冯宝
- 作品数：60 被引量：41H指数：3
- 供职机构：桂林航天工业学院更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金博士科研启动基金更多>>
- 相关领域：自动化与计算机技术文化科学医药卫生电子电信更多>>
- 一种基于自适应选择的双源域异构迁移学习的肺结节CT图像分类方法
- 本发明属于CT图像分类技术领域，具体地涉及一种基于自适应选择的双源域异构迁移学习的肺结节CT图像分类方法。本发明方法利用CT图像对SPSN患者进行PT与LA的术前辅助诊断。该方法包括两个部分：①基于自适应选择的双源域异构...
- 崔恩铭冯宝陈业航龙晚生马长宜陆森良侍江峰刘昱何婧胡子建
- 脑机接口中脑电信号的特征提取和模式分类被引量：2
- 2015年
- 从智能处理与不确定性的角度,探讨了脑机接口中的核心问题-EEG模式特征的识别和分类.针对EEG模式分类中所存在的不确定性问题,从EEG的特征提取和分类模型构建两个方面进行了分析,并提出了解决问题的方法和对策.以P300成分为例,从导联选择、滤波处理和时间窗处理三方面进行特征提取,采用贝叶斯线性判别分析的方法进行模式分类.最后以第三届脑机接口竞赛P300字符输入的数据为实验,分别采用3种不同的方法进行数据分析,通过分类准确率和不同重复次数下性能的比较,实验结果表明了本文特征提取和模式分类方法的有效性.
- 潘家辉冯宝
- 关键词：脑机接口P300特征提取
- 基于生成对抗网络的肺结节良恶性诊断算法被引量：1
- 2022年
- 针对实性肺结节CT影像数据量少、人工标注耗时耗力等问题,提出一种结合生成对抗网络和集成学习的实性肺结节良恶性计算机辅助诊断方法.首先,使用基于梯度惩罚的生成对抗网络对肺结节CT影像数据集进行扩充,缓解由数据量少、样本类别不均衡导致的模型过拟合.然后,利用卷积神经网络进行CT影像特征提取,并通过主成分分析对深度特征进行降维.最后,联合CT图像特征和有效临床信息,采用集成学习方法构建分类模型预测实性肺结节良恶性.基于多中心临床数据分析表明,相比于传统卷积神经网络模型,所提出方法有更好的预测性能.
- 罗家健冯宝陈相猛顾正晖
- 关键词：肺腺癌计算机断层扫描
- 一种脑电信号的特征提取方法、装置、系统及介质
- 本申请提供了一种脑电信号的特征提取方法、装置、系统及介质，涉及脑电信号处理技术领域，该方法包括获取脑电信号；使用滤波器组对所述脑电信号进行带通滤波，得到多个频带信号，针对每个频带信号，使用多个滑动时间窗分别提取对应数量的...
- 张绍荣盘书宝唐洪贶莫云王勇军郭岩冯宝孙山林蒋成亮李运德
- 一种基于手势识别的远程机械手控制装置
- 本实用新型公开了一种基于手势识别的远程机械手控制装置，包括控制箱、操作杆、显示屏和风机，所述控制箱螺栓安装在底座板的上端面，所述底座板的上方固定安装有支撑架，所述支撑架的两端固定有连接架，所述固定杆的外侧活动套设有托板，...
- 冯宝李智张绍荣王浩程璇吴上浩蒋杰鹏
- 文献传递
- 多分支与自注意力结合的前列腺癌灶分割方法
- 2023年
- 针对磁共振成像(magnetic resonance imaging,MRI)中前列腺癌病灶形状各异、与相邻组织对比度低、边界模糊等问题,提出一种结合多分支结构与自注意力机制的前列腺癌病灶分割网络。首先利用多分支结构提取图像中不同尺度的特征,增加网络提取特征的多样性。其次通过多头自注意力机制对全局信息进行建模,计算图像中元素之间的相关性,增强癌灶区域与背景的差异来提高前列腺癌病灶区域的分割精度。实验结果表明,所提方法在前列腺癌灶分割任务中的Dice相似性系数、交并比和95%豪斯多夫距离分别为79.23%、69.26%、7.21,更接近人工标注的结果。
- 谈恩民黄飞东冯宝陈俊豪
- 关键词：磁共振成像前列腺癌多分支结构
- 基于脑电信号控制的康复手套系统
- 本发明涉及人工智能医学技术领域，具体涉及一种脑电信号控制的手套康复系统，包括：脑电信号采集装置，用于采集脑电信号，实现脑电信息的放大,并将放大后的脑电信号传递到PC端；PC端，用于实现脑电信号的记录，并对脑电信号进行滤波...
- 冯宝侍江峰李铭心李运德蒋成亮陈业航刘昱何婧周皓阳张绍荣梁国富胡庆辉
- 文献传递
- 基于项目驱动的自动化专业微机原理课程模块化教学探索被引量：6
- 2020年
- 微机原理是自动化专业的一门多学科交叉且理论性和实践性都较强的专业基础课;针对微机原理课程中计算机的概念性结构与功能特性复杂、抽象,且通常不与某一实际硬件相挂钩的特点;采用模块化教学理念对理论体系及实践体系进行构建,使学生掌握微机原理的基本知识和技能,通过项目驱动,完善学生的微机原理和专业知识体系,提高学生的综合设计能力。
- 周皓阳李静冯宝艾志伟徐龙
- 关键词：模块化微机原理
- 一种双向隔离数字IO电路
- 本实用新型公开一种双向隔离数字IO电路，由外部选择继电器、IO输入信号调理电路、IO输出信号调理电路、输入隔离光耦、输出隔离光耦、内部选择继电器组成；外部选择继电器的IO端连接外部控制回路；外部选择继电器的输出端经由IO...
- 张绍荣莫云莫禾胜冯宝王勇军盘书宝
- 文献传递
- 基于CT图像的深度学习模型鉴别良恶性肾肿瘤被引量：2
- 2023年
- 目的:探讨基于CT图像的深度学习模型对肾脏良、恶性肿瘤的鉴别诊断价值。方法:回顾性搜集2008-2020年经病理证实且符合本研究要求的798位患者(共805例肾肿瘤)的临床和三期(平扫、皮髓质期和实质期)腹部CT影像资料。其中,来自本院的418例肾癌和78例肾良性肿瘤的资料用于建立影像组学模型和内部验证,来自另外两个研究中心和一个公共数据库(癌症医学图像数据库TCIA)的262例肾癌和47例肾良性肿瘤的资料作为独立外部验证集。使用ITK-SNAP3.6.0软件,在三期CT图像中选择肿瘤边缘显示较清楚的一期图像,选取肿瘤最大层面及其上、下相邻层面,沿病灶边缘手动勾画ROI,再通过软件的空间调整技术,使另外两期CT图像上肿瘤的边缘与勾画的ROI的边缘最大程度地拟合。使用ResNet50网络中的卷积核作为特征提取器,分别提取3期图像上肾肿瘤的影像组学特征,并采用Mann-Whitney U检验进行特征的筛选。对于同一肾肿瘤,分别建立基于单期和3期CT图像的深度学习模型,并对各模型的预测效能进行外部验证。随后,将训练集中良、恶性肿瘤组的样本数按3种比例(1∶1、1∶2、1∶3)进行设置,分别用于极限学习机(ELM)分类模型的训练,建立基于多期CT图像的3种深度学习模型,并对模型进行外部验证。采用AUC曲线评估深度学习模型对良恶性肾肿瘤的鉴别诊断效能,采用综合判别改善指数(IDI)评估模型预测能力的改善情况。结果:基于多期CT图像的预测模型预测恶性肿瘤的AUC(0.84)大于基于单期(平扫、皮髓质期和实质期)图像的3个AUC(0.78、0.79、0.77)。良性与恶性肿瘤的样本数比例分别为1∶1、1∶2和1∶3时,基于多期图像的预测模型的AUC分别为0.85、0.84和0.86。基于多期图像的预测模型与基于单期图像的3个预测模型比较,IDI值分别为0.1215、0.1209和0.0094(P均>0.05)。结论:基于多期CT图像的深度学习�
- 陈美容周涛陈炫幸钟向阳陈智慧冯宝陈业航徐坤财
- 关键词：肾肿瘤
