公开(公告)号：CN117132839A

公开(公告)日：2023-11-28

申请号：CN202311220276.6

申请日：2023-09-20

申请人： 青岛哈尔滨工程大学创新发展中心

发明人： 丛山 ,  罗昊燃 ,  姚晓辉 ,  刘冰 ,  梁洪

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明公开了一种基于海马子区表面的图卷积辅助学习方法，属于人工智能领域；具体是：首先，从ADNI数据库的MRI影像中提取海马体素数据，进而结合球面谐波映射算法获取海马表面三角网格数据，并分割出海马体及海马子区域；然后，将海马表面划分的子区域进行整合；在现有图卷积神经网络模型的基础上加入池化模块，形成改进的图卷积池化模型，对整合了子区域后的海马表面三角网格数据进行训练；最后，经过图卷积和池化之后，将训练后的点特征和面特征映射到同一纬度进行拼接，由MLP分类器完成分类任务，并得到最终预测结果；本发明采用了对卷积核和图池化进行改进的图卷积池化模型，取得了更高的分类准确率。

公开(公告)号：CN117637035A

公开(公告)日：2024-03-01

申请号：CN202311702871.3

申请日：2023-12-12

申请人： 青岛哈尔滨工程大学创新发展中心

发明人： 姚晓辉 ,  丛山 ,  罗昊燃 ,  梁洪 ,  贾淼 ,  袁浚博

IPC分类号： G16B40/20 ,  G16B20/00 ,  G16B25/10 ,  G06F18/213 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/09 ,  G06N3/0985

摘要： 本发明涉及一种基于图神经网络的多组学可信整合的分类模型及方法。该方法包括：针对一个样本，准备该样本的组学数据；构建每种组学数据的特异性网络；对组学特异性网络进行聚合更新，并对提取的组学特征进行降维和分类，产生每种组学的初始分类；计算每种组学的置信度，并对聚合后的特征进行增强；融合多种组学的置信增强特征，产生最终的分类结果；输出目标对象的医学分析结果。该模型包括：多组学数据准备模块、组学数据网络化构建模块、特征聚合及分类模块、置信度计算及增强模块、特征融合及分类模块、输出模块。

公开(公告)号：CN115936983A

公开(公告)日：2023-04-07

申请号：CN202211353715.6

申请日：2022-11-01

申请人： 青岛哈尔滨工程大学创新发展中心

发明人： 丛山 ,  杨宇尊 ,  姚晓辉 ,  罗昊燃 ,  魏怡明 ,  刘宏伟

IPC分类号： G06T3/40 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

摘要： 本发明公开了一种基于风格迁移的核磁图像超分辨率方法，包括以下步骤：由非配对的高清图像和低清图像数据集训练改进的Transformer模型；将待配对的高清图像输入改进的Transformer模型输出对应的配对低清图像并与待配对的高清图像与所述配对低清图像组对构成对抗生成网络训练集，再由此训练集训练对抗生成网络；最后将核磁图像输入训练后的对抗生成网络得到高清核磁图像；其中改进的Transformer模型包括两个编码器、解码器和卷积神经网络上采样器，经过位置编码的高清图像分别输入两个编码器得到内容序列和风格序列再共同输入解码器解码后进行放大输出。本发明克服了传统线性下采样没有考虑图片域差导致与真实低清图像风格不一致的问题，可获得更加真实、更小色差的高清图像。