-
公开(公告)号：CN112651450B
公开(公告)日：2022-10-25
申请号：CN202011605056.1
申请日：2020-12-30
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/762 , G06N3/04 , G16H30/20 , G16H50/20
Abstract: 本发明提供一种基于多示例深度学习的医学图像分类方法，使用多示例学习算法，对医学图像数据进行处理，将图像进行分割，将一张医学图像看作一个“包”，将图像被分割出的各个部分看作一个个“示例”，对于一个阳性的包，有部分示例是阴性的(负示例)，且至少有一个示例是阳性的(正示例)，对所有示例进行特征提取和学习，使得阳性示例的特征更加突出，同时增加了可学习的阴性示例的数据量，通过多示例学习对示例标签进行初始标记，之后选取合适的带标签的数据，训练深度学习模型，对医学图像进行分类，辅助医生的诊断工作，降低医生的工作量，提高医生诊断的效率和质量。
-
公开(公告)号：CN111131257A
公开(公告)日：2020-05-08
申请号：CN201911360956.1
申请日：2019-12-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于网络安全技术领域，具体涉及一种基于贝叶斯攻击图增加奇异节点的攻击路径推导方法。本发明通过引入奇异节点的贝叶斯攻击图模型，根据回溯算法的思想，解决忽略非路径节点的问题。本发明能够更为客观全面的对网络拓扑结构进行评估，可以应用与工控网络或者网络安全领域中，得到潜在可能的最优攻击路径，从而有针对地对网络攻击进行防范。本发明也适用于对与工控系统网络安全的二次评估，以提高整个网络安全评估的准确性。
-
公开(公告)号：CN111131257B
公开(公告)日：2022-03-18
申请号：CN201911360956.1
申请日：2019-12-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于网络安全技术领域，具体涉及一种基于贝叶斯攻击图增加奇异节点的攻击路径推导方法。本发明通过引入奇异节点的贝叶斯攻击图模型，根据回溯算法的思想，解决忽略非路径节点的问题。本发明能够更为客观全面的对网络拓扑结构进行评估，可以应用与工控网络或者网络安全领域中，得到潜在可能的最优攻击路径，从而有针对地对网络攻击进行防范。本发明也适用于对与工控系统网络安全的二次评估，以提高整个网络安全评估的准确性。
-
公开(公告)号：CN112651450A
公开(公告)日：2021-04-13
申请号：CN202011605056.1
申请日：2020-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多示例深度学习的医学图像分类方法，使用多示例学习算法，对医学图像数据进行处理，将图像进行分割，将一张医学图像看作一个“包”，将图像被分割出的各个部分看作一个个“示例”，对于一个阳性的包，有部分示例是阴性的(负示例)，且至少有一个示例是阳性的(正示例)，对所有示例进行特征提取和学习，使得阳性示例的特征更加突出，同时增加了可学习的阴性示例的数据量，通过多示例学习对示例标签进行初始标记，之后选取合适的带标签的数据，训练深度学习模型，对医学图像进行分类，辅助医生的诊断工作，降低医生的工作量，提高医生诊断的效率和质量。
-
-
-
Search Results
4
records
(took 0.017 seconds)
