本发明属于图像处理技术领域,涉及一种用于增强阿尔茨海默症分类的深度学习系统,包括用于逐阶段提取多尺度语义特征的卷积主干网络,包括五个阶段的卷积特征提取结构,卷积特征提取结构包含卷积多层感知机模块;用于同时捕获局部细粒度空间关系与全局位置信息的重要性的可解释扩张大卷积核卷积模块,包括用于提取空间增强特征的三维卷积结构以及用于在空间块级别聚焦语义信息的权重分配机制;用于建模脑区间的拓扑依赖关系的图注意力增强模块,包括筛选策略、多头注意力机制、图卷积和自适应图神经网络;本发明扩展了感受野、融合多尺度特征和上下文信息,提升了鲁棒性。
📄 202511793846X
📂 G06T7_00
👤 常熟市第一人民医院, 江南大学
📅 2025-12-02
本发明公开了基于自适应模糊卷积和TSK引导注意力可解释脑电解码方法,具体涉及运动想象分类技术领域,通过多尺度时空卷积前端对输入的原始EEG信号进行初步处理;自适应模糊卷积网络通过堆叠残差块对多尺度时空卷积前端提取的特征序列中高度非平稳且动态变化的依赖关系进行建模,并通过指数级增长的扩张因子来扩大感受野;自适应模糊卷积网络输出的时间序列表示经全局平均池化得到一个全局且时间无关的初步特征向量,随后通过加权平均得到一个模糊上下文向量并被反馈回注意力机制,原始的查询向量被模糊上下文向量所调制;利用引导式查询,得到高度信息化的输入试次表示的最终特征向量并进行加权聚合,实现EEG解码高精度处理。
📄 2025116956403
📂 G06F18_241
👤 常熟市第一人民医院, 江南大学
📅 2025-11-19
本发明属于图像分割技术领域,涉及一种融合空间域和频域信息的混合网络框架及应用,该框架包括对称布置的四层下采样与四层上采样;每层下采样的后端都接入一MAP模块,最前一层下采样中采用分块嵌入;前三层上采样每层前端都配有一MAP模块,后三层上采样均通过一个MFF模块与最前一层上采样连接;前三层下采样每层的MAP模块分别通过FFE模块分别与后三层上采样每层的输出相加,且最后一层下采样的MAP模块通过FFE模块直接与最后一层上采样连接;该架构结合FFE和MAP模块来增强空间域和频域特征信息,并设计TAA和MFF模块,有效地结合了低级细节信息与高级语义信息。
📄 2025111487048
📂 G06V10_26
👤 常熟市第一人民医院, 江南大学
📅 2025-08-18
本发明涉及医学图像分割技术领域,具体为一种基于边缘感知多原型学习的少样本医学图像分割方法,方法包括:将支持和查询图像输入到特征编码器中,提取不同尺寸的支持和查询特征图;输入到局部注意力融合原型生成器中,生成支持前景原型;再通过动态腐蚀操作处理支持掩码,生成内边界原型;通过多层感知机生成多前景局部原型;通过多尺度特征提取优化局部与全局信息,得到多尺度原型;之后进行融合,得到多原型前景原型;利用双阶段原型优化网络对多原型前景原型进行动态计算加权,并进行自动校准;之后通过原型预测模块,进行预测,最后通过损失计算模块进行协同优化;本发明方法能有效解决背景技术中涉及的边缘细节丢失问题。
📄 2025110862991
📂 G06V10_26
👤 常熟市第一人民医院, 江南大学
📅 2025-08-05
本发明公开了基于大核卷积LKA的共享权重的双流注意力配准方法及系统,具体涉及医学图像配准技术领域,输入的脑部固定图像与移动图像分别进入DELCA‑Net的双流结构中,DELCA‑Net结合卷积神经网络CNN和Transformer的优势,通过自注意力机制深入挖掘图像的语义信息,借助共享权重的编码器设计,网络能够学习到更为通用且丰富的特征表示,在此基础上,利用交叉自注意力机制,DELCA‑Net实现了对这些共有特征的精确特征匹配,显著提升了配准的准确性;为了降低计算复杂度,DELCA‑Net将大卷积核分解为级联的深度卷积和深度空洞卷积模块。此外,通过多尺度注意力优化机制,DELCA‑Net有效地融合了不同尺度下的空间对应关系和解剖语义关联。
📄 2025110460550
📂 G06T7_33
👤 常熟市第一人民医院, 江南大学
📅 2025-07-29