-
公开(公告)号：CN117462143A
公开(公告)日：2024-01-30
申请号：CN202210296066.4
申请日：2022-03-24
Applicant: 东北大学 , 深圳静美大健康科技有限公司
Abstract: 本公开涉及一种康复训练的方法及装置、电子设备和存储介质，其中，所述的康复训练的方法，包括：获取运动想象指令及预设分类模型；采集所述运动想象指令对应运动想象的脑电信号；利用所述预设分类模型，根据所述脑电信号进行分类，得到分类结果；根据所述分类结果生成动作任务，以执行所述动作任务，完成康复训练。本公开实施例可实现患者的康复训练。
-
公开(公告)号：CN109065165B
公开(公告)日：2021-08-17
申请号：CN201810827874.2
申请日：2018-07-25
Applicant: 东北大学 , 沈阳医学院附属中心医院
Abstract: 本发明提供一种基于重建气道树图像的慢性阻塞性肺病预测方法，涉及医学图像处理技术领域。该方法首先采集来自同一家医院的COPD患者和健康人的多层CT图像文件，生成健康人和COPD患者的重建气道树图像，并转换不同的视角对生成的健康人和COPD患者的重建气道树图像进行截图，然后去除所截取气道树图像的多余背景信息，并基于卷积神经网络进行训练并分类，预测测试集中是否有人患有COPD；最后对重建气道树截取的图像集进行十字交叉验证，保证预测结果的准确性。本发明提供的基于重建气道树图像的慢性阻塞性肺病预测方法，将作为一种初步筛选该疾病的技术手段，准确且高效，有效避免了误诊和漏诊；同时也免去了肺功能检查的复杂过程，大大减少了医院工作量。
-
公开(公告)号：CN107507197B
公开(公告)日：2020-11-24
申请号：CN201710712015.4
申请日：2017-08-18
Applicant: 东北大学
Abstract: 本发明提出一种基于聚类算法和卷积神经网络的肺实质提取方法，本发明采用聚类算法对肺部CT图像进行预处理，得到CT图像的肺实质区域和非肺实质区域的数据集，将已知的肺部CT图像的数据集划分为训练集和验证集，将未知的肺部CT图像的数据集作为测试集；建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像肺实质区域，实现了对未知患者的肺部CT图像进行肺实质区域提取功能，并对下一阶段自动搜寻肺癌区域垒下基础，有助于下一阶段的肺癌提取、分类。
-
公开(公告)号：CN110675912A
公开(公告)日：2020-01-10
申请号：CN201910875164.1
申请日：2019-09-17
Applicant: 东北大学
Abstract: 本发明提供一种基于结构预测的基因调控网络构建方法。包括以下内容：首先计算系数矩阵，通过计算基因之间的Pearson系数、互信息及最大互信息来确定基因之间的相关性，作为筛选潜在父节点集的依据；然后进行结构预测，将获得的基因之间的系数矩阵作为判定基因潜在父节点集的依据，为每个基因选取潜在父节点集；最后进行基因调控网络的结构学习和参数学习。本发明通过基于Person系数、互信息及最大互信息相结合的方法预测基因的潜在父节点集，缩小结构学习的搜索范围，在一定程度上减少了基因调控网络的构建时间，提升计算性能，可以更加快速、准确地构建大规模基因调控网络，进一步了解生物的基因调控机制。
-
公开(公告)号：CN109389594A
公开(公告)日：2019-02-26
申请号：CN201811173155.X
申请日：2018-10-09
Applicant: 东北大学
Abstract: 本发明属于图像分析技术领域，尤其涉及一种基于图论的宫颈癌组织显微图像分析方法。基于图论的宫颈癌组织显微图像分析方法包括以下步骤：采集宫颈癌组织显微图像数据，采用不同的算法对采集的每张原图进行分割，将分割结果进行融合得到融合图像；根据核的形态学和纹理特征将融合图像分成高分化，中分化，低分化三大类；对分类结果进行综合评估。本申请使用融合的分割算法加强了精度，形成了完整的分类流程，并且做出了分类评估。利用图论算法把宫颈癌组织病理图像根据核的空间结构分为高分化，中分化，低分化三大类，这可以应用在组织学家的日常实践中，加快诊断的时间，提高诊断的准确度。
-
Patent Agency Ranking
公开(公告)号：CN107563388A
公开(公告)日：2018-01-09
申请号：CN201710838112.8
申请日：2017-09-18
Applicant: 东北大学
Abstract: 本发明涉及一种基于深度信息预分割的卷积神经网络物体识别方法，包括以下步骤：步骤1：采集场景的深度图像和彩色图像；步骤2：从场景的深度图像中分割出物体的深度图像；步骤3：根据物体的深度图像的分割范围，从场景的彩色图像中分割出物体的彩色图像；步骤4：对分割好的彩色图像进行填充处理；步骤5：将填充好的彩色图像输入到卷积神经网络进行识别，输出识别结果。本发明的基于深度信息预分割的卷积神经网络物体识别方法，可以识别复杂图片中的多个物体，训练速度快、识别速度快，对硬件要求低，可减少卷积神经网络过拟合。
-
公开(公告)号：CN119027369A
公开(公告)日：2024-11-26
申请号：CN202410935205.2
申请日：2024-07-12
Applicant: 东北大学
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本申请公开了一种基于CT图像的单发肺结节恶性程度的混合自监督学习方法。其中方法包括：将肺部病灶的水平面图像输入至编码器中进行特征提取，得到肺部病灶的水平面特征向量；将肺部病灶的冠状面图像输入至动量编码器中进行特征提取，得到肺部病灶的冠状面特征向量，并将其存储至动态字典中；基于水平面特征向量和解码器，对水平面图像中的遮掩部分进行像素重建，得到目标图像；基于水平面特征向量、动态字典中的各个冠状面特征向量和目标图像，计算损失值；根据损失值，对编码器、动量编码器和解码器进行共同迭代训练，直至满足预设条件时，构建预设肺肉芽肿性结节和实性肺腺癌分类模型。本申请能够区分单发非典型的肺肉芽肿性结节和实性肺腺癌。
-
公开(公告)号：CN108022647B
公开(公告)日：2022-01-25
申请号：CN201711233696.2
申请日：2017-11-30
Applicant: 东北大学
Abstract: 本发明提出一种基于ResNet‑Inception模型的肺结节良恶性预测方法，获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行预处理，得到训练图像数据集、验证图像数据集和预测图像数据集；建立基于ResNet‑Inception模型的肺结节图像分类模型；将预测图像数据集输入基于ResNet‑Inception模型的肺结节图像分类模型的最终形式中，得到预测图像数据集中肺结节图像的肺结节良恶性预测结果。本发明方法设计了新的网络结构模型，根据肺结节CT图像即可获得该肺结节的良恶性预测。
-
公开(公告)号：CN109087296B
公开(公告)日：2021-08-10
申请号：CN201810889991.1
申请日：2018-08-07
Applicant: 东北大学
Abstract: 本发明公开了一种提取CT图像中人体区域的方法，涉及医学图像处理领域，本发明通过聚类算法以及一系列图像形态学方法将患者CT图像划分为人体区域和背景区域，达到自动生成训练卷积神经网络模型所需的训练子集、验证集和单像素测试集小块；通过卷积神经网络模型，对人体区域和背景区域两类小块进行分类，涉及最优参数化的卷积神经网络模型，达到准确率高的人体区域分类效果；实现了对患者CT图像进行全自动的人体所占区域的提取功能，高效且准确，并对下一阶段的人体体内的全肺分析具有价值与帮助，有助于更高效、准确的定位肺部内的肺实质、肺癌等区域的提取、分类。
-
公开(公告)号：CN110555530A
公开(公告)日：2019-12-10
申请号：CN201910821699.0
申请日：2019-09-02
Applicant: 东北大学
Abstract: 本发明提供一种基于分布式的大规模基因调控网络构建方法，涉及医学信息学领域，本发明首先利用基因间的互信息值构建出基因调控的概要网络，根据结点的连结情况将网络分为若干个子网络，在每个子网络利用贝叶斯等方法在分布式环境下计算结点的调控方向，再将子网络进行合并，从而得到最终的基因调控网络。该发明可以提高基因调控网络的构建效率，通过分析基因调控网络让我们更系统地剖析细胞的功能，更深刻地洞见生命的本质。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.028 seconds)
