息进行融合和交互；在解码阶段，利用一个由N个文本引导的解码块和一个最终的解码块组成的图像解码器，在文本信息的帮助下对图像标记进行上采样；输出通过分割头传递，从而获得感染区域的图像分割结果。本发明能够克服当前方法的主要局限性，即缺乏对文本标记的自适应调整和文本先验信息的充分利用。
-
公开(公告)号：CN117743775A
公开(公告)日：2024-03-22
申请号：CN202310740262.0
申请日：2023-06-21
申请人： 四川大学
IPC分类号： G06F18/20 , G06F18/25 , G06N3/0455 , G06F40/205 , G06N3/091 , G06Q50/26
摘要： 本发明公开了一种基于人工智能的异常人员风险预测方法、系统及介质；获取异常人员的结构化数据和文本数据，基于Word2vec模型从结构化数据中提取出多维特征向量；以BERT模型作为骨干提取模型从文本数据中提取出刑期预测结果特征向量；将多维特征向量与刑期预测结果特征向量特征融合后建立立风险预测模型；根据风险预测模型得到预测结果。融合异常人员犯罪信息的文本数据中提取的定量高维特征，和结构化数据中提取的数字特征，共同实现异常人员风险预测，为异常人员提供解除惩罚措施前预测回归社会风险的客观方法。通过大数据和人工智能方法对待预测异常人员的信息进行定量计算，预测结果具有客观性和可重复性。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.029 秒)
