基于双重对比学习的脊柱侧弯识别方法

    公开(公告)号:CN118781630A

    公开(公告)日:2024-10-15

    申请号:CN202410872666.X

    申请日:2024-07-01

    摘要: 本发明公开了基于双重对比学习的脊柱侧弯识别方法,主要解决现有技术识别成本高及准确率低的问题。其实现方案是:采集不同年龄、不同性别、不同脊柱侧弯程度的前屈试验视频;设置视觉体格检查五步法策略对采集的所有前屈试验视频样本进行标注标签;构建基于双重对比学习的Swin Transformer孪生网络;基于骨骼关节点获取关键区域的左右部分,将其输入孪生网络中提取样本左右特征及整体特征;通过骨骼特征热力图对图像左右及整体特征进行增强;利用增强后的特征训练孪生网络;将测试集输入到训练好的孪生网络检测出脊柱识别结果。本发明降低了脊柱侧弯识别的成本,提高了识别的准确率,可用于医院体检或患者对自己人体脊柱状况的初查。

    一种可穿戴式智能肺音采集设备

    公开(公告)号:CN221044959U

    公开(公告)日:2024-05-31

    申请号:CN202322173495.5

    申请日:2023-08-11

    IPC分类号: A61B7/04

    摘要: 本实用新型公开了一种可穿戴式智能肺音采集设备,包括:上衣型设备主体、分布式肺音采集模块、肺音信号缓存与处理模块和无线数据传输模块。分布式肺音采集模块的4个肺音采集单元分别设置于上衣型设备主体内面对应于人体的前胸、后背和两侧后腰的位置。4个肺音采集单元分别通过信号线连接肺音信号缓存与处理模块,肺音信号缓存与处理模块通过信号线连接无线数据传输模块。本实用新型实现了设备集成化,增强了设备的耐用性和使用便捷性。

    基于多尺度变换网络的重复性体育动作计数方法及装置

    公开(公告)号:CN116129528A

    公开(公告)日:2023-05-16

    申请号:CN202310166784.4

    申请日:2023-02-24

    摘要: 本发明涉及一种基于多尺度变换网络的重复性体育动作计数方法及装置,该方法包括:检测原始视频中的骨骼关键点得到原始骨骼序列,对原始骨骼序列进行三个尺度的采样,得到三个下采样骨骼序列;对每个下采样骨骼序列的时间周期性特征进行逐骨骼关节点编码,得到每个骨骼关节的时间自相关矩阵;对每个骨骼关节的时间自相关矩阵进行从粗到细的周期性选择,得到三个加权融合周期立方体;将三个加权融合周期立方体进行多尺度周期性融合,得到多尺度周期立方体;基于多尺度周期变换网络对多尺度周期立方体进行脉冲图回归,得到脉冲图;将脉冲图中的所有元素相加,得到重复动作计数结果。本发明实施例测试准确,计数结果具有可解释性。

    基于主题引导的Transformer的遥感图像字幕生成方法

    公开(公告)号:CN115035508B

    公开(公告)日:2024-09-27

    申请号:CN202210689905.9

    申请日:2022-06-17

    摘要: 本发明公开了一种基于主题引导的Transformer遥感图像字幕生成方法,主要解决现有技术生成的描述单一,且无法精确表示图像中的语义信息的问题。其实现方案为:搭建一个由Transformer和主题向量组成的主题编码器,并在分类数据集上进行预训练;搭建一个由随机掩码层、嵌入层、Transformer解码器和soft‑max层级联组成的语义解码器;将主题编码器和语义解码器进行连接,得到遥感图像字幕生成网络;设置训练参数,用标准RSICD数据集迭代训练遥感图像字幕生成网络;利用训练好的遥感图像字幕生成网络生成字幕描述。本发明提高了生成描述的多样性和准确性,可用于地物图像检索、灾情预测、图像理解。

    一种基于客户端聚类个性化联邦学习的医学图像分类方法

    公开(公告)号:CN117830746A

    公开(公告)日:2024-04-05

    申请号:CN202410045141.9

    申请日:2024-01-11

    摘要: 本发明公开了一种基于客户端聚类个性化联邦学习的图像分类方法,主要解决现有联邦学习方法对本地数据隐私保护差,在交互学习过程中通信量和计算量高的问题。其实现方案是:从公开数据集中获取结肠病理数据集并对其进行分类处理;根据狄利克雷分布对数据分布程度进行处理;选择Resnet18分类网络作为服务器端和客户端的主干网络模型;通过对客户端模型的训练进行客户端群组划分;通过自适应权重聚合对服务器端模型进行训练;利用训练好的服务器端模型的参数更新客户端模型;利用更新后的客户端模型实现对本地疾病图像数据的分类。本发明可保障数据的隐私安全,降低通信量和计算量,提高分类的准确率,可用于对医疗机构不同病种的医疗图像的分类检测。

    基于多任务学习边缘校正网络的男性盆腔CT分割方法

    公开(公告)号:CN112419348B

    公开(公告)日:2024-02-09

    申请号:CN202011293215.9

    申请日:2020-11-18

    摘要: 本发明公开了一种基于多任务学习边缘校正网络的男性盆腔CT分割方法,主要解决现有分割方法分割精度和效率较低的问题。其实现方案为:获取前列腺癌症病人的CT图像和医生手工勾画的器官标签和边缘标签,并划分训练数据集、验证数据集和测试数据集;构造一个包含残差子模块、边缘校正模块和特征融合模块的边缘校正分割子网络,并与一个用于定位的3D UNet网络串行连接,组成分割模型;使用训练数据集,利用自适应学习率优化算法对分割模型进行训练;将一例盆腔CT图像作为测试数据输入到训练好的分割模型中,得到测试图像的器官分割结果和边缘分割结果。本发明提升了盆腔CT中器官分割的精度和效率,可用于盆腔CT中器官的自动化分割。

    基于属性学习的未知场景遥感图像字幕生成方法

    公开(公告)号:CN117152303A

    公开(公告)日:2023-12-01

    申请号:CN202311075484.1

    申请日:2023-08-25

    摘要: 本发明公开了一种基于属性学习的未知场景遥感图像字幕生成方法,主要解决现有方法只能产生在训练过程中出现过的词语和句子,不能对未知的场景进行准确描述的问题。其实现方案是:搭建一个属性提取器、设置一个可学习的属性标识向量A,并在多标签分类数据集上进行预训练;搭建由属性推理模块和主体词生成模块构成的基于属性学习的解码器;将主题编码器、属性提取器、基于属性学习的解码器级联,构成基于属性学习的未知场景遥感图像字幕生成网络,并对其进行迭代训练;将测试集遥感图像输入到训练好的字幕生成网络生成字幕描述。本发明提高了未知场景下遥感图像的描述准确率,能适应遥感图像的多种场景,可用于地物图像检索、灾情预测及图像理解。

    基于局部和全局区域策略对抗学习的人脸老化方法

    公开(公告)号:CN116993578A

    公开(公告)日:2023-11-03

    申请号:CN202310941541.3

    申请日:2023-07-28

    摘要: 本发明公开了一种基于局部和全局区域策略对抗学习的人脸老化方法,主要解决现有技术使用对抗网络不能够生成具有明显衰老特征的老化人脸问题。其实现方案是:使用人脸关键点识别技术对人脸数据进行检测、对齐和裁剪,并将其划分为训练集和测试集;对训练集和测试集的对每张图片赋予对应的年龄标签;分别构建人脸生成模型、人脸面部总损失及基于个人身份特征的损失函数;采用对抗训练的方法对人脸生成模型进行训练直至面部总损失和特征损失函数收敛;将测试集中的人脸图像加载到训练好的人脸生成模型中生成各年龄阶段的人脸图像。本发明提高了年龄跨度较大的人脸生成图像的衰老特征,可用于协助警察对疑犯踪迹查找、长时间失踪儿童找回及医学整形。