公开(公告)号：CN113989552A

公开(公告)日：2022-01-28

申请号：CN202111243055.1

申请日：2021-10-25

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 ,  陈健 ,  高飞 ,  乔凯 ,  秦若熙 ,  宁培刚 ,  史大鹏 ,  梁宁宁 ,  马德魁

IPC分类号： G06V10/764 ,  G06V10/771 ,  G06V10/56 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82 ,  G06V20/70 ,  G06N3/04 ,  G06N3/08 ,  A61B6/00 ,  A61B6/03

摘要： 本发明提供一种基于3D CNN和LSTM的肝脏肿瘤早期复发预测方法。该方法包括：采集HCC患者的CT图像和临床信息，并统计HCC患者术后的ER信息；对CT图像进行图像分割，然后将得到的数据样本分为训练集和测试集；并利用训练集训练得到一个CT图像和ER信息之间映射关系的3D CNN模型；提取肝脏肿瘤区域对应的数据样本的影像学特征，并使用LASSO logistic算法对提取到的影像学特征进行降维，挑选出对ER预测有用的影像学特征；对临床信息进行统计学分析，利用卡方检验进行ER的临床因素单变量分析，挑选出检验水准P

公开(公告)号：CN118820491A

公开(公告)日：2024-10-22

申请号：CN202410927399.1

申请日：2024-07-10

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： 吴宇涛 ,  雷寒萩 ,  杨耀瑀 ,  田文浩 ,  蒋浩文 ,  马雯 ,  马德魁 ,  王建辉 ,  刘庆

IPC分类号： G06F16/432 ,  G06F16/483 ,  G06F16/45 ,  G06F16/33 ,  G06F16/35 ,  G06F16/38 ,  G06F16/532 ,  G06F16/55 ,  G06F16/583

摘要： 本发明提供一种融入图像描述驱动的图文双向检索方法及系统。该方法包括：获取待检索图文数据集，包括若干个待检索图像和待检索文本；分析待检索图文数据集的平台来源，根据平台来源选择提示词策略；利用提示词策略和预设大语言模型生成每个待检索图像的文本描述，并建立待检索图像与其对应的文本描述的索引；利用提示词策略和预设大语言模型生成每个待检索文本的语义增强文本；针对以文搜图任务，将给定的查询文本与每个待检索图像的文本描述进行相似度比较，返回相似度最高的前N个待检索图像；针对以图搜文任务，生成给定的查询图像的文本描述并将其与每个待检索文本的语义增强文本进行相似度比较，返回相似度最高的前N个待检索文本。

公开(公告)号：CN115238885A

公开(公告)日：2022-10-25

申请号：CN202210772505.4

申请日：2022-07-02

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 ,  石舒豪 ,  乔凯 ,  陈健 ,  王林元 ,  杨杰 ,  王争艳 ,  马德魁

IPC分类号： G06N3/08 ,  G06N3/04

摘要： 本发明提供一种基于在线知识蒸馏的图神经网络模型压缩方法，包括：步骤1：构建N个图神经网络学生模型；步骤2：对原始图数据进行N次独立的图数据增强，得到N个不同的新的图数据，将N个新的图数据分别作为N个图神经网络学生模型的输入；步骤3：基于N个图神经网络学生模型的输出构建图神经网络教师模型的输出；步骤4：采用标准的交叉熵损耗，对所有网络进行端到端训练，并设置多任务损失函数，然后通过神经网络优化器最小化多任务损失函数的值以完成整个图神经网络模型的训练。

公开(公告)号：CN115422511A

公开(公告)日：2022-12-02

申请号：CN202210965246.7

申请日：2022-08-12

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： 乔凯 ,  石舒豪 ,  闫镔 ,  陈健 ,  马德魁 ,  王争艳 ,  张弛 ,  侯力彬 ,  彭骐

IPC分类号： G06F21/30 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于恶意账号检测技术领域，提出一种基于主动学习的恶意账号检测方法及装置，该方法包括：首先构建图神经网络和账号的拓扑连接图，然后使用训练集样本对图神经网络进行预训练，使用预训练的图神经网络得到账号节点的伪标签，利用账号在拓扑连接图的邻域标签一致性的值，筛选出更有价值的样本进行标注和更可靠的伪标签，然后，将标注样本和可靠的伪标签共同用于模型的训练，最后基于最终训练好的图神经网络深度学习检测模型进行恶意账号检测。在相同的标注量下，本发明提升了模型的恶意账号检测正确率。

公开(公告)号：CN115220341A

公开(公告)日：2022-10-21

申请号：CN202210790129.1

申请日：2022-07-06

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 ,  杨杰 ,  乔凯 ,  陈健 ,  石舒豪 ,  杨帅 ,  蔡爱龙 ,  宋宝杰 ,  马德魁

IPC分类号： G05B13/04 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于深度强化学习的单晶炉智能控制方法及装置，该方法包括：步骤1，构建深度强化学习网络；步骤2，将单晶炉各种状态信息和状态下动作的量化奖励输入构建的深度强化学习网络中，训练深度强化学习模型；步骤3，向训练好的深度强化学习模型中输入实时采集的单晶炉内部生产状态图像，获得最优设备控制动作；步骤4，根据最优设备控制动作智能控制单晶炉生产。本发明通过使用强化学习的方法，将单晶硅的一个生产流程看做一次强化学习决策，将单晶硅的生产质量作为决策奖励，把单晶炉内的视觉图像作为状态，训练出不同状态下的最优单晶炉控制动作，可以大大降低单晶硅生产的人力成本，减小经验误差。