-
公开(公告)号：CN116936040A
公开(公告)日：2023-10-24
申请号：CN202311034646.7
申请日：2023-08-16
IPC分类号： G16H30/20 , G16H50/20 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明属于医学图像处理技术领域，更具体地，涉及面向帕金森诊断的多模态信息分类方法。所述方法包括获取三维的MRI影像和四维的DTI影像并进行预处理，再获取手绘阿基米德螺旋图；将经预处理后的MRI影像、DTI影像以及手绘阿基米德螺旋图划分为训练集和测试集；建立分析处理模型，所述分析处理模型包括特征提取模块、特征融合模块和分类模块；将训练集输入分析处理模型训练，再经测试集测试合格后得到最终模型将待处理数据输入最终模型。本发明解决了现有技术中多模态的融合中也存在融合不充分、诊断的错误率高等问题。
-
公开(公告)号：CN116664614A
公开(公告)日：2023-08-29
申请号：CN202310526366.1
申请日：2023-05-06
摘要： 本发明属于图像处理的技术领域，提供了一种宫颈液基病理细胞检测少样本图像数据增强方法，包括将采集到的方形图像剔除非关键信息，固定图像大小，并进行预处理增强数据集；从数据集取出一个batch的图像后，使用双峰法计算每张图像前景与背景分隔的阈值；根据前景的像素占比与背景的像素占比计算出每张图像的前景与背景之间的对比度；设定对比度阈值P1、P2，且P1
-
公开(公告)号：CN117370648A
公开(公告)日：2024-01-09
申请号：CN202311257644.4
申请日：2023-09-26
IPC分类号： G06F16/9535 , G06F16/335 , G06F16/33 , G06F40/211 , G06F40/289 , G06F18/22 , G06F18/2431 , G06N3/0455 , G06N3/08 , G06Q50/18
摘要： 本发明属于基于特定计算模型的专利推荐技术领域，更具体地，涉及基于Transformer编码器和正则化策略的专利推荐方法。所述方法包括：根据多个搜索文本建立一定数量的专利数据集，并按照搜索语句分类；对搜索文本以及数据集中的专利文本进行数据预处理；建立基于Transformer编码器和正则化策略的词句双处理模型，使用基于Dropout与对称JS散度的正则化策略对模型结构和输出结果进行优化；句粒度层面处理词粒度层面处理；对句粒度层面结果与词粒度层面结果进行线性加权，输出分类结果。本发明解决了现有技术中专利文本和搜索文本长度不一致导致的信息匹配不准确的问题以及传统专利推荐准确率低的问题。
-
公开(公告)号：CN117252813A
公开(公告)日：2023-12-19
申请号：CN202311086862.6
申请日：2023-08-25
摘要： 本发明属于神经网络检测图像的技术领域，更具体地，涉及基于深度学习的宫颈液基细胞检测与识别方法及系统。所述方法包括采集宫颈液基细胞图像数据，并经裁剪生成子图像集；对宫颈液基细胞病理图像的子图像集使用矩形框作为边界框进行异常细胞标注；将标注完成的数据进行数据增强处理得到数据集，再将数据集划分为训练集、验证集和测试集；通过数据集对改进的YOLOv5网络模型进行训练、验证和测试，得到训练好的改进的YOLOv5网络模型；将待分析宫颈液基细胞病理图像输入训练好的改进的YOLOv5网络模型进行识别。本发明解决了现有技术中存在漏检测和误检测的情况，并目标检测的准确性和鲁棒性不足的问题。
-
公开(公告)号：CN116778245A
公开(公告)日：2023-09-19
申请号：CN202310751471.5
申请日：2023-06-25
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06N3/08 , G16H50/20 , G16H30/00
摘要： 本发明公开了一种基于医学影像的帕金森预测方法，属于医学图像处理技术领域，所述方法包括：获取待评估的MRI影像；对所述MRI影像进行预处理；将预处理后的MRI影像输入至预先构建好的人工智能分类预测模型中，得到预测结果，其中所述人工智能分类预测模型为改进的ResNet18网络模型。本发明将逐渐成熟的医学影像和深度学习进行结合，发挥人工智能的优势并将其应用于实际生活中，以残差网络为基础架构，根据帕金森病的医学影像特点对其进行改进，实现帕金森病的自动分类，准确度高。
-
公开(公告)号：CN118570537A
公开(公告)日：2024-08-30
申请号：CN202410701003.1
申请日：2024-05-31
IPC分类号： G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N20/10
摘要： 本发明属于医学影像处理技术领域，更具体地涉及面向帕金森辅助诊断的多模态影像分类方法、装置及计算机可读存储介质。所述方法包括获取影像，对影像进行局部归一化处理，提取影像的局部规范化系数；对局部规范化系数进行拟合，获取形状参数和方差；通过非对称广义高斯函数对影像的各方向的包括形状参数和方差的规范化系数进行拟合，获取影像各方向上的指标特征；将支持向量机作为回归模型，得到影像的质量评分结果；将影像的质量评分与设定阈值对比。本发明解决了现有技术中结构性影像分辨率较高，可反映结构形态信息，但是代谢等功能信息较弱，而功能性影像分辨率低，可以反映功能代谢信息，但很难反映结构信息的问题。
-
公开(公告)号：CN117407814A
公开(公告)日：2024-01-16
申请号：CN202311281321.9
申请日：2023-09-28
IPC分类号： G06F18/2433 , G06F18/214 , G06F18/2411 , G06F18/22
摘要： 本发明属于故障预警检测特定计算机模型的技术领域，更具体地，涉及一种基于数字孪生的机床设备故障预警方法及系统。所述方法包括采集数控机床产生的历史数据作为异常数据检测模型训练的数据源；构建基于OneClassSVM算法的异常数据检测模型，从数据源中获取所需数据对基于OneClassSVM算法的异常数据检测模型进行训练；初始化SOM神经网络的神经元向量，训练SOM神经网络的神经元，获取预警神经元及其预警距离，生成预警模型；构建故障预警模型；将采集到的实时数据输入基于OneClassSVM算法的异常数据检测模型以及故障预警模块实时检测。本发明解决了现有技术中易造成机床故障的漏报警与误报警的情况，以及难以提早发现导致的故障等问题。
-
公开(公告)号：CN116932736A
公开(公告)日：2023-10-24
申请号：CN202310882424.4
申请日：2023-07-18
IPC分类号： G06F16/335 , G06F16/31
摘要： 本发明属于数据推荐的计算机信息领域，提供了一种基于用户需求结合倒排表的专利推荐方法，包括根据用户需求对专利数据集构建初始倒排表并加入相似词机制形成最终的倒排表；所述倒排表包括：单词编号、单词和专利编号列表；对专利数据集中的专利信息进行编号，形成文档列表，为文档列表中的每一个专利的专利信息使用bert模型获取句子向量表示；所述文档列表包括：专利编号、专利信息、专利信息句子向量表示；根据用户需求信息分为精准需求和广泛需求，进行双轨推荐。本发明解决了现有技术中由于专利推荐涉及到各个领域的专利，数量庞大，使用单一领域的专利信息进行推荐，导致推荐效果不佳和专利推荐不够准确的问题。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.057 秒)
