专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果262个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于多特征融合及对比学习的高原肺水肿预测方法-CN202310433513.0在审
  • 高全胜 - 军事科学院军事医学研究院环境医学与作业医学研究所
  • 2023-04-21 - 2023-10-24 - G06T7/00
  • 本发明公开了一种高原肺水肿预测诊断方法,包括以下步骤:S1、基于Dense‑U‑Net的全自动病灶分割算法;S2、构建两分支特征学习网络,学习病灶及全肺特征;S3、样本对构建;S4、对比特征学习;S5、高原肺水肿预测。本发明采用上述的基于多特征融合及对比学习的卷积神经网络模型,可全自动地对高原肺水肿CT影像进行分析,进而实现高原肺水肿的预测。相比于使用单一的卷积神经网络进行分类,本方法使用多特征融合及特征对比学习,在训练时随机选取两个样本构建成样本对,然后使用共享权重的网络对样本对中的两个样本进行全肺特征提取及病灶特征提取;通过特征对比学习的方式,对两个样本的特征进行距离度量,若两个样本属于同样的预测,则两个样本的全肺特征和病灶特征分别距离较近;若两个样本属于不同的预测,则两个样本的肺特征和病灶特征分别距离较远。通过结合特征距离与交叉熵损失函数,可使得同一类别的样本其深度学习特征相似,不同类别的样本其深度学习特征差异大,进而对特征进行优化融合,提升分类精度。
  • 一种基于特征融合对比学习高原肺水肿预测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top