-
公开(公告)号：CN116612131B
公开(公告)日：2024-02-13
申请号：CN202310577145.7
申请日：2023-05-22
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) , 青岛海信医疗设备股份有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/048
摘要： 一种基于ADC‑UNet模型的心脏MRI结构分割方法，通过将注意力模块和跳跃连接相结合，在处理输入特征时抑制不相关的区域，同时突出显著特征。可变形卷积融合模块添加到解码器部分，充分利用目标切片融合特征中的有用信息，确保每个分割图的精确连续边界，可以更好地处理图像中不同尺度的特征，从而获得更精确的分割结果。
-
公开(公告)号：CN116612131A
公开(公告)日：2023-08-18
申请号：CN202310577145.7
申请日：2023-05-22
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) , 青岛海信医疗设备股份有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/048
摘要： 一种基于ADC‑UNet模型的心脏MRI结构分割方法，通过将注意力模块和跳跃连接相结合，在处理输入特征时抑制不相关的区域，同时突出显著特征。可变形卷积融合模块添加到解码器部分，充分利用目标切片融合特征中的有用信息，确保每个分割图的精确连续边界，可以更好地处理图像中不同尺度的特征，从而获得更精确的分割结果。
-
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：CN116129143B
公开(公告)日：2023-09-08
申请号：CN202310100687.5
申请日：2023-02-08
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
摘要： 一种基于串并联网络特征融合的边缘阔提取方法，属于医学影像边缘轮廓提取技术领域，科学有效的捕获了CTA影像轮廓细节信息，自动学习不同的特征权重，强化目标区域特征，又将不同分辨率的特征图转换为高分辨率特征图并融合，提高CTA影像轮廓清晰度，保证了信息的完整性。该网络结构并没有增加网络的横向深度，而是纵向扩展了网络，增加了模型的非线性，降低了相邻像素点的相关性，更有利于清晰边缘的提取。
-
公开(公告)号：CN118196524B
公开(公告)日：2024-09-20
申请号：CN202410368027.X
申请日：2024-03-28
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： G06V10/764 , G06V10/774 , G06V10/82 , G06V10/46 , G06N3/0464 , G06N3/08
摘要： 本发明涉及目标检测与图像识别技术领域，具体设计一种基于多特征交互学习的高分辨率图像目标识别方法，步骤如下：本发明先对数据集进行预处理；使用目标检测器定位到每张图片的可疑区域并映射到原图裁剪下来，形成多个子区域图像；然后原图和子图像共同输入到特征提取模块1得到整体特征和子区域特征；之后再经过特征交互模块的各个阶段得到交互增强后的特征，特征交互模块是指整体特征和多个子区域特征经过多头自注意力进行交互学习；最后此特征输入到特征提取模块2得到最终特征，最终特征再输入到分类层得到识别结果。本发明更好地考虑了图像其他部分对于整体图像的补充作用，进一步提高了高分辨率图像识别的性能。
-
公开(公告)号：CN117992737B
公开(公告)日：2024-05-31
申请号：CN202410381604.9
申请日：2024-04-01
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： G06F18/10 , G06F18/214 , G06F18/21 , G06N3/048
摘要： 本发明涉及大数据信息处理技术领域，具体涉及一种基于遥感大数据的土地利用判别方法、装置及电子设备，步骤如下：对高分辨率遥感大数据中的遥感雷达信号数据集进行预处理；再对预处理后的数据进行数据块切分，并提取数据块的高维向量表示；获取网络骨干部分每一Transformer层的输出令牌序列；获取判别头一的判别预测概率；使用区域选择模块通过第十一Transformer层的输出令牌序列和判别头一的判别预测概率获取区域选择列表；将所选择的区域输入到Transformer层；获取判别头二和判别头三的判别预测概率；将将预处理后的遥感雷达信号数据集划分为训练集和验证集，实现本发明所提出网络的训练。本方法克服了以往方法的弊端，更充分地挖掘了遥感雷达信号数据之间的细微差异。
-
公开(公告)号：CN116919414B
公开(公告)日：2024-02-13
申请号：CN202310822941.2
申请日：2023-07-06
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： A61B5/318 , A61B5/346 , A61B5/00 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
摘要： 一种基于多尺度卷积和密集连接网络的心电信号质量评估方法，涉及心电信号处理技术领域，首先对原始心电信号进行去除基线漂移和电力线干扰预处理；然后根据标签判断结果一致性原则和设置置信度原则，通过训练AlexNet模型对数据集中的错误标签进行相互标签修正，获得最终用于质量分类的心电信号片段。最后将信号片段送入改进的轻量化密集连接质量分类模型，实现心电信号片段的质量分类。满足了便携式或者可穿戴式信号进行实时质量评估的需求。
-
公开(公告)号：CN116468619B
公开(公告)日：2024-02-06
申请号：CN202310184267.X
申请日：2023-03-01
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
摘要： 一种基于多特征反馈融合的医学影像去噪方法，运用了采用了解码‑编码的网络框架，通过多特征反馈融合网络对图像进行特征提取。特征反馈融合网络由多特征反馈融合模块(MFFM)和并联扩张卷积模块组成。通过并联多个不同扩张率的扩张卷积层在提取浅层特征的同时既增大特征图的感受野，又保证信息不丢失。多特征反馈融合模块(MFFM)可以将进一步提取的深层特征以注意力机制的形式反馈给浅层特征，从而实现深层特征和浅层特征的深度融合。将融合后的特征图池化放大至相同尺寸可以保证输入特征图的shape不变。化特征向量，降低噪声因子的干扰。恢复特征图融合了关键像素特征，强化了特
-
公开(公告)号：CN116458894B
公开(公告)日：2024-01-26
申请号：CN202310430431.0
申请日：2023-04-21
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： 一种基于复合型生成对抗网络的心电信号增强与分类方法，通过使用深度残差网络构建生成器，使生成器学习到更复杂的数据分布，提高了生成器的泛化能力，能够帮助生成器生成更真实的样本。构建的生成对抗网络模型可通过控制类别向量的取值，使生成器生成不同类别的数据，同时使用鉴别器的辅助分类器模块，可直接实现对生成数据的分类，节约了分类的时间及计算资源。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.084 秒)
