-
公开(公告)号：CN118229626A
公开(公告)日：2024-06-21
申请号：CN202410244531.9
申请日：2024-03-04
Applicant: 厦门大学
IPC: G06T7/00 , G16H50/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于眼前节图像多病种特征检测的方法、介质和设备，该方法包括：接收待处理的眼前节图像；将待处理的眼前节图像输入训练完成的第一深度学习模型中，输出图像检测结果，图像检测结果包括标识出的眼前节图像上存在的病灶特征位置以及病灶特征对应的疾病类型；根据知识图谱确定病灶特征对应的疾病类型以及相应的诊疗策略建议，将图像检测结果、病灶特征对应的疾病类型以及相应的诊疗策略建议进行映射存储，得到初步的诊疗分析结果；将初步的诊疗分析结果发送给预设终端。上述方案通过深度学习模型能够精准地标识出眼前节图像的病灶位置，并输出相应的疾病类型和诊疗建议，能够满足不同场景对多病种特征检测的需求。
-
公开(公告)号：CN116434351A
公开(公告)日：2023-07-14
申请号：CN202310442834.7
申请日：2023-04-23
Applicant: 厦门大学
Abstract: 本发明涉及一种基于频率注意力特征融合的伪造人脸检测方法、介质和设备，可充分聚合多种多样的人脸特征信息，有效地加强了人脸特征的表达能力，从而提高伪造人脸检测准确率。检测方法通过增加空域频域特征融合模块，充分利用了图像的空域信息，同时，还可通过频域信息关注到的在伪造人脸生成过程中由于上采样操作而产生的伪造痕迹，实现了多维的信息聚合；变体注意力模块可通过加强的注意力操作，获得最优的特征表示，大大提高了伪造人脸检测的泛化性以及面对真实场景中各种未知篡改方法的鲁棒性，提高了模型的分辨能力，使其在真实场景下也能保持较好的效果。
-
公开(公告)号：CN115063654A
公开(公告)日：2022-09-16
申请号：CN202210639789.X
申请日：2022-06-08
Applicant: 厦门大学
IPC: G06V10/778 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明提供了一种基于序列元学习的黑盒攻击方法、存储介质和电子设备，所述方法从所述代理数据集中采样若干图像，基于所述若干图像和所述分类器模型集按照次序逐个优化所述分类器模型集中各模型fi的第一定向扰动，得到一组与各模型相关的定向对抗扰动；而后基于所述定向对抗扰动生成一个与模型无关的第二定向扰动δ，根据所述定向对抗扰动确定所述第二定向扰动δ的更新方向，并按照确定的所述第二定向扰动的更新方向对所述第二定向扰动进行优化。当迭代次数达到预设次数时，输出当前第二定向扰动。上述方案通过挖掘所有观察到的模型，能够优化出共享的扰动，有效提高定向通用扰动的可迁移性。
-
公开(公告)号：CN113962311B
公开(公告)日：2025-02-07
申请号：CN202111254098.X
申请日：2021-10-27
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种目标分类系统。该目标分类系统具体可以是知识数据和人工智能驱动的多病种识别系统。该系统能够用于获取医学图像和非图像医学信息；使用医学专家知识库匹配信息数据，由医学知识推理算法得到眼科疾病权重结果；使用医学影像诊断中的器官组织分割算法、疾病病灶识别算法得到眼科疾病权重结果；结合知识推理和医学图像识别所得权重结果，加权计算获得最终疾病诊断结果。本发明参照医学临床诊断思路，以大数据对医学数据的结构化处理，以人工智能模型对疾病病灶的检测能力，实现了疾病的自动诊断。该系统改进了现有就诊方式，实现了疾病的人工智能初步诊断筛查，有效缓解医疗资源紧缺现状，具有广泛的应用前景。
-
公开(公告)号：CN115457261A
公开(公告)日：2022-12-09
申请号：CN202210936806.6
申请日：2022-08-05
Applicant: 厦门大学
Abstract: 本发明提供了一种医学图像小病灶分割方法、存储介质和电子设备，所述方法包括：构建图像分割网络模型；将待处理的医学图像输入编码模块，提取医学图像在不同尺度下的全局特征，得到多种不同尺度的特征图；将多种不同尺度的特征图输入至跳跃连接模块，采用位置相关性网络计算不同子块之间的位置关系，构建位置权重矩阵来加强对医学图像上器官区域的关注度；根据编码模块最后一层输出的特征图提取深层特征，并将提取的深层特征输入至解码模块，并通过上采样对各个尺度的特征图进行尺度还原，对不同尺度还原的特征图与位置相关性网络输出的特征矩阵进行融合，输出最终特征图。通过上述方案能够有效提升病灶分割的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114283925A
公开(公告)日：2022-04-05
申请号：CN202111527972.2
申请日：2022-01-17
Applicant: 厦门大学
Abstract: 本发明提供了一种智能方剂推荐方法和存储介质，该方法包括以下步骤：S1：获取患者信息进行证素辨证，得到诊断信息集合；诊断信息集合包括诊断证素集合；S3：从方剂数据库中获取多个第一方剂信息，根据诊断信息集合对第一方剂信息进行筛选，得到第二方剂信息；第二方剂信息包括第二必有证素信息集合以及第二或有证素信息集合；S4：根据第二必有证素信息集合、第二或有证素信息集合以及诊断证素集合的对应关系，确定候选方剂信息；S5：根据预定规则对所有所述候选方剂信息进行评分，根据评分结果确定最终推荐方剂。本申请在推荐方剂的过程中是按照方剂对应的证素与诊断证素集合进行比较确定的，可以使得最终推荐的方剂更具准确性。
-
公开(公告)号：CN109119133B
公开(公告)日：2021-07-23
申请号：CN201810879094.2
申请日：2018-08-03
Applicant: 厦门大学
Abstract: 基于多标记特征选择及分类的中医临床大数据存储方法，涉及大数据挖掘与中医数字化的交叉技术应用领域。对患者进行信息采集，根据不同患者症状进行量化打分，并对其赋予对应的多类标签；对采集到的患者数据进行归一化处理，将标记数据集进行向量化处理，得到标准的多标记数据集，并将多标记数据集划分为训练集和测试集以验证算法有效性；计算训练集进行特征选择时所需相关矩阵，使用罚函数法计算全局最优特征权重分配；选取权重最大的前K个特征子集，使用MLkNN方法得到测试集预测结果，并选取最优特征子集进行新患者病情预测。
-
公开(公告)号：CN109087313A
公开(公告)日：2018-12-25
申请号：CN201810877382.4
申请日：2018-08-03
Applicant: 厦门大学
Abstract: 一种基于深度学习的智能舌体分割方法，涉及图像处理。制定舌象采集标准，以此采集标准环境下的舌象数据；所述采集标准包括对设备方面、光线方面、位置方面和患者要求方面等；人工分割舌象数据，并将数据集划分为训练集和测试集以验证算法有效性；通过舌体分割网络TS-Net的编码器获取舌象的低层特征并进行像素定位；通过舌体分割网络TS-Net的解码器融合高低层特征并进行像素分类，获取完整的舌体区域。
-
公开(公告)号：CN114283925B
公开(公告)日：2024-08-20
申请号：CN202111527972.2
申请日：2022-01-17
Applicant: 厦门大学
IPC: G16H20/90 , G16H70/60 , G06F16/9035
Abstract: 本发明提供了一种智能方剂推荐方法和存储介质，该方法包括以下步骤：S1：获取患者信息进行证素辨证，得到诊断信息集合；诊断信息集合包括诊断证素集合；S3：从方剂数据库中获取多个第一方剂信息，根据诊断信息集合对第一方剂信息进行筛选，得到第二方剂信息；第二方剂信息包括第二必有证素信息集合以及第二或有证素信息集合；S4：根据第二必有证素信息集合、第二或有证素信息集合以及诊断证素集合的对应关系，确定候选方剂信息；S5：根据预定规则对所有所述候选方剂信息进行评分，根据评分结果确定最终推荐方剂。本申请在推荐方剂的过程中是按照方剂对应的证素与诊断证素集合进行比较确定的，可以使得最终推荐的方剂更具准确性。
-
公开(公告)号：CN112800282B
公开(公告)日：2022-11-08
申请号：CN202110054367.1
申请日：2021-01-15
Applicant: 厦门大学
IPC: G06F16/9536 , G06Q30/06 , G06Q50/00 , G06F16/27 , G06Q40/04
Abstract: 一种业务流程异常节点溯源方法，涉及流程图的构建与查找。包括以下步骤：1)通过数据仿真构建包含属性图信息的业务流程图；业务流程图中包括节点、节点属性、节点关系，属性图包含节点属性的转换关系；2)根据业务流程图和属性图中节点的属性数据流动关系，结合深度优先遍历搜索算法，基于属性图约束对业务流程图进行剪枝优化，将与异常节点路径上不相关的支路去除，给出起始溯源的具体属性，沿着该属性的方向逆向查找异常点，完成业务流程异常节点溯源。加快网络对异常节点的搜索速度，提升搜索效率，可实现高效异常逆向溯源搜索，为流程推进提供有力保障具有实际意义。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.028 seconds)
