“滕月阳”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果29个，建议您升级VIP下载更多相关专利

[发明专利]基于知识意识学习下的miRNA—疾病的关系预测方法-CN202310944945.8在审
发明人：何强;乔伟;赵欣怡;李超;王兴伟;黄敏;马连博;滕月阳 -专利权人：东北大学
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G16B40/00 文献下载
摘要：本发明提供一种基于知识意识学习下的miRNA—疾病的关系预测方法，涉及生物信息技术领域。该方法首先构建miRNA—疾病关系网络和对应的知识图谱；并根据知识图谱构造知识流通池，使知识流通池中包含有不同节点在不同层次下的知识聚合信息，用来获取不同节点在特定聚合范围内节点的表示；再将关系网络中的疾病和miRNA节点的特征信息和知识流通池中获取到的特征信息投影到相同的向量空间中，并进行深度的融合后送入图卷积神经网络中进行训练和学习，得到关系网络中节点的最终嵌入表示；最后将从图卷积神经网络中得到的节点嵌入表示输入线性解码器，重构关系网络的链路；并通过计算关系网络的MSE函数损失，将关系网络在端到端的训练方式下进行训练。
基于知识意识学习 mirna 疾病关系预测方法

[发明专利]基于异构图卷积神经网络预测协同药物组合方法-CN202310772479.X在审
发明人：何强;赵欣怡;乔伟;张莉;王兴伟;马连博;滕月阳 -专利权人：东北大学
申请日： 2023-06-28 - 公布日： 2023-09-29 - 主分类号： G16H70/40 文献下载
摘要：本发明提供一种基于异构图卷积神经网络预测协同药物组合方法，涉及药物研发技术领域。该方法首先根据疾病药物历史作用数据，构建基于药物、药物组合、疾病的三部图；然后构建基于异构图卷积神经网络的协同药物组合预测模型：对于构建的三部图上的疾病、药物和药物组合节点，应用一个热编码来对三个邻接矩阵进行编码，并分别压缩为密集实值向量，构建异质图；在疾病和药物之间以及疾病和药物组合之间构建传播层进行层次传播，实现在三部图上进行药物层次的传播和药物组合层次的传播；最后构建完全连接层进行协同药物组合的预测；同时，采用困难负样本训练协同药物组合预测模型；最后使用训练好的协同药物组合预测模型进行协同药物组合预测。
基于构图卷积神经网络预测协同药物组合方法

[发明专利]一种基层社会网格治理下负面信息影响力最小化的方法-CN202310593527.9在审
发明人：何强;毕婷婷;易秀双;王兴伟;蔡玉良;赵奇;滕月阳;丁际文;黄敏 -专利权人：东北大学
申请日： 2023-05-24 - 公布日： 2023-08-25 - 主分类号： G06F30/20 文献下载
摘要：本发明设计一种基层社会网格治理下负面信息影响力最小化的方法，属于谣言抑制技术领域；设计了一个多标签状态可变线性阈值传播模型，模拟信息传播过程，可以模拟多种类型节点共存时的信息传播过程，具有较好的扩展性与兼容性；此外，将竞争策略与阻塞策略结合在一起形成策略集，策略集中不同的策略执行成本不同；根据当前传播情况与给定预算和策略执行成本因素，选择出种子集并确定抑制谣言的方案；并且提出多轮次多标签算法，探究在成本限制下的谣言抑制方法的性能问题；可以应用在大型网络中，在多种成本预算条件下，自适应选择最佳的谣言抑制策略，从而达到最终相信谣言人数最少的目标。
一种基层社会网格治理负面信息影响力最小化方法

[发明专利]一种社会网络用户的信任影响力最大化方法-CN202310492468.6在审
发明人：何强;张晓燕;易秀双;王兴伟;蔡玉良;赵奇;滕月阳;孝大宇;黄敏 -专利权人：东北大学
申请日： 2023-05-04 - 公布日： 2023-07-28 - 主分类号： G06Q50/00 文献下载
摘要：本发明提供一种社会网络用户的信任影响力最大化方法，涉及社交网络分析技术领域。该方法首先对社会网络用户的信任影响力最大化问题进行符号化表示，并从用户信任的角度优化独立级联模型作为影响力传播模型；然后根据用户的影响力以及社会网络中的拓扑信息作为种子集的优化目标；最后通过动态加权的灰狼优化算法和精英策略的变异遗传算法两阶段算法来选取最具影响力的用户种子集；该方法提出新的策略来选取具有影响力的用户集合，先通过动态加权的灰狼优化算法进行初步的最优解搜索，再通过加入精英策略的变异遗传算法进行全局搜索，能够有效避免启发式算法陷入局部最优解。
一种社会网络用户信任影响力最大化方法

[发明专利]基于压缩感知的光子计数X射线能谱探测装置及成像系统-CN201710234702.X有效
发明人：孝大宇;郭洋;刘栋;滕月阳;李建华;李宏;康雁 -专利权人：东北大学
申请日： 2017-04-12 - 公布日： 2023-07-11 - 主分类号： G01J11/00 文献下载
摘要：本发明提供一种基于压缩感知的光子计数X射线能谱探测装置及成像系统，涉及能谱探测技术领域。探测装置包括探测器阵列、放大器、能量校准器、单像素阈值产生器、阈值设置器、比较器和脉冲计数器；成像系统包括电脑PC、辐照X射线源、旋转载物装置和上述的基于压缩感知的光子计数X射线能谱探测装置。本发明能重建理想的X射线能谱，加快采集速度的同时，能有效避免直接用光子计数探测器进行采集时会发生的脉冲堆积效应，为使用光子计数器进行X射线全能谱采集提供了可能。
基于压缩感知光子计数射线探测装置成像系统

[发明专利]能谱CT成像方法及能谱CT成像系统-CN201710186810.4有效
发明人：孝大宇;刘栋;郭洋;杨超然;滕月阳;李建华;康雁 -专利权人：东北大学
申请日： 2017-03-27 - 公布日： 2020-09-15 - 主分类号： A61B6/03 文献下载
摘要：本发明涉及CT成像技术领域，尤其涉及一种能谱CT成像方法及能谱CT成像系统。能谱CT成像系统包括X射线发射设备、X射线探测设备、用于承载待测对象的运动平台、与运动平台连接以驱动其转动的电机、编码器、运动控制卡和PC机。能谱CT成像方法中，电机驱动用于承载待测对象的运动平台转动，同时安装在电机上的编码器伴随电机的转动发出脉冲信号；运动控制卡接收到脉冲信号后将其传递至PC机；PC机每接收到预设数量的脉冲信号后，向运动控制卡发出启动脉冲信号；运动控制卡接收到启动脉冲信号后同时驱动X射线发射设备和X射线探测设备启动。上述能谱CT成像系统及方法均能够在减少辐射剂量的同时提高CT图像质量。
ct 成像方法系统

[发明专利]基于人工智能的乳腺影像识别系统及方法-CN201810550536.9在审
发明人：钱唯;李宏;李晨;滕月阳;张小光 -专利权人：深圳市安测生命科技有限公司
申请日： 2018-05-31 - 公布日： 2019-12-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于人工智能的乳腺影像识别系统及方法，应用在信息处理设备中，该方法包括步骤：从影像数据库中获取乳房CT图像；采用聚类算法对所述乳房CT图像进行预处理，得到CT图像的乳房实质区域和非乳房实质区域的数据集；将已知的乳房CT图像的数据集设置为训练集和验证集，将未知的乳房CT图像的数据集设置为测试集；建立卷积神经网络模型，采用训练集和验证集中的数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像乳房实质区域。实施本发明，实现了对未知患者的乳房CT图像进行乳房实质区域提取功能，有助于下一阶段的乳腺癌提取、分类。
乳房卷积神经网络数据集测试集训练集预处理信息处理设备影像识别系统影像数据库聚类算法区域提取人工智能验证集乳腺乳腺癌验证分类应用

[发明专利]基于卷积神经网络的乳房实质图像提取系统及方法-CN201810549317.9在审
发明人：钱唯;李宏;李晨;滕月阳;张小光 -专利权人：深圳市安测生命科技有限公司
申请日： 2018-05-31 - 公布日： 2019-12-10 - 主分类号： G06T7/11 文献下载
摘要：本发明公开一种基于卷积神经网络的乳房实质图像提取系统及方法，应用在信息处理设备中，该方法包括步骤：从影像数据库中获取乳房CT图像；采用聚类算法对所述乳房CT图像进行预处理，得到CT图像的乳房实质区域和非乳房实质区域的数据集；将已知的乳房CT图像的数据集设置为训练集和验证集，将未知的乳房CT图像的数据集设置为测试集；建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像乳房实质区域。实施本发明，实现了对未知患者的乳房CT图像进行乳房实质区域提取功能，有助于下一阶段的乳腺癌提取、分类。
乳房卷积神经网络数据集测试集训练集信息处理设备预处理验证集数据影像数据库聚类算法区域提取图像提取验证集乳腺癌分类应用

[发明专利]一种基于3D残差编码解码的医学图像降噪方法-CN201910618003.4在审
发明人： 滕月阳;龚宇 -专利权人：东北大学
申请日： 2019-07-10 - 公布日： 2019-10-15 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于3D残差编码解码的医学图像降噪方法，步骤包括：对采集的训练数据进行预处理；采用处理后的数据训练基于3D残差编码解码的卷积神经网络，其中残差编码解码网络依次包括4个3D卷积层、4个2D卷积层、4个2D反卷积层和4个3D反卷积层；利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。本发明利用大数据深度学习解决图像去噪问题，模拟人类的信息处理过程，并通过分层网络框架从像素数据中有效地学习高级特征，进而建立训练样本和训练标签之间复杂的非线性映射。同时，在网络训练过程中采用3D图像，便于网络学习相邻切片的特征及关系，在尽可能保留图像特征的基础上进行降噪处理。
残差编码解码卷积神经网络医学图像反卷积降噪卷积预处理网络训练过程信息处理过程非线性映射高质量图像分层网络高级特征降噪处理解码网络模拟人类数据训练图像降噪图像去噪图像特征网络学习像素数据训练数据训练样本大数据有效地切片标签采集学习保留

[发明专利]一种基于残差编码解码的医学图像降噪方法-CN201910586767.X在审
发明人： 滕月阳;薛恒志 -专利权人：东北大学
申请日： 2019-07-01 - 公布日： 2019-10-08 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于残差编码解码的医学图像降噪方法，包括：对采集的训练数据进行预处理；采用处理后的数据训练基于残差编码解码的卷积神经网络；利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。本发明解决了现有技术中存在的图像边缘损失、成像速度慢等问题，通过分层网络框架从像素数据中有效地学习高级特征，从而建立训练样本和训练标签之间复杂的非线性关系。
解码残差编码卷积神经网络医学图像降噪预处理非线性关系高质量图像分层网络高级特征数据训练图像边缘图像降噪像素数据训练数据训练样本有效地成像标签采集学习

[发明专利]一种基于生成对抗网络和3D残差编码解码的医学图像降噪方法-CN201910596650.X在审
发明人： 滕月阳;龚宇 -专利权人：东北大学
申请日： 2019-07-01 - 公布日： 2019-10-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于生成对抗网络和3D残差编码解码的医学图像降噪方法，包括：分类收集训练数据并对所述训练数据进行预处理，所述训练数据包括低质量图像和高质量图像；构建基于生成对抗网络和3D残差编码解码的卷积神经网络，利用扫描时间为75s、尺寸为N*9*64*64*1的低质量图像作为训练输入，扫描时间为150s、尺寸为N*9*64*64*1的高质量图像作为训练标签，对所述网络进行训练；利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。应用本发明技术方案可实现利用少量数据对模型进行训练后即可对任意高噪正电子发射计算机断层图像进行准确、快速的降噪。
高质量图像解码残差编码训练数据降噪卷积神经网络低质量图像医学图像对抗网络正电子发射计算机断层扫描预处理分类收集图像降噪构建标签图像应用

[发明专利]一种基于具有增强编码解码的医学图像重建和降噪方法-CN201910569253.3在审
发明人： 滕月阳;薛恒志 -专利权人：东北大学
申请日： 2019-06-27 - 公布日： 2019-09-24 - 主分类号： G06T11/00 文献下载
摘要：本发明提供一种基于具有增强编码解码的医学图像重建和降噪方法，包括分类收集高噪声扫描图像和低噪声扫描图像，并对采集的图像数据进行预处理；搭建重建部分网络，一定尺寸的高噪声图像作为训练数据、低噪声图像作为训练标签，对所述重建部分网络进行训练；搭建降噪部分网络，并利用所述降噪部分网络对重建后的数据进行降噪。本发明利用深度学习解决图像重建和降噪问题，针对原始数据本身，能够快速、有效地建立训练样本和训练标签之间复杂的非线性关系，从原始数据精确重建出高质量图像。
降噪重建编码解码扫描图像医学图像原始数据高噪声网络标签预处理低噪声图像非线性关系高质量图像分类收集图像数据图像重建训练数据训练样本低噪声有效地采集图像学习

[发明专利]一种基于3D卷积反卷积和生成对抗网络的医学图像降噪方法-CN201910570399.X在审
发明人： 滕月阳;龚宇 -专利权人：东北大学
申请日： 2019-06-27 - 公布日： 2019-09-20 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于3D卷积反卷积和生成对抗网络的医学图像降噪方法，步骤包括：采集高噪全身扫描3D图像和低噪全身扫描3D图像并分类存放，对所述高噪全身扫描图像和低噪全身扫描图像进行预处理，使得上述数据能够直接用于模型训练；采用处理后的数据训练基于3D卷积反卷积和生成对抗网络的卷积神经网络；利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。本发明利用相关图像通过3D卷积和反卷积提取图像的空间信息，学习相邻切片的特征和关系，对图像进行精确降噪。
反卷积卷积降噪卷积神经网络扫描图像医学图像对抗扫描预处理图像高质量图像分类存放空间信息模型训练数据训练提取图像图像降噪网络切片采集学习

[发明专利]一种基于VGG-19提取特征的CNN医学图像降噪方法-CN201910345935.6在审
发明人：薛恒志;滕月阳 -专利权人：东北大学
申请日： 2019-04-26 - 公布日： 2019-07-30 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于VGG‑19提取特征的CNN医学图像降噪方法，包括搭建CNN降噪网络，提取训练图像和训练标签图像并以损失函数最小化为原则对搭建好的降噪网络进行训练，以及利用训练后的降噪网络对高噪声图片进行降噪处理，输出降噪结果。本发明为了克服降噪后图像边缘平滑，失去原有图像细节的问题，提出一种将降噪后的图像和原本清晰的图像用VGG‑19做特征提取之后的差值作为损失函数进行优化的图像降噪方法，以达到保存图像原有细节，提高图像清晰度的效果。
降噪图像损失函数提取特征医学图像图像边缘平滑标签图像降噪处理特征提取图像降噪图像细节训练图像网络高噪声输出保存清晰优化图片

[发明专利]一种基于VGG-19提取特征的GAN医学图像降噪方法-CN201910345922.9在审
发明人：龚宇;滕月阳 -专利权人：东北大学
申请日： 2019-04-26 - 公布日： 2019-07-23 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于VGG‑19提取特征的GAN医学图像降噪方法，包括搭建GAN降噪网络，提取训练图像和训练标签图像并以损失函数最小化为原则对搭建好的降噪网络进行训练，以及利用训练后的降噪网络对高噪声图片进行降噪处理，输出降噪结果。本发明为了克服降噪后图像边缘平滑，失去原有图像细节的问题，提出一种将降噪后的图像和原本清晰的图像用VGG‑19做特征提取之后的差值作为损失函数进行优化的图像降噪方法，以达到保存图像原有细节，提高图像清晰度的效果。
降噪图像损失函数提取特征医学图像图像边缘平滑标签图像降噪处理特征提取图像降噪图像细节训练图像网络高噪声输出保存清晰优化图片

1
2
下一页»
尾页
共 29 条