公开(公告)号：CN107507180A

公开(公告)日：2017-12-22

申请号：CN201710787546.X

申请日：2017-09-04

Applicant: 重庆大学

Inventor： 周喜川 ,  杨帆 ,  赵昕 ,  谭跃 ,  徐埌 ,  唐枋 ,  胡盛东 ,  林智

IPC: G06T7/00 ,  G06T7/11 ,  G06K9/62

CPC classification number: G06T7/0012 ,  G06K9/6223 ,  G06K9/6247 ,  G06K9/6278 ,  G06T7/11 ,  G06T2207/10024 ,  G06T2207/10132 ,  G06T2207/20081 ,  G06T2207/30096

Abstract: 本发明涉及一种基于多模态分类器的超声造影肿瘤识别方法，所述方法包括：预先获取超声造影模态数据和多普勒彩色超声模态数据；对所述超声造影模态数据和所述多普勒彩色超声模态数据进行预处理；对经过预处理的超声造影模态数据进行特征学习，以确定造影剂微泡的活动特征；对经过预处理的多普勒彩色超声模态数据进行特征学习，以确定不同的组织结构特征；将所述造影剂微泡的活动特征以及所述组织结构特征输入多模态分类器中，以通过所述多模态分类器输出肿瘤组织的识别结果。本发明提供的基于多模态分类器的超声造影肿瘤识别方法，能够实现肿瘤组织的检测，有效地降低假阴性率和假阳性率。

公开(公告)号：CN106851076B

公开(公告)日：2019-10-22

申请号：CN201710216185.3

申请日：2017-04-01

Applicant: 重庆大学

Inventor： 周喜川 ,  谭跃 ,  任丰博 ,  徐埌 ,  赵昕 ,  唐枋 ,  胡盛东 ,  林智

IPC: H04N5/225 ,  H04N19/42

Abstract: 本发明公开了的基于地址译码的压缩感知视频图像采集电路，包括传感器模块、模拟选通器和ADC单元；及矩阵参数配置、地址译码器、时序控制器、存储RAM和加法器；传感器模块将采集的数据信号输入到模拟选通器中，地址译码器将片选控制信号输入到模拟选通器，模拟选通器在片选控制信号的作用下将采集的数据信号送入ADC单元，加法器接收从ADC单元输入的数据信号；存储RAM在时序控制器的作用将片选控制信号作为地址信号输入到地址译码器中；本发明提供的电路利用高度稀疏性采样矩阵进行压缩感知采集，突破了传统压缩感知在随机采样矩阵RAM大以及冗余ADC数量多的问题，可大大减少RAM的大小以及ADC的数量；具有高度可配置性。

公开(公告)号：CN105488563A

公开(公告)日：2016-04-13

申请号：CN201510944909.7

申请日：2015-12-16

Applicant: 重庆大学

Inventor： 周喜川 ,  李胜力 ,  余磊 ,  李坤平 ,  赵昕 ,  杨帆 ,  谭跃 ,  唐枋 ,  胡盛东 ,  甘平

IPC: G06N3/02 ,  G06N3/06

CPC classification number: G06N3/02 ,  G06N3/061

Abstract: 本发明公开了一种面向深度学习的稀疏自适应神经网络，包括至少一层自适应有限玻尔兹曼机，所述至少一层自适应有限玻尔兹曼机包括可视层和隐藏层，所述可视层和隐藏层之间的连接是稀疏的。在本发明所述的神经网络中，可视层与隐藏层的连接是稀疏的；同时用32bit实数表示一个连接被优化成用1bit整数表示一个连接，这样的优化方式既不影响模式识别又可以满足精确性要求。本发明仅需要定点运算和少量乘法运算，就可以在单芯片上实现大规模神经网络。

公开(公告)号：CN106851076A

公开(公告)日：2017-06-13

申请号：CN201710216185.3

申请日：2017-04-01

Applicant: 重庆大学

Inventor： 周喜川 ,  谭跃 ,  任丰博 ,  徐埌 ,  赵昕 ,  唐枋 ,  胡盛东 ,  林智

IPC: H04N5/225 ,  H04N19/42

Abstract: 本发明公开了的基于地址译码的压缩感知视频图像采集电路，包括传感器模块、模拟选通器和ADC单元；及矩阵参数配置、地址译码器、时序控制器、存储RAM和加法器；传感器模块将采集的数据信号输入到模拟选通器中，地址译码器将片选控制信号输入到模拟选通器，模拟选通器在片选控制信号的作用下将采集的数据信号送入ADC单元，加法器接收从ADC单元输入的数据信号；存储RAM在时序控制器的作用将片选控制信号作为地址信号输入到地址译码器中；本发明提供的电路利用高度稀疏性采样矩阵进行压缩感知采集，突破了传统压缩感知在随机采样矩阵RAM大以及冗余ADC数量多的问题，可大大减少RAM的大小以及ADC的数量；具有高度可配置性。

公开(公告)号：CN106991445A

公开(公告)日：2017-07-28

申请号：CN201710219065.9

申请日：2017-04-05

Applicant: 重庆大学

Inventor： 周喜川 ,  杨帆 ,  冯玉洁 ,  谭跃 ,  李胜力 ,  李坤平 ,  赵昕 ,  刘念 ,  徐埌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6268 ,  G06N3/0454 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的超声造影肿瘤自动识别与检测方法，包括以下步骤：获取目标区域的特征视频数据；对所述特征视频数据进行数据预处理：将预处理后的特征视频数据进行分块得到若干视频块；将视频块作输入到3D卷积神经网络中进行数据处理得到特征图层；将特征图层输入到全连接层中进行特征分类，最终判断分类是否为肿瘤。本发明提供的方法，利用3D卷积神经网络，能有效提取超声造影视频数据帧内与帧间的时间空间有效血流特征，并基于肿瘤组织与正常组织的差异性，结合了视频数据的时空特性，使用了3DCNN算法进行肿瘤分割，实现肿瘤组织的检测，比传统机器学习算法取得了更好的分割准确率。