-
公开(公告)号：CN118820860A
公开(公告)日：2024-10-22
申请号：CN202411062615.7
申请日：2024-08-05
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06F18/24 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/22 , G06N3/08 , G06N3/0464
摘要： 一种基于解耦孪生网络的心电信号分类方法，涉及心电信号分类技术领域，将布朗距离协方差(BDC)引入到小样本心电信号分类模型中，构建了一种新结构的改进的小样本分类模型。与传统的CNN模型不同，不使用任何池化层，减少了有价值信息的丢失，并在性能上有所提高。
-
公开(公告)号：CN117995170B
公开(公告)日：2024-09-17
申请号：CN202410239673.6
申请日：2024-03-04
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东浪潮智慧医疗科技有限公司 , 北京嘉和美康信息技术有限公司
摘要： 一种基于卷积与通道注意力机制的心音信号分类方法，涉及心音信号技术领域，通过空洞卷积与深度可分离卷积，学习不同通道特征，为重要通道特征赋予更高权重，从而提高网络提取特征的能力，实现心音信号的异常分类。
-
公开(公告)号：CN117649523B
公开(公告)日：2024-07-09
申请号：CN202311599251.1
申请日：2023-11-28
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V10/26 , G06V10/44 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
摘要： 一种基于LUnetr模型的可变心脏MRI分割方法，涉及医学图像分割技术领域，通过对ACDC数据集中的数据进行预处理，将预处理后的数据集通过编码器中的MBConv模块以及pooling‑style模块得到特征图。然后将该特征图输入到解码器中，将LUnetr Block模块加入到解码器中，可以从全局和局部两个分支进行提取特征，充分利用融合特征中的有用信息，来确保对每个图像进行精准的分割，得到最终分割图像。科学有效的增强提取特征的效果，充分利用全局特征和局部特征相结合的方法来处理特征提取问题，提高了心脏图像分割的精准性以及高效性。
-
公开(公告)号：CN117593274B
公开(公告)日：2024-06-04
申请号：CN202311620442.1
申请日：2023-11-30
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06T7/00 , G06T7/10 , G06N3/0455 , G06N3/08
摘要： 一种基于共享通道注意力机制的心脏MRI分割方法，涉及图像分割技术领域，设计了卷积块和共享通道注意力块融合的编‑解码器结构，并基于U型架构构建心脏MRI分割网络模型，共享通道注意力块能够提升模型对特定特征信息的权重，减少特征的冗余，改善网络的特征融合，提高其分割的准确性。为了更好地融合利用使网络中用来起分割作用的浅层特征和用来定位的深层特征，将跳跃连接融合的特征输入完全注意力门控块进行像素级别的特征提取，更突出感受野内的主要特征，更好地学习网络特征，优化模型输出，改善分割结果。
-
公开(公告)号：CN117808832A
公开(公告)日：2024-04-02
申请号：CN202311805951.1
申请日：2023-12-26
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
摘要： 一种基于改进势函数的距离正则化水平集心脏MRI图像分割方法，涉及图像分割技术领域，设计了一种具有新型势函数和改进边缘指示函数的心脏图像分割方法。新的势函数提高了模型正向扩散速度，并且避免了演化曲线过分割的问题，提高了模型的计算效率。改进的边缘指示函数对图像噪声具有消除作用，并且对边缘的定位准确，增强了模型抗噪性提高了边缘分割的准确性。
-
公开(公告)号：CN117635942A
公开(公告)日：2024-03-01
申请号：CN202311648278.5
申请日：2023-12-05
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V10/26 , G06V10/36 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
摘要： 一种基于边缘特征增强的心脏MRI图像分割方法，涉及图像分割技术领域，设计了特征复用模块和卷积块同时进行编码提取输入特征图不同的特征，这样可以实现更好的特征复用、信息融合、上下文理解以及参数共享等优势，设计了U型网络架构实现心脏MRI图像分割。设计了边缘特征增强模块可以提供重要的形状和结构信息，能够帮助准确地分割心脏图像，提高分割效果和准确性，提出了多尺度特征提取加权卷积提高了分割的准确性、鲁棒性和适应性，能够更好地处理多尺度信息和尺度不匹配问题，从而改善心脏图像分割的结果。本网络更加注重边缘信息特征和多尺度信息的提取，通过本网络结构的设计提高了分割的精度。
-
公开(公告)号：CN116580194B
公开(公告)日：2024-02-06
申请号：CN202310485605.3
申请日：2023-05-04
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06V10/26 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种融合几何信息的软注意力网络的血管分割方法，利用测地距离图获取血管结构信息，采用水平集函数获取血管图像上各点的位置信息，同时使用Heaviside函数生成血管内各点的权重分布。进一步，通过融合几何信息的方式，将权重分布与注意力分布结合，形成一个软注意力网络模块。将几何信息融入到软注意力网络的血管分割方法，能够很好的抑制分割泄露，解决分割过程中血管不连续的问题，使血管分割更加迅速、精确。
-
公开(公告)号：CN116580008B
公开(公告)日：2024-01-26
申请号：CN202310554646.3
申请日：2023-05-16
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06T7/00 , G06T7/73 , G06T7/62 , G06T7/68 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 一种基于局部增广空间测地线生物医学标记方法，在U‑Net神经网络基础上引入测地线投票算法，确保检测到的关键点的完整性和准确性，在测地线投票算法中增加半径维度，使得提取更准确的血管中心线。本发明所提出的血管生物医学标记计算方法，能够使用少量数据集通过U‑Net提取视网膜血管的关键点，然后使用局部半径增广的测地线投票算法对血管结构进行追踪，对关键点进行更准确的检测并计算其他血管生物医学标记。(56)对比文件Gangming Zhao.Graph Convolution BasedCross-Network Multiscale Feature Fusionfor Deep Vessel Segmentation《.IEEETransactions on Medical Imaging》.2023,第42卷(第1期),第183-195页.刘丽.医学图像分割算法研究及应用《.中国博士学位论文全文数据库 医药卫生科技辑》.2021,(第1期),第E060-3页.
-
公开(公告)号：CN116458897B
公开(公告)日：2024-01-26
申请号：CN202310411292.7
申请日：2023-04-18
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
摘要： 一种基于二维图像和注意力机制的心电信号质量评估方法，首先进行信号预处理，将通过心电采集装置获得的12导联一维心电信号转换成二维时频图像，并对图像进行数据增强。其次利用FM_FeatureNet模型对时频图像进行特征提取，通过FM_FeatureNet模型的FM模块和AM模块分别生成局部特征图和注意力融合图，将局部特征图与注意力融合图进行特征拼接获得细粒度特征。最后分类模块根据输入的细粒度特征对信号进行分类评估。
-
公开(公告)号：CN116524563B
公开(公告)日：2024-01-19
申请号：CN202310474728.7
申请日：2023-04-28
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06V40/16 , G06V10/82 , G06N3/0455 , G06N3/08 , G06V10/80 , G06V10/764
摘要： 一种基于transformer与不确定性的动态人脸表情识别方法，使用Vision Transformer有效地表示多尺度特征，以实现密集预测任务。引入全局到局部特征交互(GLI)，以利用CNN的局部连通性和transformer的全局上下文。最后，使用根据DS证据理论计算证据和不确定性，并通过DS证据理论对证据和不确定性进行组合，从而在保持良好性能的同时确保效率。该方法通过多特征融合的方式提高了表情视频的特征提取效果，并通过DS证据理论、多分支卷积、注意力机制深度学习了不平衡的动态表情特征。相较其他方法，本方法科学有效的降低了样本不平衡对表情识别带来的影响，充分利用时空特征挖掘视频表情的(56)对比文件Wei Cao等.TransFS: Face SwappingUsing Transformer.2023 IEEE 17thInternational Conference on AutomaticFace and Gesture Recognition (FG).2023,全文.
-
-
-
-
-
-
-
-
-
搜索结果
286 条记录 (耗时 0.074 秒)
