公开(公告)号：CN113012775A

公开(公告)日：2021-06-22

申请号：CN202110341510.5

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  秦廷桢 ,  李铭 ,  孙颖 ,  鞠恒荣 ,  沈鑫杰 ,  潘柏儒 ,  冯志豪 ,  黄嘉爽 ,  程纯 ,  曹金鑫

IPC: G16H10/60 ,  G16H15/00 ,  G06F16/182

Abstract: 本发明提供了一种红斑病电子病历病变分类的增量属性约简Spark方法，基于知识粒度的动态变化数据集增量约简算法与处理大数据常用的Spark并行框架相结合，在处理复杂，大规模和动态的数据集方面有着良好的效果，有效提高处理速度，能够进一步提高电子病历属性约简的效率和精度。

公开(公告)号：CN116759069A

公开(公告)日：2023-09-15

申请号：CN202310651001.1

申请日：2023-06-02

Applicant: 南通大学

Inventor： 丁卫平 ,  陈悦鹏 ,  秦廷桢 ,  姜舒 ,  姚泓丞 ,  鞠恒荣 ,  黄嘉爽 ,  尹涛 ,  周天奕

IPC: G16H50/20 ,  G16H50/70 ,  G16H10/60 ,  G16H30/40 ,  G06T7/00 ,  G06V10/764

Abstract: 本发明提供了一种用于大规模认知障碍疾病检测的动态加权属性约简方法，属于医学信息智能处理技术领域，传统方法在处理大规模数据处理时间较长，复杂的认知障碍疾病特征选择中会导致不确定性的技术问题。其技术方案为：包括以下步骤：S1、大规模认知障碍疾病数据获取与预处理；S2、计算认知障碍疾病原始数据和增量数据的知识粒度；S3、构建动态特征交互加权属性树；S4、将构建的动态特征交互加权属性树分支，每轮分支结束时将低权重属性添加到交互集F中进行增量特征交互；S5、在所有属性树完成分支后，将计算节点约简集输出到主节点，获得大规模认知障碍疾病数据约简。本发明的有益效果为：可以有效提高特征选择的速度并提高精度。

公开(公告)号：CN113838532B

公开(公告)日：2022-11-18

申请号：CN202110845531.0

申请日：2021-07-26

Applicant: 南通大学

Inventor： 丁卫平 ,  耿宇 ,  鞠恒荣 ,  黄嘉爽 ,  程纯 ,  孙颖 ,  张毅 ,  李铭 ,  秦廷桢 ,  沈鑫杰 ,  王海鹏

IPC: G16B40/20 ,  G06K9/62 ,  G16H50/20 ,  G16H50/70

Abstract: 本发明提供了一种基于双重自适应邻域半径的多粒度乳腺癌基因分类方法，读取大规模基因位点数据并做归一化处理，并对大规模基因位点进行数据分析；利用轮廓系数和PCA降维可视化相结合方式，选取最佳K值，调整信息粒化的模型；其次，使用启发式约简算法分别实现基于簇心距离自适应邻域半径的多粒度属性约简基于属性包含度的邻域半径的多粒度属性约简，并采用SVM支持向量机机器学习分类算法对乳腺癌基因大数据进行分类和预测。本发明的有益效果是：调整惩罚项使模型在乳腺癌基因分类具有较高的准确率和召回率，去除大规模数据中冗余属性，提高了计算效率，利用样本之间的支持信息，提升了乳腺癌数据分类的效率和精度。

公开(公告)号：CN114494196A

公开(公告)日：2022-05-13

申请号：CN202210094089.7

申请日：2022-01-26

Applicant: 南通大学

Inventor： 丁卫平 ,  王海鹏 ,  鞠恒荣 ,  刘传升 ,  耿宇 ,  黄嘉爽 ,  程纯 ,  曹金鑫 ,  秦廷桢 ,  沈鑫杰 ,  潘柏儒

IPC: G06T7/00 ,  G06T5/00 ,  G06N5/00 ,  G06N5/04 ,  G06N3/12 ,  G06N3/04 ,  G06N3/08 ,  G16H30/20 ,  G16H50/20

Abstract: 本发明涉及医学信息智能处理技术领域，具体涉及基于遗传模糊树的视网膜糖尿病变深度网络检测方法。首先对视网膜图像进行增强处理，将病变区域展宽，对正常区域进行压缩；然后搭建网络模型U‑net，准确分割出视网膜血管以及血管末梢图像；接着将模型分割出的血管图像与真实诊断结果进行训练，构建出可解释的模糊决策树；其次对决策树权值编码并且构造适应度函数，基于遗传算法对多棵决策树进行组合优化；最后引入准确率指标动态调整损失函数中的惩罚项。本发明的有益效果是可精确地识别出视网膜糖尿病变血管末梢，提高检测分类准确度，更有效地帮助医生诊断视网膜糖尿病变，让患者获得最佳治疗时期。

公开(公告)号：CN113159156A

公开(公告)日：2021-07-23

申请号：CN202110405276.8

申请日：2021-04-15

Applicant: 南通大学

Inventor： 丁卫平 ,  潘柏儒 ,  李铭 ,  孙颖 ,  黄嘉爽 ,  鞠恒荣 ,  秦廷桢 ,  沈鑫杰 ,  冯志豪 ,  程纯 ,  曹金鑫

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04

Abstract: 本发明提供了一种用于宫颈癌数据分类的粗糙图卷积方法，要从宫颈癌数据中获得宫颈癌病变细胞信息的数据集合及其决策分类；计算宫颈癌数据中决策属性的依赖度，约简子集的属性重要度；按照约简子集的重要度排序选择可以得到宫颈癌数据中病理特征约简子集R；将经过粗糙集处理后的宫颈数据集转换成拓扑图的形式，作为神经网络的输入；利用神经网络采取一阶切比雪夫ChebNet的方法进行图卷积，用半监督方法进行节点分类，所得到的结果经过可视化后可求出宫颈癌数据中数据所属的类。本发明能够有效提高对宫颈癌数据进行分类的效率和精度，对宫颈癌数据计算机智能辅助分类具有较强的应用价值。