-
公开(公告)号：CN113659833A
公开(公告)日：2021-11-16
申请号：CN202110976680.0
申请日：2021-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种并联直流‑直流变换器的寿命延长方法，本发明涉及并联直流‑直流变换器的寿命延长方法。本发明的目的是为了解决现有方法难以精确预测系统的健康状态，导致无法缓解模块化功率转换系统中的老化程度不匹配，从而缩短电力电子系统寿命的问题。过程为：1.获取训练数据；2.搭建神经网络模型；3.训练神经网络，得到训练好的神经网络；4.在线获得测试数据，预测并联式DC‑DC变换器系统的健康状态；5.重复执行3和4N次，保留在测试数据上预测效果最好的神经网络用于最终的在线预测，执行6；6.延长系统的剩余使用寿命。本发明用于电力电子系统人工智能健康管理领域。
-
公开(公告)号：CN111598894B
公开(公告)日：2021-02-09
申请号：CN202010309418.6
申请日：2020-04-17
Applicant: 哈尔滨工业大学
Abstract: 基于全局信息卷积神经网络的视网膜血管图像分割系统。本发明涉及视网膜血管图像分割系统，本发明为了解决现有卷积神经网络视网膜血管图像分割中全局信息利用有限、重要特征易丢失的问题。本发明所述系统包括：图像处理主模块、神经网络主模块、训练主模块和检测主模块；所述图像处理主模块用于采集原始视网膜图像，对采集的原始视网膜图像进行预处理，将处理后的图像输入训练主模块和检测主模块；所述神经网络主模块用于建立能够提取全局信息并强化特征的卷积神经网络；所述训练主模块用于初始化网络参数，获得训练好的卷积神经网络模型；所述检测主模块用于利用训练好的模型进行测试，计算模型性能指标。本发明属于视网膜血管图像分割系统领域。
-
公开(公告)号：CN119515809A
公开(公告)日：2025-02-25
申请号：CN202411566273.2
申请日：2024-11-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于动态特征融合网络的多模态乳腺超声诊断系统，本发明属于医学图像处理领域，具体涉及基于动态特征融合网络的多模态乳腺超声诊断系统。本发明为解决现有方法对乳腺超声识别准确率低的问题。系统包括：多模态数据预处理主模块用于对采集的多模态乳腺超声图像进行预处理，获得预处理后的多模态乳腺超声图像；多模态卷积神经网络主模块用于搭建动态特征融合网络模型；模型训练主模块利用预处理后的多模态乳腺超声图像对搭建的动态特征融合网络模型进行训练，获得训练好的动态特征融合网络模型；模型测试主模块用于加载训练好的动态特征融合网络模型，对待诊断的多模态乳腺超声图像进行分类，识别多模态超声图像中乳腺肿瘤的良恶性。
-
公开(公告)号：CN114419000B
公开(公告)日：2022-09-23
申请号：CN202210066338.1
申请日：2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于多尺度几何嵌入卷积神经网络的股骨头坏死指标预测系统，本发明涉及股骨头坏死指标预测系统。本发明为解决现有股骨头坏死指标预测准确率低的问题。过程为：图像处理主模块用于获得预处理后的图像；神经网络主模块用于搭建多尺度几何嵌入卷积神经网络模型；训练主模块利用预处理后的图像对搭建好的网络模型进行训练，并获得训练好的多尺度几何嵌入卷积神经网络模型；检测主模块用于加载训练好的网络模型，对待测试图像进行分割，分割出股骨头区域；指标模块用于对获取的分割出的股骨头区域进行分割，分割出坏死区域，统计坏死区域中的像素数量作为坏死面积，计算坏死面积与股骨头面积的比例。本发明用于图像处理和人工智能领域。
-
-
-
Search Results
14
records
(took 0.029 seconds)
