-
公开(公告)号：CN112309576B
公开(公告)日：2025-01-14
申请号：CN202011005022.9
申请日：2020-09-22
Abstract: 本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：(1)、获取数据；(2)、对CT影像组学数据进行结直肠肿瘤区域标注；(3)、对获取数据进行预处理；(4)、构建基于深度神经网络的特征学习模型；(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；(6)、根据风险评分分组；(7)、曲线及特征有效性验证；(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师(特别是年轻经验不足的放射科医生)提供参考，以便更好地了解病人病情并进行下一步决策。
-
公开(公告)号：CN112309576A
公开(公告)日：2021-02-02
申请号：CN202011005022.9
申请日：2020-09-22
Abstract: 本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：(1)、获取数据；(2)、对CT影像组学数据进行结直肠肿瘤区域标注；(3)、对获取数据进行预处理；(4)、构建基于深度神经网络的特征学习模型；(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；(6)、根据风险评分分组；(7)、曲线及特征有效性验证；(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师(特别是年轻经验不足的放射科医生)提供参考，以便更好地了解病人病情并进行下一步决策。
-
公开(公告)号：CN117807275B
公开(公告)日：2024-09-27
申请号：CN202311856289.2
申请日：2023-12-29
Applicant: 江南大学
IPC: G06F16/901 , G06F17/16 , G06N3/042 , G06N3/08
Abstract: 本发明涉及图数据挖掘技术领域，具体涉及基于关系挖掘的异构图嵌入方法及系统，包括：提取异构图中所有节点的特征向量；基于所有节点的特征向量，学习节点之间的相似度，补全异构图中隐藏的关系，生成关系邻接矩阵；基于所述关系邻接矩阵，计算邻居节点对目标节点的注意力权重，将加权后的邻居节点信息聚合到邻居节点中，得到更新后的邻居节点特征向量；计算节点之间的关系强度，根据所述关系强度将所述更新后的邻居节点特征向量包含的信息聚合到对应的目标节点中，得到最终的节点嵌入值。本发明解决了现有方法过于依赖元路径的先验知识，在节点关系语义聚合时未考虑元路径中间节点的信息的问题，有效利用异构图的拓扑信息，增强了节点之间的联系。
-
公开(公告)号：CN114443628B
公开(公告)日：2024-04-26
申请号：CN202111565832.4
申请日：2021-12-20
Applicant: 江南大学 , 浪潮卓数大数据产业发展有限公司
IPC: G06F16/215 , G06F18/23213
Abstract: 本发明公开了一种基于聚类的金融缺失数据处理方法，包括：获取金融数据集；对金融数据集进行两步处理；对经过两步处理得到数据集进行聚类操作，整合其聚类后的簇；通过相似度度量将缺失数据对象划分的到最想似的簇中，并通过簇内信息进行填补。本发明提出一种整体和局部相结合的基于聚类的金融缺失数据处理方法，极大程度上保留了原样本的分布情况，减少缺失数据所导致的误差，更准确的对缺失数据进行填充。
-
公开(公告)号：CN114742802B
公开(公告)日：2023-04-18
申请号：CN202210411370.9
申请日：2022-04-19
Applicant: 江南大学
Abstract: 本发明公开了一种基于3Dtransformer混合卷积神经网络的胰腺CT图像分割方法，包括：采集胰腺CT图像数据集并进行数据预处理；利用步进卷积进行下采样，利用3Dtransformer进行特征提取，利用反卷积上采样进行解码，以建立3Dtransformer混合卷积神经网络；将预处理后的数据输入所述3Dtransformer混合卷积神经网络，输出分割结果；本发明结合卷积神经网络局部表征能力与Transformer的全局建模能力来提取融合胰腺各级特征；提出一种适用胰腺和网络的损失函数，改善了针对胰腺类别不平衡以及纹理信息大不相同带来的学习难易程度存在差异等问题；采用多视角跳跃连接及特征融合模块弥补了医学图像U型架构上下采样的信息损失问题。
-
Patent Agency Ranking
公开(公告)号：CN114491060A
公开(公告)日：2022-05-13
申请号：CN202111630328.8
申请日：2021-12-28
Applicant: 永中软件股份有限公司 , 江南大学
IPC: G06F16/36 , G06F16/31 , G06F16/35 , G06F40/284 , G06F40/211 , G06F40/216
Abstract: 本发明提供一种动态联想知识网络的更新方法和基于动态联想知识网络的语义纠错方法。所述更新方法包括：将文本语料进行分句、分词和词性标注，提取名词性术语，得到具有直接联想关系的名词性术语对以及具有直接联想关系的名词性术语对在给定窗口中的共现概率；为提取的每个名词性术语在所述动态联想知识网络中设置一个对应的节点，为得到的每个名词性术语对间的直接联想关系在所述动态联想知识网络中对应的节点间设置对应的边以及该对应边的联想强度值。这样，所述动态联想知识网络能够更好地模拟大脑的联想记忆功能，更为准确。
-
公开(公告)号：CN113643261A
公开(公告)日：2021-11-12
申请号：CN202110930377.7
申请日：2021-08-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于频率注意网络的胸肺部疾病诊断方法，包括，利用离散余弦变换将胸部X光片由空间域转换到频率域，将相同频率的离散余弦变换系数组合为矩阵，获得所述胸部X光片的不同频率标记；去除所述胸部X光片中的高频离散余弦变换系数矩阵以减少噪声对诊断结果的影响；将三个经过选择的不同频率的所述离散余弦变换系数矩阵分别输入设计了注意力模块的分支；融合每个频率提取出的特征后得出胸部疾病的诊断结果。本发明使用DCT变换获得胸部X片在不同频率的表示，以获取多尺度的特征，借助注意力模块可以有效地提取胸肺部疾病特征，并有效提升胸肺部疾病的诊断性能。
-
公开(公告)号：CN106557866A
公开(公告)日：2017-04-05
申请号：CN201610879468.1
申请日：2016-10-09
Applicant: 国网江苏省电力公司 , 江苏苏源高科技有限公司 , 江南大学
CPC classification number: G06Q10/0635 , G06Q50/06
Abstract: 本发明涉及一种基于多维平稳性的电力客户缴费风险预警方法，首先计算每笔应缴费用的缴费即时性指标K，包括目标客户当前所有应缴费用的加权平均缴费即时性指标值记为Ke，客户上期所有应缴费用的加权平均缴费即时性指标值记为Kc，去年同期所有已缴费用的加权平均缴费即时性指标值记为Ky；其次为该目标客户均匀随机选择10～20家同类客户，并计算同类客户同期所有应缴费用的加权平均缴费即时性指标值记为Kr，计算输出目标客户的当前缴费风险等级Lr；最后根据目标客户的当前缴费风险等级Lr，分别采取相应的风险应对措施。该方法可更直接地对电力客户的最近缴费风险情况进行评估，且无需其它人工先验知识，实用性高。
-
公开(公告)号：CN105282090A
公开(公告)日：2016-01-27
申请号：CN201410247360.1
申请日：2014-06-03
Applicant: 江南大学
IPC: H04L29/06
Abstract: 本发明提出了一种互联网上用于防止URL任意信息获取攻击的编码方法，关键地设计了一种基于快速对称加密编码的数字码与字符串码的隐秘编码方法。基于一套自主设计的快速转换、混淆加密处理，编码方法对源数字码进行四轮加密后获得隐秘字符串码，保护URL中敏感数字信息不被任意获取访问。该发明包括：服务器端对URL中的敏感数字信息进行加密编码从而生成公开URL；用户使用公开URL发出访问请求；服务器端读取用户URL访问请求时，首先对其中含有的隐秘字符串参数进行解码，若解码结果正确，则给予正常请求响应，否则认为其为非法攻击，不予正常响应，或作其它进一步处理。本发明方法加解码速度快、安全强度较高，具有较强的抗URL任意访问攻击能力，对于URL中的参数篡改访问攻击无需额外数据库比对操作，实现效率高。
-
公开(公告)号：CN102622748A
公开(公告)日：2012-08-01
申请号：CN201210039091.0
申请日：2012-02-18
Applicant: 江南大学
Abstract: 基于混合行为蚁群算法的sift算法的特征关键点匹配是一种基于混合行为蚁群算法的搜索机制。在sift算法中，当两幅图像的SIFT特征向量生成后，取图像I的某个关键点，通过遍历找到图像II中的距离最近的两个关键点，在这两个关键点中，如果次近距离除以最近距离小于某个阈值，则判定为一对匹配点。当图像很大，一般的遍历方法速度慢，实时性比较差。本发明提出利用混合行为蚁群算法进行遍历运算，同时采用关键点特征向量的城区距离来作为两幅图像中关键点的相似性判定，降低计算复杂度，并大大提高了关键点匹配的准确度和运算速度。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.022 seconds)
