江西财经大学

本发明属于医学图像处理与人工智能技术领域，公开了一种三维医学图像分割方法、系统及设备，其方法通过提取三维医学图像进行多次下采样并增加通道维度、捕获全局上下文依赖及提取局部特征后，再进行多次轻量上采样，最后对上采样特征进行分割，得到分割后的三维医学图像。其系统和设备用于实现该方法。本发明能够在降低参数量和浮点运算量的同时保持较高分割精度，适用于对CT、MRI等三维医学影像中的器官、组织或病灶进行自动化分割。

本发明提出一种用于电力组件异常分类的高维小样本数据特征选择方法，获取电力组件高维小样本数据并转化为数据矩阵；利用局部邻域替代全局统计，构建类内局部保持矩阵和类间判别局部保持矩阵；引入行稀疏正则项，建立判别局部保持稀疏特征选择模型；通过重加权迭代策略得到稀疏权重矩阵，并引入辅助变量将模型转化为关于投影矩阵、稀疏权重矩阵和辅助变量的联合优化问题；采用交替优化策略迭代求解，收敛后得到最优投影矩阵；按投影矩阵行范数排序，选取前k个特征作为特征子集。本发明在保持局部流形结构的同时自动剔除冗余特征，提高了电力组件异常分类的精度与鲁棒性。

本发明公开了基于联合深度网络的AI生成内容识别与情绪检测方法，方法包括获取多源标准化数据、各模态内容统计特征提取、AI生成内容识别与风格检测、用户多模态特征提取、用户情绪与专注状态检测和用户状态与AI生成内容智能关联分析。本发明涉及数据处理技术领域，具体是指基于联合深度网络的AI生成内容识别与情绪检测方法，本方案创新地提出了融合毫米波射频时序感知与多源视觉特征的联合深度网络检测方法，提高情绪识别真实性；提出基于多模态统计特征与共享深度编码的双分支联合识别方法，实现了生成内容的精准识别；构建包含自适应时序卷积感知层和时序特征增强层的联合深度网络，提升了情绪分类与专注度检测准确性。