公开(公告)号：CN113065095B

公开(公告)日：2023-09-19

申请号：CN202110352070.3

申请日：2021-03-31

Applicant: 三峡大学

Inventor： 陈小辉 ,  胡志敏 ,  陈凌俊 ,  黄剑

IPC: G06F17/16 ,  G06F17/18 ,  G01N21/33

Abstract: 一种基于紫外光谱的水中氮含量检测算法，它包括以下步骤：步骤一：对溶液进行预处理并根据溶液的吸光度进行光谱区的选择；步骤二：构建基于偏最小二乘法的从光谱到氮浓度的检测模型；步骤三：获取步骤二中所构建的检测模型中的各主因子；步骤四：采用所获得的检测模型对样本进行氮含量的检测。本发明的目的是为了精确的对水中氮物质进行氮含量的检测，且实现对水中氮含量无添加、无接触、无二次污染的检测，而提供的一种基于紫外光谱的水中氮含量检测算法。

公开(公告)号：CN115761232A

公开(公告)日：2023-03-07

申请号：CN202211425700.6

申请日：2022-11-14

Applicant: 三峡大学

Inventor： 陈小辉 ,  胡志敏

IPC: G06V10/26 ,  G06V20/69 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习的癌组织图像细胞核分割方法。先对图像作数据预处理，得到数据规模增大且图像色彩归一化、尺寸为256*256的图像，然后将图像送到VCRNet网络中进行若干次训练，在训练的过程中只保存验证集损失最小的权重文件，最后在MoNuSeg测试集上,先对图像做颜色归一化，再将图像输入模型中进行测试，得到细胞核的分割结果，本发明中，基于Unet搭建了VCRNet模型。VCRNet模型以Vgg16‑1卷积模块在ImageNet数据集上的预训练模型作为编码模块和分类依据；利用改进后的残差块mr‑block作为解码部分和定位依据，最后利用跳跃连接完成特征图间的特征融合。在先对测试集做标准化再输入模型测试后，实验结果表明，与针对病理图像中细胞核的粘连问题，VCRNet有着较好的分割效果。

公开(公告)号：CN113065095A

公开(公告)日：2021-07-02

申请号：CN202110352070.3

申请日：2021-03-31

Applicant: 三峡大学

Inventor： 陈小辉 ,  胡志敏 ,  陈凌俊 ,  黄剑

IPC: G06F17/16 ,  G06F17/18 ,  G01N21/33

Abstract: 一种基于紫外光谱的水中氮含量检测算法，它包括以下步骤：步骤一：对溶液进行预处理并根据溶液的吸光度进行光谱区的选择；步骤二：构建基于偏最小二乘法的从光谱到氮浓度的检测模型；步骤三：获取步骤二中所构建的检测模型中的各主因子；步骤四：采用所获得的检测模型对样本进行氮含量的检测。本发明的目的是为了精确的对水中氮物质进行氮含量的检测，且实现对水中氮含量无添加、无接触、无二次污染的检测，而提供的一种基于紫外光谱的水中氮含量检测算法。

公开(公告)号：CN115908803A

公开(公告)日：2023-04-04

申请号：CN202211426703.1

申请日：2022-11-14

Applicant: 三峡大学

Inventor： 陈小辉 ,  胡志敏

IPC: G06V10/26 ,  G06V20/69 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习的癌组织图像细胞核分割系统。本发明中，基于迁移学习的癌组织图像细胞核分割系统包括：数据集预处理模块、输入训练模块、VCRNet网络模块、输入测试模块和图像颜色归一化模块，基于Unet搭建了VCRNet模型。VCRNet模型以Vgg16‑1卷积模块在ImageNet数据集上的预训练模型作为编码模块和分类依据；利用残差块改进后的结构mr‑block作为解码部分和定位依据，最后利用跳跃连接完成特征图间的特征融合。在先对测试集做标准化再输入模型测试后，系统结果表明，与针对病理图像中细胞核的粘连问题，VCRNet有着较好的分割效果。

公开(公告)号：CN113049507A

公开(公告)日：2021-06-29

申请号：CN202110256176.3

申请日：2021-03-09

Applicant: 三峡大学

Inventor： 陈小辉 ,  黄剑 ,  陈凌俊 ,  胡志敏

IPC: G01N21/31 ,  G06F17/17 ,  G06F17/16

Abstract: 本发明涉及光谱波长选择方法，包括：将光谱划分为多个波段区间；在每个波段区间上进行偏最小二乘回归分析；计算每个波段对应变量的交互验证均方差；找出交互验证均方差小的波段，将这些波段区间对应的光谱吸收矩阵组合，得到新的光谱吸收矩阵；针对新的光谱吸收矩阵，使用蒙特卡洛采样方法进行多次采样，每次采样去掉回归系数相对较小的波长点，再建立偏最小二乘回归分析模型，选出交互验证均方差最小的波长变量集，作为候选的最优波长变量集；进行多轮采样选出重复出现、稳定的波长变量，作为最优波长变量。本发明通过多轮的采样、筛选，选出稳定的最优光谱波长变量，相比单一的光谱波长选择模型，选出的光谱波长变量更少。