“石争浩”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71个，建议您升级VIP下载更多相关专利

[发明专利]基于点标记的高度黏连和多尺寸脑神经元自动分割方法-CN202110126281.5有效
发明人：尤珍臻;姜明;石争浩;石程;都双丽;梁继民 -专利权人：西安理工大学
申请日： 2021-01-29 - 公布日： 2023-09-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于点标记的高度黏连和多尺寸脑神经元自动分割方法，首先建立数据库，将数据库随机分为训练集和测试集，并标记神经元质心位置；并进行预处理，得到归一化的训练集图像和测试集图像，神经元质心概率图作为训练集真值图和测试集真值图；然后构建并行多感受野卷积神经网络，预测神经元质心概率，检测神经元质心，最后分割神经元。本发明解决了现有技术中存在的无法在全脑中分割高密度和多尺寸神经元的问题。
基于标记高度尺寸脑神经自动分割方法

[发明专利]基于联合预测滤波生成网络的X胸片肋骨影像的抑制方法-CN202310522487.9在审
发明人： 石争浩;李婉琴;尤珍臻;冯亚宁;葛飞航 -专利权人：西安理工大学
申请日： 2023-05-10 - 公布日： 2023-08-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于联合预测滤波的生成网络的X胸片肋骨影像的抑制方法，具体包括如下步骤：步骤1，对数据集中的训练集和测试集图像进行预处理；步骤2，构建基于联合预测滤波的生成网络的X胸片肋骨影像抑制网络模型；步骤3，采用步骤1预处理好的训练集数据对步骤2构建的模型进行训练，得到训练后的基于联合预测滤波的生成网络的X胸片肋骨影像抑制网络模型；步骤4，将步骤1预处理后的测试集图像放入步骤3训练好的模型中，最终得到骨抑制后的软组织图像。采用该方法对X线胸片肋骨影像进行处理，可以减小肋骨重叠的结构遮挡对阅读X线胸片的负面影响。
基于联合预测滤波生成网络胸片肋骨影像抑制方法

[发明专利]基于多维注意力的窄带喉镜图像分类方法-CN202310607248.3在审
发明人： 石争浩;韩博涛;尤珍臻 -专利权人：西安理工大学
申请日： 2023-05-26 - 公布日： 2023-08-15 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于多维注意力的窄带喉镜图像分类方法，具体包括如下步骤：步骤1，将原始的窄带喉镜图像进行预处理并建立数据集，划分为训练集和测试集；步骤2，构建基于多维注意力的窄带喉镜图像分类模型；步骤3，将步骤1中的训练集输入步骤2构建的模型中进行训练，得到用于窄带喉镜图像分类的深度学习模型。使用测试集对训练完的模型进行测试，得到模型在该测试集上的准确率。本发明实现了对窄带喉镜图像的准确分类。
基于多维注意力窄带喉镜图像分类方法

[发明专利]基于时频信息融合注意力的生理信号片段分析方法-CN202310556580.1在审
发明人： 石争浩;李成建;尤珍臻;任晓勇;刘海琴 -专利权人：西安理工大学
申请日： 2023-05-17 - 公布日： 2023-08-08 - 主分类号： A61B5/346 文献下载
摘要：本发明公开了一种基于时频信息融合注意力的生理信号片段分析方法，具体步骤如下：输入公开数据集中原始ECG信号，对相应信号进行预处理操作后划分为训练集和测试集；步骤2，构建基于Transformer时频信息融合的生理信号片段分析模型；步骤3，使用步骤1处理后的训练集对步骤2构建的模型进行训练；步骤4，将步骤1预处理后的测试集ECG信号送入步骤3训练好的模型，最终输出分类检测的结果。该方法利用基于Transformer时频信息融合的生理信号片段分析，以提高分析生理信号片段是否发生睡眠呼吸暂停事件的准确率。
基于信息融合注意力生理信号片段分析方法

[发明专利]基于注意力的生成对抗网络的X胸片肋骨影像的抑制方法-CN202310290621.7在审
发明人： 石争浩;李婉琴;尤珍臻;葛飞航 -专利权人：西安理工大学
申请日： 2023-03-23 - 公布日： 2023-08-04 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于注意力的生成对抗网络的X胸片肋骨影像的抑制方法，具体包括如下步骤：步骤1，对数据集中的训练集和测试集图像进行预处理；步骤2，构建基于注意力的生成对抗网络的X胸片肋骨影像抑制网络模型；步骤3，采用步骤1预处理好的训练集数据对步骤2构建的模型进行训练，得到训练后的基于注意力的生成对抗网络的X胸片肋骨影像抑制网络模型；步骤4，将步骤1预处理后的测试集图像放入步骤3训练好的模型中，最终得到骨抑制后的软组织图像。本发明克服了现有方法直接生成骨抑制图像造成的纹理细节丢失、生成图像模糊或肋骨抑制不彻底的问题，进而得到清晰不改变非肋骨区细节信息的骨抑制图像。
基于注意力生成对抗网络胸片肋骨影像抑制方法

[发明专利]基于窗口注意力机制的自动睡眠分期方法-CN202310509949.3在审
发明人： 石争浩;宋远帆;尤珍臻;任晓勇;黑新宏;刘海琴;罗靖;赵明华;冯亚宁 -专利权人：西安理工大学
申请日： 2023-05-08 - 公布日： 2023-08-01 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了一种基于窗口注意力机制的自动睡眠分期方法，网络包括特征提取模块、特征提炼模块、时序捕获模块和分类器。首先，通过不同的卷积核大小所构成的双路卷积神经网络，实现了对于原始脑电信号高低频的浅层特征提取，并通过堆叠多层卷积层实现深层特征提取；然后，通过由降维和通道注意力机制组成的特征提炼模块，降低了输出特征通道的个数，并尽可能保留了关键的特征通道；最后，通过基于窗口注意力机制实现的时序捕获模块，实现了对于序列信息的有效处理，模型更加聚焦于窗口内的特征通道；同时，在窗口注意力的权重分配中引入了医生判读的经验知识，从而最终实现了更加准确的分类结果。
基于窗口注意力机制自动睡眠分期方法

[发明专利]基于多模态多尺度共注意力的生理信号片段分析方法-CN202310439774.3在审
发明人： 石争浩;周亮;李成建;张治军;尤珍臻;任晓勇;黑新宏;赵明华;罗靖;刘海琴 -专利权人：西安理工大学
申请日： 2023-04-23 - 公布日： 2023-07-21 - 主分类号： A61B5/16 文献下载
摘要：本发明公开了一种基于多模态多尺度共注意力的生理信号片段分析方法，具体包括如下步骤：步骤1，输入公开数据集中原始ECG和SpO2信号，对相应信号进行预处理操作后划分为训练集和测试集；步骤2，构建基于多模态多尺度共注意力的生理信号片段分析模型；步骤3，使用步骤1处理后的训练集对步骤2构建的模型进行训练；步骤4，将步骤1预处理后的测试集ECG和SpO2信号送入步骤3训练好的模型，最终输出分类检测的结果。该方法利用多头注意力的结构进行多尺度多模态融合的生理信号片段分析，以提高分析生理信号片段是否发生睡眠呼吸暂停事件的准确率。
基于多模态多尺度注意力生理信号片段分析方法

[发明专利]基于桥接编码器-解码器的腹部多器官分割方法-CN202310261940.5在审
发明人： 石争浩;王茹;尤珍臻;葛飞航 -专利权人：西安理工大学
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基桥接编码器‑解码器的腹部多器官分割方法，具体按照如下步骤实施：步骤1、对图像进行预处理；步骤2、搭建由粗到细两阶段分割方法框架，粗分割阶段选择SegNet网络，细分割阶段构建BridgeNet网络；步骤3、用预处理好的训练数据训练SegNet网络；步骤4、用训练好的SegNet分割预训练好的训练数据后得到粗分割结果，再将其与预训练好的训练数据点乘得到细分割阶段的训练数据，训练BridgeNet网络；步骤5、用训练好的SegNet和BridgeNet分割测试集得到初步分割结果，再对初步分割的结果应用联通分量分析，获得精确的腹部CT多器官分割图。
基于编码器解码器腹部器官分割方法

[发明专利]基于生成对抗网络的脑神经元分割方法-CN202310060716.X在审
发明人：尤珍臻;姜明;石争浩;赵明华;都双丽 -专利权人：西安理工大学
申请日： 2023-01-19 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于生成对抗网络的脑神经元分割方法，首先建立脑神经元分割数据库，将脑神经元分割数据库内的数据随机分成训练集和测试集，并标记神经元像素，构建对应的训练集真值图和测试集真值图；对训练集和测试集分别进行预处理，得到归一化的训练集图像和测试集图像；构建生成对抗网络，然后将测试集图像送入训练好的基于生成对抗网络的脑神经元分割模型的输入端，生成器得到的分割结果即为预测的测试集中神经元的概率图；提取神经元的概率图中概率大于0的像素，即为得到的神经元分割结果。本发明解决了现有技术中存在的全脑神经元分割精度有限的问题。
基于生成对抗网络脑神经分割方法

[发明专利]基于特征融合的上下文感知轻量级弱光图像增强方法-CN202310047131.4在审
发明人： 石争浩;汪曼玉;尤珍臻;冯亚宁;都双丽;赵明华 -专利权人：西安理工大学
申请日： 2023-01-31 - 公布日： 2023-05-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于特征融合的上下文感知轻量级弱光图像增强方法，具体包括如下步骤：步骤1，收集弱光图像，构建弱光图像数据集，对弱光图像数据集进行预处理，得到输入图像数据集步骤2，构建基于对比度特征融合的上下文感知轻量级弱光图像增强模型；步骤3，采用步骤1得到的输入图像数据集I对步骤2构建的模型进行训练，输出训练后的基于对比度特征融合的上下文感知轻量级弱光图像增强模型；步骤4，将待增强的弱光图像输入步骤3训练好的模型，最终得到增强后的正常光图像。本发明克服了弱光图像增强任务中容易出现过度曝光和颜色失真的问题。
基于特征融合上下文感知轻量级弱光图像增强方法

[发明专利]基于多尺度自注意生成对抗网络的单幅图像去雾方法-CN202010981997.9有效
发明人： 石争浩;周昭润 -专利权人：西安理工大学
申请日： 2020-09-17 - 公布日： 2023-05-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开的基于多尺度自注意生成对抗网络的单幅图像去雾方法，通过将图像归化成的训练集对将图像进行两次下采样构建的生成对抗网络模型进行训练，得到训练后的生成对抗网络模型，训练过程中对去雾结果用损失函数进行优化，最后将有雾图像输入到生成对抗网络模型中，得到去雾图像。本发明提供的单幅图像去雾方法，解决了现有技术中去雾图像质量差的问题。
基于尺度注意生成对抗网络单幅图像方法

[发明专利]基于卷积神经网络的上下文聚合残差单幅图像去雨方法-CN202010965496.1有效
发明人： 石争浩;高蒙蒙 -专利权人：西安理工大学
申请日： 2020-09-15 - 公布日： 2023-05-16 - 主分类号： G06T5/00 文献下载
摘要：基于卷积神经网络的上下文聚合残差单幅图像去雨方法，包括以下具体步骤，步骤1：预处理图像；步骤2：构建卷积神经网络模型；步骤3：采用步骤1得到的预处理后的图像对步骤2得到的卷积神经网络模型进行训练，得到去雨卷积神经网络模型，利用损失函数对去雨卷积神经网络模型进行约束，然后反向传播进行参数更新，得到训练好的去雨网络模型；步骤4：将待处理有雨的图像输入所述训练好的去雨网络模型中，最终输出去雨后的图像。由于使用构建卷积神经网络模型，获得更加明细的特征，获得更加丰富的细节，并且实施起来比较简单，图像去雨效果好。
基于卷积神经网络上下文聚合单幅图像方法

[发明专利]基于多尺度特征提取的声带白斑图像分类方法-CN202211200746.8有效
发明人：尤珍臻;闫妍;石争浩;赵明华;闫静;刘海琴;黑新宏;任晓勇 -专利权人：西安理工大学;西安交通大学第二附属医院
申请日： 2022-09-29 - 公布日： 2023-05-05 - 主分类号： G06T7/00 文献下载
摘要：本发明的目的是提供一种基于多尺度特征提取的声带白斑图像分类方法，首先建立数据库，将该数据库中的图像随机分成训练集和测试集；然后进行预处理，得到归一化的训练集图像和测试集图像；再构建基于多尺度特征提取的卷积神经网络：采用训练集图像作为基于多尺度特征提取的卷积神经网络的输入，训练、更新网络参数，从而得到基于多尺度特征提取的卷积神经网络的模型；最后预测喉镜白光图像类别，网络得到的输出结果即为预测的测试集中喉镜白光图像所属类别。本发明解决了现有技术中存在的声带白斑图像分类精度有限的问题。
基于尺度特征提取声带白斑图像分类方法

[发明专利]基于卷积神经网络双分支注意力生成的单幅图像去雨方法-CN202010863062.0有效
发明人： 石争浩;高蒙蒙 -专利权人：西安理工大学
申请日： 2020-08-25 - 公布日： 2023-04-25 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了基于卷积神经网络双分支注意力生成的单幅图像去雨方法，包括：对输入图像预处理；构建U型结构网络；将权重通道注意力添加至第一个U型网络中，得到添加后的第一个U型网络；将空间注意力和通道注意力添加至第二个U型结构网络中，得到添加后的第二个U型网络；采用经添加后的第一个U型网络处理得到的处理图像a、经添加后的第二个U型网络处理得到处理图像b与预处理后的图像进行相加的操作，经过卷积，得到卷积神经网络模型；将预处理后图像对卷积神经网络模型进行训练，利用损失函数进行约束，得到训练好的去雨网络模型；将待处理有雨的图像放入训练好的去雨网络模型中，最终输出去雨后的图像，提高单幅图像去雨的性能。
基于卷积神经网络分支注意力生成单幅图像方法

[发明专利]一种面向脑功能磁共振图像分类的TSK模糊系统建模方法-CN201910269679.7有效
发明人：王骏;张春香;邓赵红;石争浩;张嘉旭;祝继华;王士同 -专利权人：江南大学
申请日： 2019-04-04 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种面向脑功能磁共振图像分类的TSK模糊系统建模方法，属于图像处理技术领域。该方法包括：步骤S1：对脑功能磁共振图像进行预处理；步骤S2：计算各个脑区之间的Pearson相关系数，获得对称矩阵，取其上三角按行展开，获得样本特征向量，样本特征向量的每列代表一张图片的数据；步骤S3：对样本特征向量进行特征提取；步骤S4：构造分类器对脑功能磁共振图像进行分类，并采用交替优化算法求解分类器所用模型，完成图像的分类。本发明基于TSK模糊系统构建非线性分类器，利用无向图表示特征之间的相关性，能够准确的对脑功能磁共振图像进行分类。
一种面向功能磁共振图像分类 tsk 模糊系统建模方法

1
2
3
4
5
下一页»
尾页
共 71 条