利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

6 条记录 (耗时 0.023 秒)

    一种基于海马子区表面的图卷积辅助学习方法
    1.
    发明公开
    一种基于海马子区表面的图卷积辅助学习方法 审中-实审

    公开(公告)号：CN117132839A

    公开(公告)日：2023-11-28

    申请号：CN202311220276.6

    申请日：2023-09-20

    申请人： 青岛哈尔滨工程大学创新发展中心

    发明人： 丛山 ,  罗昊燃 ,  姚晓辉 ,  刘冰 ,  梁洪

    IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

    摘要： 本发明公开了一种基于海马子区表面的图卷积辅助学习方法，属于人工智能领域；具体是：首先，从ADNI数据库的MRI影像中提取海马体素数据，进而结合球面谐波映射算法获取海马表面三角网格数据，并分割出海马体及海马子区域；然后，将海马表面划分的子区域进行整合；在现有图卷积神经网络模型的基础上加入池化模块，形成改进的图卷积池化模型，对整合了子区域后的海马表面三角网格数据进行训练；最后，经过图卷积和池化之后，将训练后的点特征和面特征映射到同一纬度进行拼接，由MLP分类器完成分类任务，并得到最终预测结果；本发明采用了对卷积核和图池化进行改进的图卷积池化模型，取得了更高的分类准确率。

    一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法
    2.
    发明授权
    一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法 有权

    公开(公告)号：CN109767435B

    公开(公告)日：2022-04-19

    申请号：CN201910012929.9

    申请日：2019-01-07

    申请人： 哈尔滨工程大学

    发明人： 李金 ,  边晨源 ,  梁洪 ,  鲍佩华 ,  何兵 ,  兰海青 ,  王铮 ,  李延召 ,  罗昊燃 ,  高岳

    IPC分类号： G06T7/00 ,  G06T7/10

    摘要： 本发明公开了一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法，属于脑网络分析技术领域；本发明通过数据预处理、脑网络划分、脑网络构建、持续同调构建脑网络过滤流、持续区间数据统计学分析与阿尔兹海默症脑网络特征提取实现对病人脑网络特征提取；本发明通过构建阈值可变的多尺度脑网络，避免了图论法中的阈值选取问题；其中网络复形流的持续特征发现机制，也可有效的减少计算负担，是一种行之有效的脑网络分析技术。将持续同调理论应用于阿尔兹海默症病人的脑分析领域，研究脑机制，发现疾病的脑网络连接特征，是一种创新性的研究思路，对于阿尔兹海默症的早期诊断、药物研制、诊疗方案制定具有重要意义。

    基于风格迁移的核磁图像超分辨率方法、装置及计算机存储介质
    5.
    发明公开
    基于风格迁移的核磁图像超分辨率方法、装置及计算机存储介质 审中-实审

    公开(公告)号：CN115936983A

    公开(公告)日：2023-04-07

    申请号：CN202211353715.6

    申请日：2022-11-01

    申请人： 青岛哈尔滨工程大学创新发展中心

    发明人： 丛山 ,  杨宇尊 ,  姚晓辉 ,  罗昊燃 ,  魏怡明 ,  刘宏伟

    IPC分类号： G06T3/40 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

    摘要： 本发明公开了一种基于风格迁移的核磁图像超分辨率方法，包括以下步骤：由非配对的高清图像和低清图像数据集训练改进的Transformer模型；将待配对的高清图像输入改进的Transformer模型输出对应的配对低清图像并与待配对的高清图像与所述配对低清图像组对构成对抗生成网络训练集，再由此训练集训练对抗生成网络；最后将核磁图像输入训练后的对抗生成网络得到高清核磁图像；其中改进的Transformer模型包括两个编码器、解码器和卷积神经网络上采样器，经过位置编码的高清图像分别输入两个编码器得到内容序列和风格序列再共同输入解码器解码后进行放大输出。本发明克服了传统线性下采样没有考虑图片域差导致与真实低清图像风格不一致的问题，可获得更加真实、更小色差的高清图像。