公开(公告)号：CN119943401A

公开(公告)日：2025-05-06

申请号：CN202510061793.6

申请日：2025-01-15

Applicant: 中北大学

Inventor： 李华玲 ,  贾子千 ,  章永来 ,  强彦 ,  霍佳鑫 ,  王彦瑾

IPC: G16H50/30 ,  A61B5/00 ,  A61B5/0205 ,  A61B6/00 ,  G16H50/70 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明公开了一种基于多模态数据融合的脑卒中风险预测方法和系统，包括以下步骤：A1数据采集与预处理步骤；A2 特征嵌入与多模态融合步骤；A3 自注意力机制优化特征融合步骤；A4 多模态协同训练步骤；A5 动态预测与实时更新步骤。通过整合医学影像数据、基因数据、电子健康记录（EHR）和生物标志物数据，能够全面评估脑卒中风险，解决了单一数据源的局限性。通过深度学习模型对各类数据的独立特征提取与嵌入处理，本方法能够捕捉到每种数据模态中的深层次信息，提供更为细致、准确的风险评估。

公开(公告)号：CN119904633A

公开(公告)日：2025-04-29

申请号：CN202411960467.0

申请日：2024-12-30

Applicant: 中北大学

Inventor： 强彦 ,  孙继杰 ,  李青 ,  李华玲 ,  章永来 ,  王彦瑾 ,  霍佳鑫 ,  郭瑛璇

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种模糊边缘增强的皮肤病变图像分割方法和系统，所述的方法包括步骤S110‑S140：S110：收集临床皮肤病变图像数据；S120：构建残差像素差分卷积的模糊边缘分割网络ResPDCNet；S130：对构建的ResPDCNet进行训练；S140：根据网络训练结果，给出皮肤病变区域分割结果。本发明提出一种基于残差像素差分卷积的模糊边缘增强皮肤病变图像分割方法。这种方法通过残差像素卷积块提取目标病变区域的细节边缘细节，解决临床医学图像中存在的前景区域与背景区域的像素差异小的问题，其次通过残差注意力块进行空间和通道的特征提取感知病变部位大小和位置，解决病变部位大小不一、病变位置难以定位问题。

公开(公告)号：CN117953208A

公开(公告)日：2024-04-30

申请号：CN202311697571.0

申请日：2023-12-11

Applicant: 中北大学

Inventor： 郝德琛 ,  章永来 ,  强彦 ,  李华玲 ,  安洋 ,  李强

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于图的边缘注意力门医学影像分割方法及装置，所述装置包括：数据收集单元；数据预处理单元；EAGC_IUNet模型构建单元：构建基于图的边缘注意力门医学影像分割模型，记作EAGC_IUNet；EAGC_IUNet模型训练单元：对构建的EAGC_IUNet进行训练；医学图像分割单元：根据所述医学图像分割方法，给出目标区域分割结果；本发明改进边缘注意力门结构，使用Sobel的横向和纵向算子分别提取特征图两个方向的边缘特征，这样更容易提取特征图的高频边缘信息。使用改进UNet3+作为主干网络，这样可以在保留UNet++优势的同时使模型参数量减少并且全尺度跳跃连接更有利于捕获图像中的细粒度语义特征和粗粒度语义特征。

公开(公告)号：CN117935036A

公开(公告)日：2024-04-26

申请号：CN202410136070.3

申请日：2024-01-31

Applicant: 中北大学

Inventor： 李华玲 ,  霍佳鑫 ,  章永来 ,  张晓波 ,  安洋

IPC: G06V20/05 ,  G06V10/25 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V10/75

Abstract: 本发明公开了一种复杂海洋环境下的鱼类目标检测方法，包括步骤S110‑S150：S110：收集原始水下鱼类图像数据和对应的鱼类目标手动标注数据，标注数据中包含鱼类的类别以及检测框的坐标，将鱼类图像数据和目标标注数据分别构成原始图像数据集I和标签数据集L；S120：使用加权直方图匹配算法对原始图像数据集进行数据预处理，并构建测试和训练数据集；S130：构建改进YOLOv5的水下鱼类目标检测模型，记作HMFD_YOLOv5；S140：对构建的HMFD_YOLOv5进行训练；S150：根据所述水下鱼类目标检测方法，给出目标检测结果；首先，本发明通过加权直方图匹配来解决水下图像模糊、颜色失真以及颜色分布不统一的问题；其次，使用实时检测器中的解码器替换YOLOv5中的检测头部分，从而增强算法对遮挡目标的检测能力。

公开(公告)号：CN119904634A

公开(公告)日：2025-04-29

申请号：CN202411960836.6

申请日：2024-12-30

Applicant: 中北大学

Inventor： 李华玲 ,  郭卉敏 ,  章永来 ,  强彦 ,  王彦瑾 ,  吴剑琦

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06V20/64

Abstract: 本发明公开了一种针对心外膜脂肪组织的分割及体积计算方法和系统，本发明的方法构建一种基于边缘多尺度空间注意力的心外膜脂肪组织分割模型MBSA‑UNet；MBSA‑UNet采用改进UNet架构作为主干网络，包括编码器模块、边缘细化模块、交叉多尺度注意力模块和解码器模块；通过在网络中引入边缘细化模块，集成注意力机制和边缘检测算子，解决了边缘模糊，边缘细节容易丢失或多余的问题，能够更好地保留心外膜脂肪组织的边界细节，确保模型在边界区域的精确性，提高对心外膜脂肪组织的分割效果。在网络中引入交叉多尺度注意力模块，通过使用不同大小的卷积核和反向注意力机制，捕获不同尺度和形状的心外膜脂肪区域特征，增强模型对关键区域的感知能力。

公开(公告)号：CN119066408A

公开(公告)日：2024-12-03

申请号：CN202411148375.2

申请日：2024-08-21

Applicant: 中北大学

Inventor： 章永来 ,  郭卉敏 ,  王彦瑾 ,  强彦 ,  李华玲 ,  张晓波

IPC: G06F18/2135 ,  G06F18/10 ,  G16H50/70

Abstract: 本发明公开了一种基于极坐标下的病例数据集不平衡处理方法，包括以下步骤：S110：收集病例数据集；S120：进行PCA运算，生成主成分分析矩阵；S130：选取少数样本的近邻样本和多数样本，生成极坐标；S140：在极坐标系中进行随机采样，生成新样本；S150：转换回笛卡尔坐标系，生成新样本矩阵；S160：将生成的新样本添加到少数样本集中，重复采样；使用本发明的算法处理后的不平衡病例数据集，可以显著提升模型对少数类样本的预测准确性和整体平衡性。生成的新样本有助于减少模型的偏差，使模型能够更好地学习并反映所有样本的特征，公平地拟合所有类别的样本，特别是病理样本。

公开(公告)号：CN119939353A

公开(公告)日：2025-05-06

申请号：CN202510082562.3

申请日：2025-01-20

Applicant: 中北大学

Inventor： 李华玲 ,  高宇飞 ,  章永来 ,  强彦 ,  霍佳鑫 ,  贾子千

IPC: G06F18/241 ,  A61B5/16 ,  A61B5/00 ,  G06F18/214 ,  G06F18/21 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于功能性近红外光谱信号的情绪分类方法，包括步骤：S110：收集不同情绪的功能性近红外光谱的信号数据；S120：信号预处理；S130：构建fNIRS‑CNN的功能性近红外光谱信号情绪分类模型；S140：对构建的fNIRS‑CNN进行训练；S150：根据所述功能性近红外光谱信号情绪分类方法，给出分类结果。本发明通过本发明提出了一种只需要功能性近红外光谱信号数据可以进行精确情绪分类的fNIRS‑CNN模型，这种方法结合了功能性近红外光谱信号的两种特性，延迟的血流动力学响应和不同脑区的激活方式来设计深度学习模型的架构。通过结合这两种特性设计的深度学习算法模型能够有效的解决上述的问题。

公开(公告)号：CN119832246A

公开(公告)日：2025-04-15

申请号：CN202510013217.4

申请日：2025-01-06

Applicant: 中北大学

Inventor： 李华玲 ,  王彦瑾 ,  章永来 ,  强彦 ,  郭卉敏 ,  孙继杰 ,  霍佳鑫 ,  吴剑琦

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种边缘增强的左心耳医学图像分割方法和系统及存储介质，构建基于注意力机制和加权损失函数的U型编码结构的卷积神经网络模型，记作EMCL_UNet++；基于边缘增强的医学影像分割模型(EMCL_UNet++)采用改进UNet++作为主干网络，包括一个卷积编码器模块、一个解码器部分以及多尺度注意力模块EMSA和高效注意力机制模块Cloattention；将待分割的医学图像传入训练后的所述卷积神经网络模型，得到分割结果。本发明利用通道和空间注意力机制，减少冗余信息干扰，提高边界信息的准确性。对于伴有并发症影响的情况(如患者心包积液或胸腔积液)，本发明的多尺度特征融合和轻量级模块增强了对复杂背景和噪声的鲁棒性，确保高质量的分割结果。

公开(公告)号：CN119832245A

公开(公告)日：2025-04-15

申请号：CN202510013049.9

申请日：2025-01-06

Applicant: 中北大学

Inventor： 强彦 ,  郭瑛璇 ,  李青 ,  李华玲 ,  章永来 ,  霍佳鑫 ,  孙继杰

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明公开了一种全局局部特征增强的乳腺癌医学超声图像分割方法和系统。采用U‑Net作为主干网络，包括输入端、编码器、解码器和分割头；在编码器部分，包含一个Conv stem块、四个全局‑局部特征提取模块和三个下采样模块；每个Conv stem块由一个3×3卷积层、一个BatchNorm层和一个GELU激活函数层组成；全局‑局部特征提取模块由一个LayerNorm层、一个GLEB层、一个LFEB层、一个Dropout层和一个残差连接层组成；本发明的算法在解码器部分引入一个全局‑局部特征提取模块。对于全局特征提取块，能够加强全局的信息提取。局部特征提取块，优化边界细节，等到更好的边界信息。

公开(公告)号：CN119579573A

公开(公告)日：2025-03-07

申请号：CN202411776170.9

申请日：2024-12-05

Applicant: 中北大学

Inventor： 李华玲 ,  吴剑琦 ,  强彦 ,  章永来 ,  王彦瑾 ,  郭卉敏

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种针对脑卒中病灶区域的医学图像分割方法和系统，使用Retinex算法对原始图像数据集进行特征增强处理，并构建训练和测试数据集；构建改进U‑Net的医学图像分割模型：用于脑卒中病灶分割的空间‑频率多尺度轴向注意力网络；根据所述医学图像医学图像分割模型对图像进行分割，给出分割结果。针对现有脑卒中医学影像分割在实际应用中存在的病灶区域的位置和大小不定，边界模糊，准确分割中风病灶区域具有很高的难度的问题，提出了空间‑频率门控单元(SFGU)模块，来去除多余的冗余信息，并且为了更好地定位病灶区域，建立特征的长距离依赖，提出了双维多尺度特征增强单元模块、信息增强模块。