基于Transformer上下文信息融合的医学图像分割方法及相关设备

    公开(公告)号:CN116433686A

    公开(公告)日:2023-07-14

    申请号:CN202310232612.2

    申请日:2023-03-06

    Abstract: 本申请提供一种基于Transformer上下文信息融合的医学图像分割方法及相关设备,Transformer包括多个编码层和对称的解码层;该方法包括:通过多个编码层对各组医学图像构成收缩路径,在编码层预设多水平分支局部上下文提取模型,通过空间分离和空洞卷积以及残差连接得到局部上下文关系;通过多个解码层构成扩张路径,在解码层预设多尺度上下文信息融合模块,利用自注意力计算和交叉注意力计算,分别得到当前尺度和多尺度的医学图像的全局上下文关系,结合两者信息作提取与融合,得到多尺度上下文关系;基于上述两种上下文关系对医学图像进行分割,得到分割结果。通过多尺度上下文关系和局部上下文关系,能够有效进行医学图像分割,从而有效识别医学图像中的解剖结构。

    用于医疗仪器的智能管理方法、电子设备及存储介质

    公开(公告)号:CN119480049A

    公开(公告)日:2025-02-18

    申请号:CN202411501360.X

    申请日:2024-10-25

    Abstract: 本发明涉及人工智能领域,具体涉及一种用于医疗仪器的智能管理方法、电子设备及存储介质,旨在实现对仪器剩余寿命的预测。本发明提出的用于医疗仪器的智能管理方法包括:获取目标医院中各仪器的属性信息、位置信息和当前使用状态;根据目标医院各科室发起的仪器使用请求,以及各仪器的属性信息、位置信息和当前使用状态,对仪器进行调度;获取最近N个时间周期内的维修记录,并统计每个时间周期内每台仪器的故障数据;基于最近N个时间周期内的故障数据和预训练的故障预测模型,预测每台仪器的剩余寿命。本发明实现了仪器的自动调度以及对仪器剩余寿命的预测。

    一种电力数据网络的网络切片资源分配方法及装置

    公开(公告)号:CN119892759A

    公开(公告)日:2025-04-25

    申请号:CN202411872349.4

    申请日:2024-12-18

    Abstract: 本申请实施例提供一种电力数据网络的网络切片资源分配方法及装置,包括:接收电力业务切片请求;其中,所述电力业务切片请求包括切片状态信息,所述切片状态信息包括源节点、目的节点、性能需求条件;获取当前的链路状态信息;其中,所述链路状态信息包括物理链路集合、物理链路集合中每个物理链路的性能参数;根据所述切片状态信息和链路状态信息,利用预先构建的链路分配模型从所述物理链路集合中确定符合所述性能需求条件的最优物理链路;建立所述源节点、目的节点和最优物理链路的对应关系,配置电力业务的网络切片。本申请能够满足不同电力业务的性能需求,提高电力数据网络的整体性能和质量。

    分布式的预测活跃IPv6地址的方法及相关设备

    公开(公告)号:CN114297941B

    公开(公告)日:2025-02-25

    申请号:CN202111680468.6

    申请日:2021-12-30

    Abstract: 本申请提供一种分布式的预测活跃IPv6地址的方法及相关设备。其中,方法包括:基于网络中的各个参与终端的活跃IPv6地址的种子集,利用联邦机器学习的方式训练预先得到的全局活跃IPv6地址关联初始模型,各个参与终端将训练完成后得到的更新模型,上传至中央服务器中,中央服务器对各个所述更新模型进行聚合得到全局活跃IPv6地址关联模型;根据所述全局活跃IPv6地址关联模型预测新的活跃IPv6地址。训练过程中,各个参与终端只将更新的模型参数上传至中央服务器,保护原始数据,同时能够使得预测的IPv6地址更加符合各个参与终端实际的扫描需要,依据预测得到的新的活跃IPv6地址进行扫描,就可以缩小扫描的范围,提高扫描的效率。

    基于联邦学习的多任务学习方法及相关设备

    公开(公告)号:CN116306987A

    公开(公告)日:2023-06-23

    申请号:CN202310110092.8

    申请日:2023-02-02

    Abstract: 本申请提供一种基于联邦学习的多任务学习方法及相关设备,包括确定参与节点对参与节点进行聚类确定若干聚类簇;根据若干聚类簇执行簇内联邦学习确定各个簇的全局模型;根据簇全局模型,通过SHAP框架进行计算确定任一聚类簇的簇关键特征集;根据簇关键特征集确定全局模型;根据任一聚类簇中对全局模型进行训练确定任一聚类簇的簇全局模型;其中多个聚类簇用于实现多任务学习。本申请通过聚类将设备性能和数据分布相似的参与节点聚合在同一类中,同一簇内的参与节点共同训练,避免设备类型或数据分布不同的参与节点影响,缓解了数据和设备异质性带来的问题;通过特征遮蔽的方式只训练所有节点都认为关键的特征的相关参数缓解数据异质性带来的问题。

    基于SDN的网络隔离和资源规划方法及系统

    公开(公告)号:CN114928526B

    公开(公告)日:2023-06-16

    申请号:CN202210121949.1

    申请日:2022-02-09

    Abstract: 本申请提供的一种基于SDN的网络隔离和资源规划方法及系统,采用网络虚拟化技术将网络划分为多个虚拟子网,形成逻辑通信隔离。并根据虚拟子网的安全性需求和业务需求设置网络参数,当需要在虚拟子网中部署不同业务时,根据业务产生的资源请求为虚拟子网在物理层面寻找可用资源,通过总控制器对虚拟子网进行可用资源分配。通过合理的资源分配方式使得各类服务的体验质量和安全性需求得到保证,进而提升整体网络的服务质量,保障信息安全。

Patent Agency Ranking