-
公开(公告)号：CN116740100A
公开(公告)日：2023-09-12
申请号：CN202310405975.1
申请日：2023-04-17
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于离散小波变换和边缘特征的半监督甲状腺超声图像分割方法。该方法包括五个步骤：1)图像预处理；2)基于卷积和小波变换的特征提取；3)基于Mean‑Teacher构建半监督深度学习模型；4)基于凸度的边缘特征评估；5)基于主动轮廓的边缘特征评估。本发明利用小波变换抑制超声图像斑点噪声，解决甲状腺超声图像斑点噪声的问题，利用凸度损失函数和主动轮廓损失函数对半监督语义分割边缘特征进行评估，能够高精度地从超声图像中对甲状腺器官进行分割。
-
公开(公告)号：CN111709301B
公开(公告)日：2023-04-28
申请号：CN202010435770.4
申请日：2020-05-21
Applicant: 哈尔滨工业大学
IPC: G06V20/40 , G06V10/774
Abstract: 本发明的一种冰壶球运动状态估计方法，属于人工智能与图像处理领域。步骤一：建立冰壶球数据集，训练冰壶球目标检测网络和转角检测网络；步骤二：采用训练好的冰壶球目标检测网络对冰壶球比赛视频序列进行检测，获取冰壶球边界框信息；步骤三：将冰壶球边界框信息取出，初始化冰壶球目标跟踪网络，在后续视频帧中持续跟踪冰壶球目标，获得冰壶球的中心坐标；步骤四：根据冰壶球边界框信息，将该冰壶球从原始图像中截取出来，送入训练好的转角检测网络进行转角提取；步骤五：通过坐标转换，将图像坐标系下的冰壶球的中心坐标和转角转换为冰壶赛场上的冰壶球坐标和转角。本发明对冰壶球状态和把手转角的估计结果更为准确。
-
公开(公告)号：CN114539439B
公开(公告)日：2023-03-17
申请号：CN202210339495.5
申请日：2022-04-01
Applicant: 哈尔滨工业大学
IPC: C08B37/00 , A61K31/715 , A61K36/284 , A61P19/08 , A61P19/10 , A61K125/00
Abstract: 本发明属于多糖提取及失重性骨丢失防护技术领域，具体公开了一种白术多糖AMP1‑1及其提取方法与应用。本发明公开了一种全新结构的白术多糖AMP1‑1，由α‑D‑葡萄糖和β‑D‑果糖组成，其分子量为1253～1615Da，具有α‑D‑Glcp‑(1→和→1)‑β‑D‑Fruf‑2→糖苷键构成的主链，是一种线性结构的多糖，并且其结构式为α‑D‑Glcp‑1→(2‑β‑D‑Fruf‑1)n(n＝6～8)。本发明公开的白术多糖AMP1‑1具有强大的抗失重性骨丢失的能力，能显著或者极显著地刺激成骨细胞的活性并且抑制破骨细胞的活性。
-
公开(公告)号：CN114898617A
公开(公告)日：2022-08-12
申请号：CN202210380961.4
申请日：2022-04-12
Applicant: 哈尔滨工业大学
IPC: G09B9/00
Abstract: 本发明公开了一种汽车电子示教系统及其操作方法。所述汽车电子示教系统包括上位机、通用控制器、操作面板和传感器或执行器；所述上位机与通用控制器相连接，所述通用控制器分别与操作面板和传感器或执行器相连接；所述操作面板包括模式开关、电位计旋钮和LED显示屏，所述模式开关通过DIO连接通用控制器，所述电位计旋钮通过ADC连接通用控制器，所述LED显示屏通过DIO连接通用控制器；所述通用控制器通过PWM和ADC与传感器或执行器相连接。用以解决现有汽车电子控制技术难以满足开发技术培训和实践教学要求。
-
公开(公告)号：CN111189445A
公开(公告)日：2020-05-22
申请号：CN202010037955.X
申请日：2020-01-14
Applicant: 哈尔滨工业大学
IPC: G01C21/02
Abstract: 本发明公开了一种基于随机共振的脉冲星辨识方法。步骤1：对脉冲星光子信号进行高通滤波；步骤2：对脉冲星光子信号使用二重自相关进行一步去噪处理；步骤3：利用变尺度频率变换对信号进行频率压缩，使其能满足随机共振的所需的小参数条件；步骤4：利用遗传算法对随机共振中双稳态系统的参数a，b进行实时调节；步骤5：利用随机共振对信号进行周期搜索，选择信噪比最大所对应的频率与脉冲星的频率进行对比，频率相等即完成脉冲星信号的辨识。本发明在利用脉冲星进行深空探测导航的过程中，能够实现在短时，低信噪比的条件下辨识出脉冲星的任务。
-
Patent Agency Ranking
公开(公告)号：CN110477956A
公开(公告)日：2019-11-22
申请号：CN201910925312.6
申请日：2019-09-27
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于超声图像引导的机器人诊断系统的智能扫查方法，所述方法通过夹持装置将超声探头安装到六自由度机器臂末端，通过双目摄像头确定人体与六自由度机械臂末端超声探头的相对位姿，然后，六自由度机械臂带动超声探头到达人体的初始相对零位置，随后，超声诊断仪接收超声探头输入的扫描信号成像，并发送至智能识别装置，最后，智能识别装置进行超声图像的分类与分割来确定器官及其位置，根据器官成像面积的大小控制六自由度机器臂的运动，实现对人体各个器官的智能扫查。
-
公开(公告)号：CN108629835A
公开(公告)日：2018-10-09
申请号：CN201710163901.6
申请日：2017-03-20
Applicant: 哈尔滨工业大学
IPC: G06T17/05
Abstract: 基于高光谱、真彩图与点云互补的室内重建方法及系统，它涉及场景自适应、基于SVM的波谱识别、基于高光谱与真彩图的点云闭环矫正以及距离统计、贪婪三角形等方法。它解决了点云获取设备对材质、光照和热量等不敏感以及三维重建的全自动问题。本发明的步骤为：一、获取初始数据；二、根据高光谱数据识别出点云缺失的位置；三、三维点云信息的初步修正；四、根据真彩图矫正修补结果；五、点云的滤波、拼接自动化、点云的面片化及纹理映射。本发明利用高光谱与真彩图信息对点云进行修补，弥补了硬件的不足，使重建的质量获得提升，通过自适应处理及全自动化的实现，使得三维室内重建的稳定性和实用性也获得提升，应用前景越来越广阔。
-
公开(公告)号：CN108241865A
公开(公告)日：2018-07-03
申请号：CN201611214165.4
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 一种基于超声图像的多尺度多子图肝纤维化多级量化分期方法，它涉及基于多尺度灰度共生矩阵和小波多子图共生矩阵的多级分期方法，它解决了当前基于超声图像的肝纤维化分期方法分期粗糙且准确度低的问题。本发明的步骤为：一、ROI的自动选择和预处理；二、构造多尺度灰度共生矩阵并提取纹理特征；三、构造小波多子图共生矩阵并提取纹理特征；四、利用基于SVM的不完全穷举封装式特征选择方法选择特征；五、基于SVM进行多级分类。本发明利用多尺度灰度共生矩阵全面提取图像纹理信息，并结合小波多子图共生矩阵在滤波的同时兼顾图像纹理细节信息，使用不完全穷举特征选择方法和多级分类器提高肝纤维化的分类精度，适用于基于超声图像的肝纤维化辅助诊断。
-
公开(公告)号：CN119908754A
公开(公告)日：2025-05-02
申请号：CN202411943544.1
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
Abstract: 一种基于多模态数据的甲状腺血流分析方法，它涉及一种甲状腺血流分析方法。本发明为了解决现有甲状腺血流分析方法不仅由于需要手动标注所以需要大量时间和精力，而且会产生图像颜色偏差和错误血流提取的问题。本发明包括对甲状腺超声图像、甲状腺多普勒图像、临床文本数据(包括非结构化的文本数据和结构化的检测数据)这三种输入进行编码；利用基于注意力机制和张量融合的多模态特征融合技术融合提取的特征；采用LoRA微调中文大模型Baichuan‑7B得到甲状腺血流分析模型，将融合的特征输入模型中得到甲状腺腺的血流情况分析，包含甲状腺腺体和结节的血流的位置、面积、速度等的详细描述，并给出进一步诊断的建议。本发明属于医学图像处理技术领域。
-
公开(公告)号：CN115512262B
公开(公告)日：2024-11-19
申请号：CN202211150368.7
申请日：2022-09-21
IPC: G06V20/40 , G06V10/82 , G06V10/774 , G06V10/26 , G06N3/08 , G06N3/0464
Abstract: 面向转播视频的冰壶球运动状态检测方法、系统、计算机设备和存储介质，属于人工智能检测技术领域，解决难以从转播视频中提取冰壶球的运动信息问题。本发明的方法包括：对转播视频中的冰壶赛道进行语义分割，基于冰壶赛道中的尺寸先验信息，计算得出转播视频平面与冰壶赛道平面之间的坐标转换矩阵，将冰壶比赛转播视频从斜视视角变换到俯视视角；然后训练冰壶球目标检测网络，设计数据集标注原则，通过数据增强方法自动扩增数据集，得到冰壶球的检测框和位置信息，再基于图像分割算法和霍夫变换直线拟合方法得到描述冰壶球旋转的把柄角度信息，实现了转播视频中冰壶球的运动状态检测。本发明适用于冰壶比赛转播视频中冰壶球的运动状态检测。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.039 seconds)
