“晋达睿”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法-CN202310261948.1在审
发明人：白相志;梁尚英;郑闪;赵祖璇;晋达睿 -专利权人：北京航空航天大学;中国医学科学院肿瘤医院
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：本发明为一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法，步骤如下：步骤一：基于数字病理切片的图像块深度特征构造多属性分类器，以获取实例级分子水平概率分布；步骤二：构造特征嵌入模块，基于实例级深度特征和最强表征块构建全局特征；步骤三：构造Transformer‑MLP分类器对全局特征进行切片级分子分型预测；步骤四：构造多标签约束的二级分类损失对网络进行联合训练。本发明可构建乳腺病理图像形态学特征和免疫组化分子表型间的关联，同时针对WSI数据弱标签问题，设计了一种基于多属性特征嵌入的弱监督分类方法，实现乳腺癌免疫组化分子分型的准确预测。本发明可与各类计算机病理辅助分析系统相结合，具有广阔市场前景与应用价值。
一种基于属性嵌入模型乳腺病理图像分子预测方法

[发明专利]一种基于多实例知识蒸馏模型的PDL1表达水平预测方法-CN202210460006.1在审
发明人：白相志;晋达睿 -专利权人：北京航空航天大学
申请日： 2022-04-28 - 公布日： 2022-08-30 - 主分类号： G06N5/02 文献下载
摘要：本发明为一种基于多实例知识蒸馏模型的PDL1表达水平预测方法，步骤如下：步骤一：利用基于多实例学习的教师‑学生卷积神经网络模型对数字病理进行图像块级别PDL1表达水平预测；步骤二：构造加权蒸馏损失函数约束学生网络S优化过程，合理配置PDL1弱标签监督信息；步骤三：利用深度随机模型对全局聚合特征进行分类，实现数字病理图像级别PDL1表达水平预测。本发明可构建组织病理学图像形态学特征与PDL1分子表型间的关联，同时针对弱标签问题设计了一种结合多实例学习与知识蒸馏模型的特征提取框架，保证了PDL1表达水平预测结果的可靠性和稳定性。本发明可以与医疗系统和病理分析相关领域应用密切结合，具有广阔的市场前景与应用价值。
一种基于实例知识蒸馏模型 pdl1 表达水平预测方法

[发明专利]一种利用改进直觉模糊聚类算法分割红外舰船图像的方法-CN201810038201.9有效
发明人：白相志;晋达睿 -专利权人：北京航空航天大学
申请日： 2018-01-16 - 公布日： 2021-09-03 - 主分类号： G06T7/11 文献下载
摘要：本发明一种利用改进直觉模糊聚类算法分割红外舰船图像的方法，首先利用图像方差矩阵和切比雪夫不等式得出的阈值确定舰船的可能区域，以可能区域的中心作为预设舰船中心。再使用改进直觉模糊聚类算法分割红外舰船图像的方法。本发明提出的方法考虑了舰船中心位置，利用其构造像素到不同类聚类中心的距离度量；同时通过区域方差构造的正则项将邻域信息引入目标函数中。改进算法中充分考虑了舰船中心位置对于数据分类的影响，同时更加合理地利用了邻域信息，因此红外舰船图像分割，其分割结果取得了明显的改善。具有广阔的市场前景与应用价值。
一种利用改进直觉模糊算法分割红外舰船图像方法

[发明专利]一种基于时空域残差生成对抗网络的视频湍流移除方法-CN201910375101.X有效
发明人：白相志;晋达睿 -专利权人：北京航空航天大学
申请日： 2019-05-07 - 公布日： 2021-08-10 - 主分类号： G06T5/00 文献下载
摘要：本发明一种基于时空域残差生成对抗网络的视频湍流移除方法，步骤如下：步骤一：由湍流移除网络G实现高质量湍流移除图像的生成；步骤二：利用湍流存在性判别网络D对生成湍流移除图像进行分类判别；步骤三：构造序列感知损失函数Lseries。本发明引入三维视频处理单元提升对于时域特征的提取能力和质量，利用残差模块和全局残差连接提升信息流的传递效率，加速网络的训练和收敛。通过序列感知损失函数对湍流图像的几何畸变、光闪烁和模糊等现象进行校正，利用基于序列输入的生成对抗损失保持图像细节特征和时域上的连续性，生成清晰的湍流移除图像。本发明可以与视频监控系统、远距离监视系统等应用密切结合，具广阔的市场前景与应用价值。
一种基于时空域残差生成对抗网络视频湍流方法

[发明专利]基于Facet方向导数特征的样例双重稀疏图像修复方法-CN201710628792.0有效
发明人：白相志;晋达睿 -专利权人：北京航空航天大学
申请日： 2017-07-28 - 公布日： 2019-11-22 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及基于Facet方向导数特征的样例双重稀疏图像修复方法：步骤一：在Facet模型下获取图像不同方向的方向特征信息；步骤二：采用改进的修复优先级计算函数进行待修复图像块的排序；步骤三：通过候选图像块的稀疏表示对步骤二确定的修复优先级最大的破损区域进行修复。本发明方法对方向特征进行充分利用，通过构造新的图像块距离计算函数，并在稀疏求解环节加入方向特征空间一致性和连续性约束；同时对修复优先级函数进行调整和完善，将图像块置信度数值控制在合理范围之内，确保优先级计算结果的可靠性。充分考虑了图像的色彩信息和方向特征信息，能够较好地应对各种图像损伤情况，具有较好的普适性和广阔的市场前景与应用价值。
基于 facet 方向导数特征双重稀疏图像修复方法