-
公开(公告)号：CN110459197A
公开(公告)日：2019-11-15
申请号：CN201910618437.4
申请日：2019-07-10
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种信号增强器，包括：延时模块；自适应滤波器，用于输出目标信号；以及参数调节模块，用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。基于该信号增强器的信号去噪和提取方法包括：将输入信号经过延时环节后，输入到自适应滤波器；通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节；和通过参数优化后的自适应滤波器输出去噪后的目标信号。本发明还涉及一种包含所述信号增强器的信号检测系统。本发明具有如下优点：1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪；2)适合目标信号未知的盲信号提取；3)能够提取目标信号的时域波形和全部频率成分。
-
公开(公告)号：CN110772281B
公开(公告)日：2022-03-22
申请号：CN201911012719.6
申请日：2019-10-23
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进射线追踪法的超声CT成像系统，包括全包围超声换能器、信号采集模块、数据处理及成像模块。数据处理及成像模块中的处理器执行储存在存储器中的计算机程序时实施步骤：基于全包围超声换能器扫查人体器官，测量声波的渡越时间；重建目标初始的声速分布；基于目标的声速分布进行B超成像；从B超图像中提取器官组织边界信息；迭代更新声波的传播路径；迭代更新目标的声速分布。本发明与传统成像方案相比，在保证超声CT成像精度的同时，减小计算量，提高重建速度，并改善B超图像的精度和超声CT成像结果中的边缘清晰度。
-
公开(公告)号：CN110772281A
公开(公告)日：2020-02-11
申请号：CN201911012719.6
申请日：2019-10-23
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进射线追踪法的超声CT成像系统，包括全包围超声换能器、信号采集模块、数据处理及成像模块。数据处理及成像模块中的处理器执行储存在存储器中的计算机程序时实施步骤：基于全包围超声换能器扫查人体器官，测量声波的渡越时间；重建目标初始的声速分布；基于目标的声速分布进行B超成像；从B超图像中提取器官组织边界信息；迭代更新声波的传播路径；迭代更新目标的声速分布。本发明与传统成像方案相比，在保证超声CT成像精度的同时，减小计算量，提高重建速度，并改善B超图像的精度和超声CT成像结果中的边缘清晰度。
-
公开(公告)号：CN110459197B
公开(公告)日：2021-09-24
申请号：CN201910618437.4
申请日：2019-07-10
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种信号增强器，包括：延时模块；自适应滤波器，用于输出目标信号；以及参数调节模块，用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。基于该信号增强器的信号去噪和提取方法包括：将输入信号经过延时环节后，输入到自适应滤波器；通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节；和通过参数优化后的自适应滤波器输出去噪后的目标信号。本发明还涉及一种包含所述信号增强器的信号检测系统。本发明具有如下优点：1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪；2)适合目标信号未知的盲信号提取；3)能够提取目标信号的时域波形和全部频率成分。
-
公开(公告)号：CN110974303A
公开(公告)日：2020-04-10
申请号：CN201911115352.0
申请日：2019-11-14
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种用于人体组织扫查诊断的超声CT成像系统，包括：超声换能器模块；与所述超声换能器模块连接的运动模块，用于支撑和驱动超声换能器模块动作；与所述超声换能器模块连接的发射采集模块；与所述发射采集模块连接的存储模块；与所述存储模块连接的成像模块；和分别与所述运动模块和所述发射采集模块连接的控制模块。本发明提供的CT成像系统可以快速稳定的对扫描对象重建出精度高、清晰度高和直观性好的人体组织影像。
-
Patent Agency Ranking
公开(公告)号：CN119919514A
公开(公告)日：2025-05-02
申请号：CN202411866073.9
申请日：2024-12-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于源编码的互相关校正全波形反演超声层析成像方法。步骤1：采集实测声压信号，设置初始声速模型和每个阶段的迭代次数，初始化迭代次数；步骤2：基于步骤1的初始声速模型和每个阶段的迭代次数，在每个阶段的第一次迭代计算预测信号dm(xn,t)与实测信号gm(xn,t)的走时差，基于该走时生成该阶段的中间信号，在该阶段除第一次迭代外不更新走时差；步骤3：基于步骤2产生的中间信号和预测信号，对中间信号和预测信号进行编码；步骤4：基于步骤3编码的中间信号和预测信号，计算伴随波场和梯度，确定声速模型迭代的步长，完成模型更新；步骤5：获取最终模型。本发明在不显著增加计算量的同时提高传统的基于FWI超声层析成像算法的稳定性。
-
公开(公告)号：CN118312826B
公开(公告)日：2024-11-26
申请号：CN202410423441.6
申请日：2024-04-09
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G01N29/44 , G01N29/14 , G01N3/06 , G01N3/32 , G06F18/213 , G06F18/2321 , G06F17/16
Abstract: 本发明公开了一种基于多层级密度多峰值聚类算法的钢轨裂纹信号分类方法，首先，从钢轨疲劳实验中获取不同阶段裂纹的声发射信号，将信号转换为Hankel矩阵并进行奇异值分解后，通过计算奇异谱的熵值以获取信号的奇异频谱熵特征；然后，通过引入层级和全局衰减权重的概念，计算特征集中每个数据点的多层权重密度并基于数据点的密度关系计算相对距离；最后，通过选取决策图中的判别点以及计算微簇间的欧几里得距离序列实现微簇的自动识别和合并，最终得到钢轨裂纹的分类结果。本发明利用层级结构优化密度计算，并结合微簇自识别和合并策略有效提高分类准确率，适用于需要高精度的钢轨裂纹伤损分类领域。
-
公开(公告)号：CN113763309B
公开(公告)日：2024-10-15
申请号：CN202011155220.3
申请日：2020-10-26
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/246 , G06T7/11 , G06T7/136 , G06T5/40 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/082
Abstract: 本发明公开了一种基于改进U‑net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法。步骤1：超声图像序列预处理；步骤2：训练ROI提取模型，从步骤1的超声图像中分割出区域；步骤3：基于改进U‑net网络实现步骤2的区域中目标的准确分割；步骤4：利用CNN‑LSTM网络对步骤1的超声图像序列进行分类；步骤5：基于步骤3的分割结果及步骤4的分类结果，利用LSTM网络实现超声图像序列中目标位置的准确预测。本发明为了解决现有方法无法同时对动态超声图像序列进行目标识别与实时跟踪的问题。
-
公开(公告)号：CN118212495B
公开(公告)日：2024-10-01
申请号：CN202410478090.9
申请日：2024-04-19
Abstract: 本发明公开了一种基于深度学习的软组织光声/超声多模态图像融合方法，所述方法包括如下步骤：超声光声成像设备采集人体软组织光声图像和超声图像，并进行尺寸归一化处理；输入空间转换模块转换到YCbCr空间；输入预卷积模块改变数据通道数；输入多尺度特征提取模块提取源图像显著特征；输入滤波器预测模块得到多尺度滤波器；输入滤波融合与自适应增强模块结合输入源图像得到最终的融合结果。本发明提出的方法相较于几种传统融合方法和基于深度学习的融合方法具有更优异的融合效果，更重要的是具有很好的实时性能。并且，在光声/超声多模态成像系统上进行了多种模式的光声/超声融合扩展实验，验证了本发明方法的有效性。
-
公开(公告)号：CN118537229A
公开(公告)日：2024-08-23
申请号：CN202410709161.1
申请日：2024-06-03
Applicant: 哈尔滨工业大学
IPC: G06T3/4076 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于记忆增强先验动态模型的超声高分辨率成像方法，所述方法提出记忆增强先验动态模型，通过构建包含稀疏性约束的损失函数，依照半二次分裂优化算法，建立反卷积优化求解器与近端映射网络集成迭代求解该损失函数，将PSF用于反卷积优化求解器初始化并设置为可学习参数，在训练中动态化更新，增强了模型的物理可解释性；建立LSTM单元置于近端映射网络之后，用于迭代过程中清除冗余信息，确保为下一次迭代提供必要的特征，得到记忆增强先验动态模型；通过对该模型参数进行优化，有效地获取精准的PSF与图像保真度权重因子，达到自动调参目标，实现超声图像的高分辨率重建。
-
-
-
-
-
-
-
-
-
Search Results
385
records
(took 0.031 seconds)
