-
公开(公告)号：CN114820510A
公开(公告)日：2022-07-29
申请号：CN202210437761.8
申请日：2022-04-25
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/10 , G06T7/62 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/82 , G06V10/762 , G06V10/764
Abstract: 细胞病理图像质量评价方法，本发明涉及自动化病理诊断技术中，缺乏细胞病理图像质量评价方法的问题。病理切片数字化积累了大量的数据，是自动化病理诊断的重要前提。然而扫描产生的质量不合格的细胞病理图像严重影响了自动化病理诊断的效率，甚至导致误诊和漏诊。现在存在的很多图像质量评价方法都没有考虑到细胞病理医生对于样本图像的评价标准，不适用于自动化病理诊断领域。为改善这一问题，本发明提出了一种基于《宫颈液基细胞学的数字病理图像采集与图像质量控制中国专家共识》和TBS(The Bethesda system)诊断标准的细胞病理图像质量评价方法。实验表明，该方法能有效地评价细胞病理图像的质量，提高自动病理诊断的效率。本发明应用于细胞病理图像的质量评价。
-
公开(公告)号：CN113628197A
公开(公告)日：2021-11-09
申请号：CN202110948082.2
申请日：2021-08-18
Applicant: 哈尔滨理工大学
Abstract: 一种基于对比学习的弱监督全切片组织病理图像分类方法，本发明涉及对比学习技术和弱监督分类技术。为了解决在仅有图像级标注的情况下对全切片组织病理图像分类准确率低的问题。全切片组织图像尺寸十分巨大，基于深度神经网络的全切片病理图像分类方法效果显著。但此类方法需要专业病理医生手动标注近10亿像素的全切片图像，获取精确标注数据的成本十分高昂。因此，本发明提出了一种基于对比学习的弱监督全切片图像分类方法，用于在仅有图像级标注的情况下对全切片组织病理图像分类。实验表明，在标注不足的情况下，该方法能够对全切片组织病理图像有效分类。本发明主要应用于弱监督情况下的全切片组织病理图像分类。
-
公开(公告)号：CN104036777A
公开(公告)日：2014-09-10
申请号：CN201410217411.6
申请日：2014-05-22
Applicant: 哈尔滨理工大学
IPC: G10L15/20 , G10L21/0308
Abstract: 本发明涉及一种语音活动检测方法及装置，包括：提取干净语音信号的信号特征和混噪语音信号的信号特征；根据所述干净语音信号的信号特征进行字典训练得到语音字典；根据所述混噪语音信号的信号特征动态更新预设的噪声训练数据，提取更新后的所述噪声训练数据的信号特征进行在线字典训练得到噪声字典；根据所述语音字典和噪声字典对输入的混噪语音信号的信号帧进行稀疏表示；提取所述稀疏表示中的稀疏系数，根据所述稀疏系数对输入的混噪语音信号的信号帧进行检测。采用本发明提出的方法及装置，能够准确分辨出噪声环境下语音信号的语音部分和非语音部分，提高在变化噪声环境下语音活动检测的性能。
-
公开(公告)号：CN103971700A
公开(公告)日：2014-08-06
申请号：CN201310332075.5
申请日：2013-08-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种语音监控方法及装置，涉及语音信号处理技术领域。该方法包括：S1、获取电话的语音数据，提取语音数据的语音特征;S2、进行说话人跳变检测，将语音特征按两个说话人进行分离，得到两类分离的语音特征；S3、对于分离的每一类语音特征，判断是否存在与之匹配的诈骗分子的说话人模型，如为是，则判定存在诈骗份子；如为否，则执行步骤S4；S4、检测所述分离的语音特征中是否存在预先设置的诈骗行为相关的关键词，如果存在至少一个关键词，则判定存在诈骗行为，训练该诈骗分子的说话人模型，并保存该诈骗分子的说话人模型；否则，判定不存在诈骗行为。本发明实现电话环境下对诈骗分子自动进行监控，节约了公安系统的打击电信诈骗的成本。
-
公开(公告)号：CN107330869A
公开(公告)日：2017-11-07
申请号：CN201710504878.2
申请日：2017-06-28
Applicant: 哈尔滨理工大学
CPC classification number: G06T5/001 , G06T7/11 , G06T2207/30096
Abstract: 重叠细胞分割后的异常像素点重构，本发明涉及DNA倍体分析技术中，重叠细胞分割后出现的像素点异常的问题。DNA倍体分析技术通过图像处理技术测量细胞DNA的相对含量，在癌症诊断方面有着广泛的应用。然而重叠细胞的分割后的像素点异常，导致细胞的纹理、灰度以及最重要的光密度等特征出现异常，在诊断中极易出现误诊。为改善这一问题，本发明提出了一种基于GMM-UBM模型的细胞重叠区域像素重构方法。实验表明，该方法能有效地调整细胞的纹理、灰度、光密度等特征值，减少DNA含量测量的误差，降低异常像素点对分类器识别率的影响。本发明应用于重叠细胞分割后的异常像素点重构。
-
Patent Agency Ranking
公开(公告)号：CN103971702A
公开(公告)日：2014-08-06
申请号：CN201310332073.6
申请日：2013-08-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种声音监控方法、装置及系统，涉及声音信号处理和模式识别技术领域。该方法包含步骤：训练声音阶段和检测声音阶段，训练声音阶段包含：S1、获取训练声音信号，提取训练声音特征；S2、根据训练声音特征，训练声音事件模型；检测声音阶段包含：S3、提取待检测声音特征；S4、判断所述声音事件模型中是否存在至少一个与所述待检测声音特征匹配的声音事件模型，如为是，则判定存在暴力事件；如为否，判定不存在暴力事件。本发明通过提取声音信号的声音特征，将所提取的声音特征与训练好的声音事件模型做比较，分析得出电梯内是否存在暴力事件，实现了电梯内暴力事件的自动监控，实时给出监控结果，能有效保证检测的准确率。
-
公开(公告)号：CN113158722A
公开(公告)日：2021-07-23
申请号：CN202011550309.X
申请日：2020-12-24
Applicant: 哈尔滨理工大学
Abstract: 基于多尺度深度神经网络的旋转机械故障诊断方法，本发明涉及轴承等旋转机械故障诊断领域中，靠人工诊断准确率和效率不高的问题。深度学习技术在机械故障诊断中表现出了巨大潜力。目前的方法虽然取得了一定的效果，但由于特征的表达能力不足导致鲁棒性不好、准确率差。为解决这一问题，本发明提出了基于多尺度深度神经网络的旋转机械故障诊断方法。该方法将时域信号进行不同尺度的下采样，然后利用基于注意力机制的长短时记忆网络和多尺度卷积神经网络实现特征提取，并融合多尺度特征，最后利用多分类器实现故障诊断。经过充分的实验验证得知，在轴承的故障诊断上取得了很好的效果。本发明应用于轴承等旋转机械的故障诊断。
-
公开(公告)号：CN107492084B
公开(公告)日：2021-06-25
申请号：CN201710544900.6
申请日：2017-07-06
Applicant: 哈尔滨理工大学
Abstract: 基于随机性的成团细胞核图像合成方法，本发明涉及DNA倍体分析技术中，由于成团细胞核图像稀少导致细胞分类正确率急剧下降的问题。细胞DNA倍体分析技术是一种自动化的病理诊断技术，准确识别各类细胞图像是这一技术的关键。然而，重叠细胞核的训练样本稀少（训练集失衡）导致重叠细胞核图片的识别率较低。为解决这一问题，本发明提出了一种合成重叠细胞图像的方法。该方法采用样本选择使合成的样本更具有代表性；引入随机性控制合成源图像的随机旋转角度和随机重叠程度；根据朗伯比尔定律重构重叠部分的像素，使合成的样本更接近真实样本；最后将合成的样本用于模型训练。本发明应用于解决重叠细胞核的训练样本稀少（训练集失衡）问题。
-
公开(公告)号：CN108205798A
公开(公告)日：2018-06-26
申请号：CN201710173238.8
申请日：2017-03-22
Applicant: 哈尔滨理工大学
Abstract: 鲁棒的显微镜图像光照补偿，本发明涉及DNA倍体分析技术中，细胞在不同位置测量结果相差较大的问题。本发明的目的是为了解决现有DNA倍体分析技术中细胞IOD值测量在图像不同位置偏差较大的问题。具体过程为：一、打开摄像机；二、显微镜下图像采集；三、对采集到的图像进行分块阈值分割；四、将分割后的背景进行填充并进行平滑处理；五、进行偏差估计，得到偏差图片，将偏差图片与获得的新图像相加，进行补偿，得到最终结果。六、结束。本发明应用于显微镜下细胞IOD值的测量和图像增强领域。
-
公开(公告)号：CN107492084A
公开(公告)日：2017-12-19
申请号：CN201710544900.6
申请日：2017-07-06
Applicant: 哈尔滨理工大学
CPC classification number: G06T5/50 , G06T7/13 , G06T7/136 , G06T2207/20221 , G06T2207/30004
Abstract: 基于随机性的成团细胞核图像合成方法，本发明涉及DNA倍体分析技术中，由于成团细胞核图像稀少导致细胞分类正确率急剧下降的问题。细胞DNA倍体分析技术是一种自动化的病理诊断技术，准确识别各类细胞图像是这一技术的关键。然而，重叠细胞核的训练样本稀少（训练集失衡）导致重叠细胞核图片的识别率较低。为解决这一问题，本发明提出了一种合成重叠细胞图像的方法。该方法采用样本选择使合成的样本更具有代表性；引入随机性控制合成源图像的随机旋转角度和随机重叠程度；根据朗伯比尔定律重构重叠部分的像素，使合成的样本更接近真实样本；最后将合成的样本用于模型训练。本发明应用于解决重叠细胞核的训练样本稀少（训练集失衡）问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
