-
公开(公告)号：CN116861921A
公开(公告)日：2023-10-10
申请号：CN202310837554.6
申请日：2023-07-10
Applicant: 厦门大学
IPC: G06F40/30 , G06F40/205 , G06F18/15 , G06F18/214
Abstract: 本发明公开了一种基于大语言模型的机器人任务解析方法、装置及可读介质，通过收集机器人任务相关的数据，对数据进行预处理，得到训练数据，训练数据包括自然语言的任务描述以及对应的任务解析结果；采用P‑tuning‑v2的微调方式对大语言模型进行微调，得到微调后的大语言模型；基于机器人任务的需求和特点构建训练数据对应的提示语，采用思维链和小样本学习对提示语进行优化，得到优化后的提示语，采用优化后的提示语对微调后的大语言模型进行训练，得到机器人任务解析模型；获取实时的自然语言的任务描述，将自然语言的任务描述输入机器人任务解析模型，输出得到任务解析结果。本发明能准确的将自然语言的任务描述解析成机器人能够理解的执行指令。
-
公开(公告)号：CN119672051A
公开(公告)日：2025-03-21
申请号：CN202510185683.0
申请日：2025-02-20
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) , 厦门智融合科技有限公司
IPC: G06T7/11 , G06V10/52 , G06V10/44 , G06N3/0455 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于分层多尺度CNN‑Transformer的医学图像分割方法及装置，涉及深度学习领域，构建基于CNN‑Transformer的医学图像分割模型并训练，得到经训练的医学图像分割模型，获取待分割的医学图像并输入到经训练的医学图像分割模型，将待分割的医学图像输入到茎层中进行块分割，得到块图像，将块图像输入到编码模块，得到第1阶段的编码特征和第3阶段的编码特征；将第1阶段的编码特征和第3阶段的编码特征输入到双层特征融合模块，分别得到校准后的第1阶段的编码特征和校准后的第3阶段的编码特征；将校准后的第1阶段的编码特征和校准后的第3阶段的编码特征输入到解码单元，得到预测分割结果。本发明能够提升模型对多尺度长程依赖关系和局部空间信息建模的能力。
-
公开(公告)号：CN119672347A
公开(公告)日：2025-03-21
申请号：CN202510187449.1
申请日：2025-02-20
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) , 厦门智融合科技有限公司
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/0455 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于文本驱动和亲和力学习的医学图像分割方法及装置，涉及弱监督学习领域，包括：构建基于文本驱动的医学图像分割模型并训练，得到经训练的医学图像分割模型；获取待分割的医学图像及其对应的专业知识和文本标签并输入到经训练的医学图像分割模型，分别利用标签编码器和专业知识编码器对文本标签和专业知识进行编码，通过知识注意力模块引导图像特征关注目标组织的相关区域，进一步生成初始伪标签，通过亲和力预测模块计算得到亲和力预测值，利用亲和力预测值修正初始伪标签，得到待分割的医学图像对应的伪标签。本发明解决了现有弱监督方法CAM激活不足以及图像标签不能够提供足够的监督信息等问题。
-
公开(公告)号：CN119649037A
公开(公告)日：2025-03-18
申请号：CN202510180763.7
申请日：2025-02-19
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) , 厦门智融合科技有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 一种基于解剖学连通性的半监督医学图像分割方法和装置，属于医学图像分割领域，包括：采用医学图像分割模型对输入的有标签数据和无标签数据进行分割得到第一特征图和第二特征图；通过判别获取所述第一特征图和所述第二特征图的最大连通区域的伪标签，根据所述最大连通区域的伪标签以及不确定性图得到确定性伪标签；将确定性伪标签和有标签数据结合作为监督信号，引导所述分割模型进行像素级对比学习以提升对特征的提取能力。本发明引入了连通性判断的概念，加强了模型对于目标结构的理解，还提高模型在保持解剖学结构连续性方面的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111915057A
公开(公告)日：2020-11-10
申请号：CN202010599191.3
申请日：2020-06-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习和群智感知的单车需求预测与调度方法，包括如下步骤：步骤S1：单车需求预测：建立单车需求图结构，基于历史时刻图结构节点属性值和边权重，预测未来时刻图结构节点的属性值；通过时空网络架构准确预测出未来时刻的单车需求变化趋势；步骤S2：生成单车调度任务：根据预测出的未来时刻的单车需求变化趋势，输入到单车调度任务模型生成单车调度任务，步骤S3：单车群智调度执行：根据生成的单车调度任务，输入到调度执行模型，进行调度任务分配，本发明提供的方法，可以准确地预测城际范围内的自行车骑行需求，并基于预测结果，利用群智感知技术有效地进行自行车调度，提升了自行车系统的有效利用率，节省了单车调度所需的人力物力。
-
公开(公告)号：CN119672346A
公开(公告)日：2025-03-21
申请号：CN202510186671.X
申请日：2025-02-20
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) , 厦门智融合科技有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06V10/772 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06V20/70
Abstract: 本发明公开了一种基于形状字典的单源域泛化医学图像分割方法及装置，涉及计算机技术领域，方法包括：形状字典学习步骤、总体分割网络构建步骤、总体分割网络训练步骤和医学图像分割步骤。本发明通过结合域不变形状参考分割模型和随机特征增强的域特定泛化信息学习，在单一源域数据训练的前提下，提高网络模型对域不变特征和模拟的未知域域特定特征的学习能力，最大限度地提高模型在各种未知目标域中的泛化能力和分割准确性。本发明提出的方法仅需要使用单一源域数据，能很好的缓解医学图像分割任务的单源域泛化SDG问题。
-
公开(公告)号：CN119649039A
公开(公告)日：2025-03-18
申请号：CN202510182194.X
申请日：2025-02-19
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) , 厦门智融合科技有限公司
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06V10/764
Abstract: 本发明公开了一种基于伪标签的无源无监督域适应医学图像分割方法及装置，涉及计算机技术领域，方法包括：有监督的源域模型训练阶段、无监督自适应的目标域模型训练阶段和分割阶段，具体为运用伪标签像素级不确定性估计对源域医学图像进行像素级自标记生成可靠的伪标签，并在此基础上使用强弱增强的教师学生目标域模型充分利用高质量的伪标签来训练目标域医学图像来使网络适应特定于目标域医学图像的表示。本发明在已知源域模型和目标域未标记数据的前提下对目标域数据图进行无监督地分割，不需要访问源域数据且可以合理地利用上源域模型特征，能很好地缓解SFUDA存在的问题，在比UDA方法更少数据可用的情况下仍然保持在目标域上的准确分割能力。
-
公开(公告)号：CN119649038A
公开(公告)日：2025-03-18
申请号：CN202510180884.1
申请日：2025-02-19
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) , 厦门智融合科技有限公司
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/094 , G06N3/0475 , G06N3/048 , G06V10/778
Abstract: 本发明公开了一种基于多尺度特征的无监督域适应医学图像分割方法及装置，涉及计算机技术领域，方法包括：构建基于双重注意力的多尺度特征融合分割网络；将所述多尺度特征融合分割网络作为生成器，构建第一判别器和第二判别器；基于所述生成器、第一判别器和第二判别器进行训练，获得训练好的多尺度特征融合分割网络；使用训练好的多尺度特征融合分割网络对待处理医学图像进行分割。本发明引入多尺度特征考虑不同层次的特征表示，并通过对抗性特征对齐方法，通过对抗性学习实现源域和目标域特征的对齐，从而提升分割模型在目标域上的性能和泛化能力；且本发明无需使用目标域标签，能很好的缓解医学图像分割任务的无监督域适应问题。
-
公开(公告)号：CN111915057B
公开(公告)日：2022-05-17
申请号：CN202010599191.3
申请日：2020-06-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习和群智感知的单车需求预测与调度方法，包括如下步骤：步骤S1：单车需求预测：建立单车需求图结构，基于历史时刻图结构节点属性值和边权重，预测未来时刻图结构节点的属性值；通过时空网络架构准确预测出未来时刻的单车需求变化趋势；步骤S2：生成单车调度任务：根据预测出的未来时刻的单车需求变化趋势，输入到单车调度任务模型生成单车调度任务，步骤S3：单车群智调度执行：根据生成的单车调度任务，输入到调度执行模型，进行调度任务分配，本发明提供的方法，可以准确地预测城际范围内的自行车骑行需求，并基于预测结果，利用群智感知技术有效地进行自行车调度，提升了自行车系统的有效利用率，节省了单车调度所需的人力物力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
