公开(公告)号：CN112232378A

公开(公告)日：2021-01-15

申请号：CN202011006608.7

申请日：2020-09-23

申请人： 中国人民解放军战略支援部队信息工程大学

发明人： 陈健 ,  谢鹏飞 ,  乔凯 ,  梁宁宁 ,  王林元 ,  张子飞 ,  罗旭 ,  魏月纳 ,  闫镔

IPC分类号： G06K9/62 ,  G06N3/04

摘要： 本发明提供一种面向fMRI视觉分类的零次学习方法。该方法包括：步骤1：构建面向fMRI视觉分类的零次学习的数据集，数据集包括训练集和测试集，训练集包含训练集图像和被试看到训练集图像刺激后的训练集fMRI脑信号；测试集包含测试集图像和被试看到测试集图像刺激后的测试集fMRI脑信号；训练集图像和测试集图像之间的图像语义类别不相同；步骤2：根据训练集训练基于对抗学习的图像特征条件下fMRI脑信号自动生成网络；步骤3：根据测试集训练语义类别视觉分类网络；步骤4：根据步骤3训练的语义类别视觉分类网络，输入测试集fMRI脑信号，得到预测结果，实现对测试集fMRI脑信号的视觉分类。本发明的语义视觉分类网络可以扩展到被试之前未看到的图像语义类别。

公开(公告)号：CN112085069A

公开(公告)日：2020-12-15

申请号：CN202010830728.2

申请日：2020-08-18

申请人： 中国人民解放军战略支援部队信息工程大学

发明人： 陈健 ,  谢鹏飞 ,  乔凯 ,  梁宁宁 ,  王林元 ,  张子飞 ,  罗旭 ,  魏月纳 ,  闫镔

IPC分类号： G06K9/62 ,  G06N3/04

摘要： 本发明属于人工智能安全技术领域，特别涉及一种基于集成注意力机制的多目标对抗补丁生成方法及装置，该方法包括构建图像分类数据集；构建基于集成注意力机制的多目标对抗补丁生成框架；定义损失函数并训练多目标对抗补丁生成框架；测试生成对抗补丁的攻击效果。本发明通过集成注意力机制定位输入图像的关键分类区域，以确保对抗补丁发挥更好的攻击性能和迁移性；生成器的输入充分利用原图信息，将使生成器生成的对抗补丁效果更佳；生成器的输入还融合了多目标类别信息，可以攻击目标模型的任意指定类别，实现多目标类别的攻击；对判别器的输入进行裁剪，以保证判别器学到更多的上下文信息，提高对抗补丁视觉效果。

公开(公告)号：CN109615591A

公开(公告)日：2019-04-12

申请号：CN201811426126.X

申请日：2018-11-27

申请人： 东莞信大融合创新研究院 ,  中国人民解放军战略支援部队信息工程大学

发明人： 韩玉 ,  李磊 ,  闫镔 ,  荣利会 ,  陈健 ,  席晓琦 ,  梁宁宁 ,  孙艳敏 ,  王敬雨

IPC分类号： G06T5/00 ,  G06T5/10

摘要： 本发明涉及图像处理技术领域，具体公开了一种基于GPU并行加速的三维块匹配降噪方法，包括将待处理的图像进行边界对称扩展预处理；将预处理后的图像数据发送至GPU的全局存储器中；创建线程网络grid，采用全局存储器合并访问的模式及共享存储器多次循环利用的加速策略，对相似图像块匹配分组进行加速处理；采用硬阈值协同滤波内核函数并行加速策略获取三维相似矩阵的第一步降噪估计数据；以第一步降噪估计数据为参考，联合维纳协同滤波内核函数并行加速策略获取第二步降噪估计数据；将第二步降噪估计数据剔除扩展边界像素。本发明能提高数据访问速度和减少重复访问延时，还能有效去除图像中的噪声，有利于对大尺寸图像实时降噪处理。

公开(公告)号：CN109584147A

公开(公告)日：2019-04-05

申请号：CN201811425292.8

申请日：2018-11-27

申请人： 东莞信大融合创新研究院 ,  中国人民解放军战略支援部队信息工程大学

发明人： 陈健 ,  闫镔 ,  李磊 ,  韩玉 ,  梁宁宁 ,  席晓琦 ,  王林元 ,  杨程凯 ,  苗盼盼

IPC分类号： G06T3/00

摘要： 本发明涉及图像处理技术领域，具体公开了一种基于锥形束CT的牙科全景图生成方法，包括获取锥形束CT口腔牙齿的三维图像数据；从图像中选取完整显示牙弓及每颗牙齿牙髓腔的剖切面，在剖切面牙髓上描点并利用二次多项式拟合成完整的曲线L1；将曲线L1按一定像素步长进行离散，得到离散点集合P1；计算P1中每两个相邻点的中点位置，获得中点集合P2，并根据P2各点的位置生成牙弓线L2；计算牙弓线L2上各像素点P2的灰度值；将牙弓线展开获取牙科全景图。本发明既能得到CT断层影像和口腔全景图重建牙齿的三维结构，而且还能直观准确的反映出单颗牙齿的全部形态，方便了解口腔情况。

公开(公告)号：CN108921821A

公开(公告)日：2018-11-30

申请号：CN201810557069.2

申请日：2018-06-01

申请人： 中国人民解放军战略支援部队信息工程大学

发明人： 曾磊 ,  闫镔 ,  陈健 ,  高飞 ,  海金金 ,  徐一夫 ,  乔凯 ,  谭红娜 ,  武明辉 ,  梁宁宁

IPC分类号： G06T7/00 ,  G06T7/10

摘要： 本发明提供一种基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法。该方法包括：步骤1、对采集到的病人的乳腺癌X射线图像进行分割，确定肿瘤所在处的多个病灶部位图像；步骤2、将所述多个病灶部位图像分为训练集和测试集，并对所有的病灶部位图像提取高维特征，构建乳腺病灶图像特征数据库；步骤3、根据训练集里的乳腺病灶图像特征数据和病人的病理信息，采用LASSO回归算法，构建乳腺癌腋窝淋巴结转移识别模型；步骤4、根据所述乳腺癌腋窝淋巴结转移识别模型，对测试集里的病灶部位图像进行识别，确定病人的乳腺癌腋窝淋巴结转移状态。本发明能够进一步挖掘图像中对识别有意义的数据，提升基于X射线图像的自动识别水平。

公开(公告)号：CN109584147B

公开(公告)日：2023-06-30

申请号：CN201811425292.8

申请日：2018-11-27

申请人： 东莞信大融合创新研究院 ,  中国人民解放军战略支援部队信息工程大学

发明人： 陈健 ,  闫镔 ,  李磊 ,  韩玉 ,  梁宁宁 ,  席晓琦 ,  王林元 ,  杨程凯 ,  苗盼盼

IPC分类号： G06T3/00

摘要： 本发明涉及图像处理技术领域，具体公开了一种基于锥形束CT的牙科全景图生成方法，包括获取锥形束CT口腔牙齿的三维图像数据；从图像中选取完整显示牙弓及每颗牙齿牙髓腔的剖切面，在剖切面牙髓上描点并利用二次多项式拟合成完整的曲线L1；将曲线L1按一定像素步长进行离散，得到离散点集合P1；计算P1中每两个相邻点的中点位置，获得中点集合P2，并根据P2各点的位置生成牙弓线L2；计算牙弓线L2上各像素点P2的灰度值；将牙弓线展开获取牙科全景图。本发明既能得到CT断层影像和口腔全景图重建牙齿的三维结构，而且还能直观准确的反映出单颗牙齿的全部形态，方便了解口腔情况。

公开(公告)号：CN108898160B

公开(公告)日：2022-04-08

申请号：CN201810555876.0

申请日：2018-06-01

申请人： 中国人民解放军战略支援部队信息工程大学

发明人： 陈健 ,  闫镔 ,  曾磊 ,  海金金 ,  乔凯 ,  徐静波 ,  高飞 ,  徐一夫 ,  谭红娜 ,  梁宁宁

IPC分类号： G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06V10/25 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及CNN及图像分类识别技术领域，尤其涉及基于CNN和影像组学特征融合的乳腺癌组织病理学分级方法。本发明提出通过构建特征融合的CNN模型判断钼靶影像的乳腺癌组织病理学等级，利用钼靶肿瘤区域提取的灰度特征、纹理特征和小波特征，通过LASSO logistic回归模型进行特征筛选，选出与乳腺癌组织病理学等级相关性大的特征，再通过将CNN提取的高层语义特征和筛选出的影像组学特征在网络新添加的全连接层进行特征融合，而拟合得到特征融合的CNN模型用来识别乳腺癌组织病理学等级。本发明能够直接对患者扫描的乳腺钼靶图像进行分析判断患者所处的乳腺癌组织病理学等级，在保证判别精度的同时进一步缩短了判别时间。

公开(公告)号：CN108171768A

公开(公告)日：2018-06-15

申请号：CN201711435560.X

申请日：2017-12-26

申请人： 东莞信大融合创新研究院 ,  中国人民解放军战略支援部队信息工程大学

发明人： 李磊 ,  韩玉 ,  荣利会 ,  闫镔 ,  梁宁宁 ,  席晓琦 ,  陈健 ,  曾磊

IPC分类号： G06T11/00

摘要： 本发明公开了一种基于BM3D的低剂量CBCT图像重建方法，主要解决现有重建方法对低剂量投影数据重建不佳致使重建图像质量不好的问题，实现步骤包括：(1)利用锥束CT设备采集低剂量投影数据；(2)对低剂量投影数据进行线性变换；(3)对变换后的低剂量投影数据进行BM3D滤波去噪；(4)对步骤(3)结果进行线性逆变换得到降噪后投影数据；(5)对滤波后的低剂量投影数据进行FDK重建，得到低剂量CBCT图像。本发明的方法能有效去除高斯白噪声，产生高质量的CT重建图像，具有很好的鲁棒性。

公开(公告)号：CN117876761A

公开(公告)日：2024-04-12

申请号：CN202311821819.X

申请日：2023-12-27

申请人： 中国人民解放军战略支援部队信息工程大学

发明人： 闫镔 ,  王林元 ,  陈健 ,  秦若熙 ,  李东阳 ,  郭宇琦 ,  马舒啸 ,  侯力彬

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/092 ,  G06N3/094 ,  G06N3/0464

摘要： 本发明涉及一种基于强化学习动态集成选择的深度神经网络对抗训练方法，以集成动态选择的鲁棒性为目标定义模型选择的马尔科夫要素和过程，提出了基于轻量化集成和策略网络的强化学习模型框架，设计了基于优势动作评论算法(A2C)的动态集成选择训练框架，最终在图像测试集上实现动态集成算法，平衡对抗鲁棒性和干净准确率中的权衡问题。该方法创新性地利用传统多分类器系统中动态选择的思想，在深度神经网络下提出了基于强化学习集成动态选择的防御方法，利用模型的动态性从集成中为不同的输入图像选择更加鲁棒的子模型进行预测，这在提升模型鲁棒性的前提下，大大缓解了对抗训练带来的负面影响。实验结果验证了所提出方法在对抗样本防御中的有效性。

公开(公告)号：CN116228716A

公开(公告)日：2023-06-06

申请号：CN202310202774.1

申请日：2023-03-03

申请人： 中国人民解放军战略支援部队信息工程大学

发明人： 海金金 ,  陈健 ,  闫镔 ,  乔凯 ,  王争艳 ,  李英 ,  宋宝杰 ,  苏志海 ,  吕海

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/82

摘要： 本发明提供一种基于全局注意力CNN的腰椎间盘突出智能分级方法及系统。该方法包括：步骤1：对待测腰椎图像进行定位以得到有效腰椎区域，然后截取得到有效腰椎区域图像；步骤2：对ResNeXt101网络进行改进以构建得到腰椎间盘突出智能分级网络；步骤3：训练所述腰椎间盘突出智能分级网络，得到腰椎间盘突出智能分级网络模型；步骤4：将所述有效腰椎区域图像输入至训练好的腰椎间盘突出智能分级网络模型，得到腰椎间盘突出的等级信息。