-
公开(公告)号：CN117978403A
公开(公告)日：2024-05-03
申请号：CN202410116330.0
申请日：2024-01-28
Applicant: 南京信息职业技术学院
IPC: H04L9/32 , H04L9/00 , G06Q10/0639 , G06F16/27
Abstract: 本发明公开了一种用于职称等级识别的电子证书生成与鉴伪方法，涉及电子证书生成与鉴伪技术领域，该方法旨在解决现有技术中无法对职称证书持有人和单位设定合理权限的技术问题。该生成方法步骤如下：获取用户基本信息、所属子单位信息和职称等级；根据用户ID编号判断是否需要生成电子证书；若需要，按照编码规则生成电子证书信息及电子证书底图；将证书信息填充至电子证书底图；生成电子证书文件并在区块链中进行记录。该方法将持证人员和发证单位进行匹配，在证书数据安全前提下可进行访问和查阅权限公开，有效缓解线下验证繁琐流程并降低认证成本。其使用过程简单便捷，适用于具有多层级单位组织架构的职称等级证书的在线生成、制作和鉴伪。
-
公开(公告)号：CN118798837A
公开(公告)日：2024-10-18
申请号：CN202410990893.2
申请日：2024-07-23
Applicant: 南京信息职业技术学院
IPC: G06Q10/1053 , G06Q10/0639 , G06F18/213 , G06F18/22 , G06F18/24
Abstract: 本发明公开了一种基于矩阵分析的人岗匹配分析方法及系统，包括获取人员技能相关特征、职位要求相关特征，构建人员技能矩阵和职位要求矩阵，提取矩阵的局部特征以及关键信息得到人员技能特征矩阵与职位要求特征矩阵，计算出两个特征矩阵的相似度，得到相似度得分矩阵；基于相似度得分矩阵，引入多维度的评估指标生成评价矩阵；基于相似度得分矩阵评价矩阵，为每个人员‑职位组合提供了计算匹配评分生成匹配度矩阵，同时生成人员技能与职位要求匹配结果报告。本方法能够自动化地对人员与职位之间的匹配度进行评估和分析，提供直观清晰的匹配结果报告，有助于提高人岗匹配的准确性和效率，优化组织人力资源配置，提升工作效能。
-
公开(公告)号：CN119517394A
公开(公告)日：2025-02-25
申请号：CN202411530064.2
申请日：2024-10-30
Applicant: 南京信息职业技术学院
IPC: G16H50/30 , G06N3/0442 , G06N3/084 , G16H70/20
Abstract: 本发明公开了一种基于LSTM网络的甲状腺病程发展时序分析方法，包括以下步骤：步骤一：数据收集与预处理：收集患者甲状腺病程相关的时序数据，并对时序数据进行标准化处理；步骤二：LSTM网络模型构建：设计LSTM网络模型，并使用步骤一标准化处理的时序数据对LSTM网络模型进行训练，捕捉甲状腺病程中的时间依赖关系；通过交叉验证和超参数调优，优化LSTM网络模型的性能。本发明提供了一种基于LSTM网络的甲状腺病程发展时序分析方法，通过对甲状腺疾病患者的病程数据进行时间序列分析，预测疾病的发展趋势，为临床决策提供科学依据，有助于医生更好地掌握患者的病情变化趋势，优化治疗方案，改善患者的预后。
-
Patent Agency Ranking
公开(公告)号：CN119400391A
公开(公告)日：2025-02-07
申请号：CN202411454720.5
申请日：2024-10-17
Applicant: 南京信息职业技术学院
IPC: G16H50/20 , G16H10/60 , G16H30/20 , G06F18/25 , G06T7/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种基于多模态深度学习的甲状腺结节自动诊断方法。对超声影像数据、CT影像数据和患者临床数据进行收集并进行预处理后，实现多模态数据的空间对齐；利用卷积神经网络从多模态影像数据中提取深层特征，并采用改进的ResNet结构、U‑Net结构对甲状腺结节区域进行图像分割，并提取感兴趣区域；实现特征提取与融合；构建混合模态的深度神经网络，进行深度学习模型的训练与优化；结合模型推理包括对新输入数据的预处理、特征提取与融合，以及最终的诊断结果生成。本发明通过融合来自不同影像源的多模态数据，结合先进的深度学习模型，实现甲状腺结节的自动诊断，从而提高诊断的准确性和效率。
-
公开(公告)号：CN118864438A
公开(公告)日：2024-10-29
申请号：CN202411109665.6
申请日：2024-08-13
Applicant: 南京信息职业技术学院
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 一种基于图像增强的甲状腺结节形态特征提取方法与装置，其通过对收集的甲状腺超声影像数据执行图像增强；对图像预处理后的甲状腺超声影像数据执行特征提取；对提取的甲状腺结节的形态特征执行特征分析与可视化；由此在甲状腺结节良恶性鉴别中的准确率显著高于传统方法。此外，本发明还具有较高的鲁棒性和泛化能力，能够适应不同设备和不同质量的超声图像。本发明不仅能够辅助医生提高识别甲状腺结节的准确性和效率，还可以作为一种独立的筛查工具，广泛应用于甲状腺疾病的早期检测和识别。
-
公开(公告)号：CN117079251A
公开(公告)日：2023-11-17
申请号：CN202311085115.0
申请日：2023-08-28
Applicant: 南京信息职业技术学院
IPC: G06V20/58 , G06V10/82 , G06V10/56 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了交通标志检测技术领域的一种交通标志检测方法、装置、电子终端及存储介质，旨在解决提高识别检测效率，保证驾驶安全，避免交通事故的发生。其包括：采集待检测的目标图像；对所述目标图像进行图像预处理；对预处理后的目标图像进行特征提取，获取特征图；将所述特征图输入至训练好的Faster R‑CNN网络模型中，获取所述目标图像中的交通标志检测结果；其中，所述Faster R‑CNN网络模型采用训练样本集通过多任务训练获取；所述训练样本集中包含多张从样本集中随机筛选的样本图像；所述样本图像通过对所采集的原始道路图像进行图像预处理及特征提取后获取。本发明采用了Faster‑R‑CNN网络，能够提高交通标志检测效率。
-
公开(公告)号：CN116962075A
公开(公告)日：2023-10-27
申请号：CN202311085058.6
申请日：2023-08-28
Applicant: 南京信息职业技术学院
IPC: H04L9/40
Abstract: 本发明公开了网络安全管理技术领域的一种网络安全保护方法、装置、电子终端及存储介质。其包括：获取目标反爬系统对产生于每一单位周期内的访问数据进行反爬识别后得到的爬虫用户数据和非爬虫用户据；基于所述爬虫用户数据和非爬虫用户数据，分别提取目标反爬系统对应在每一所述单位周期内呈现的特征运行信息；基于相邻单位周期所对应的特征运行信息，判断所述目标反爬系统在相邻周期间的特征运行趋势关联结果，获取满足特征运行趋势关联的相邻单位周期；基于目标反爬系统于预设的检测周期内所呈现出的特征趋势节点分布情况，对所述目标反爬系统采取相应的安全保护策略，本发明能够提高反爬系统对爬虫识别和拦截的效率和准确率。
-
公开(公告)号：CN116307353A
公开(公告)日：2023-06-23
申请号：CN202211516333.0
申请日：2022-11-30
Applicant: 南京信息职业技术学院
IPC: G06Q10/063 , G06Q50/20
Abstract: 本发明公开了一种在线分组评审方法、系统、设备及存储介质，所述方法包括以下步骤：待评审的目标分为若干组；在上述组内任选一组为样本组，其余为非样本组；所述样本组内任选W个作为抽样样本，所述抽样样本作为一组重复分配至非样本组中，使各非样本组均存在W个抽样样本；对所述样本组和非样本组进行评分，获得所述待评审的目标的实际得分Sfi，其中抽样样本共获得N次评分；计算所述待评审的目标的综合得分。本发明通过抽样样本的设置，使评分结果更准确；通过随机分组方法，使分组更客观；通过样本系数的设置，有效提高评分效率的同时保证结果的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.045 seconds)
