-
公开(公告)号：CN108282140A
公开(公告)日：2018-07-13
申请号：CN201810066885.3
申请日：2016-07-29
Applicant: 上海理工大学
CPC classification number: Y02E10/47
Abstract: 本发明提供了一种具有座耳的可移动伸缩装置，其特征在于，具有：平移部，包含固定设置的滑轨、分别设置在滑轨两端的两个滚筒、套在两个滚筒上的传动带、设置在传动带上的滑块以及驱动滚筒旋转的第一电机；以及伸缩部，包含固定连接在滑块上的固定杆、与固定杆的一端转动连接的主动杆、与固定杆的另一端转动连接的从动杆、与主动杆和从动杆转动连接的连杆单元以及固定在固定杆的侧面上且与主动杆转动连接的第二电机，其中，第一电机带动滚筒旋转并带动传动带传动使得滑块在传动带上移动，第二电机带动主动杆摆动，主动杆带动连杆单元伸缩和摆动，滑轨的底端两侧分别设置有至少一个座耳，座耳用于固定滑轨。
-
公开(公告)号：CN106841117A
公开(公告)日：2017-06-13
申请号：CN201710007097.2
申请日：2017-01-05
Applicant: 上海理工大学
CPC classification number: G01N21/55 , G01N21/01 , G01N2021/0112 , H03M7/46
Abstract: 本发明涉及一种基于差分检测方法和游程编码的超快成像方法，利用光学装置被检测物体的图像信息进行检测，再利用差分检测方法进行信号检测，可以检出相邻两帧之间的差异性，去除相似的冗余信号，为后端信号压缩做前期预处理；在后端数据处理时，利用游程编码压缩技术，可以进一步减少冗余数据，以简短的存储格式记录下海量数据。为超高速成像技术减少数据量，提高存储、传输及处理的效率。本发明方法的算法易于掌握，性能稳定，系统成本低。
-
公开(公告)号：CN110059697B
公开(公告)日：2023-04-28
申请号：CN201910352565.9
申请日：2019-04-29
Applicant: 上海理工大学
Abstract: 本发明提供了一种基于深度学习的肺结节自动分割方法，用于判断肺结节的类型并进行系统的分割，包括以下步骤：步骤1，从LIDC中获取CT影像数据，将CT影像数据中的肺结节区域截取为50×50像素大小的图片作为训练图片数据；步骤2，建立肺结节CNN分类模型，将训练图片数据输入CNN分类模型对CNN分类模型进行优化训练，并保存最高的分类准确率下的CNN分类模型进行使用；步骤3，建立各个类型肺结节的3DU‑net分割模型，将相同类型的肺结节区域的图片数据作为3DU‑net分割模型的输入图像来对3DU‑net分割模型进行优化训练，并保存最高的分割准确率下的3DU‑net分割模型进行使用；步骤4，将待分割的肺结节区域图像输入CNN分类模型后在经过3DU‑net分割模型完成对肺结节区域分割。
-
公开(公告)号：CN110458246A
公开(公告)日：2019-11-15
申请号：CN201910793781.7
申请日：2019-08-27
Applicant: 上海理工大学
Abstract: 本发明提供一种基于深度学习的胆道结石分类方法，用于对胆道结石图像中的胆道结石进行分类，包括如下步骤：将胆道结石图像进行去噪处理，获得待分类图像；将待分类图像输入到训练验证完成后的最终胆道结石分类模型中，获得胆道结石图像中胆道结石的类型，其中，通过构建双通道网络模型，作为初始胆道结石分类模型，并选取合适的图像数据作为初始胆道结石分类模型的训练集和验证集，通过训练集和验证集对初始胆道结石分类模型进行训练和验证，并将最优模型作为最终胆道结石分类模型，通过该方法能够精准、直观的确定病人的胆道结石类型，从而有利于病人的治疗。
-
公开(公告)号：CN106841117B
公开(公告)日：2019-04-19
申请号：CN201710007097.2
申请日：2017-01-05
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于差分检测方法和游程编码的超快成像方法，利用光学装置被检测物体的图像信息进行检测，再利用差分检测方法进行信号检测，可以检出相邻两帧之间的差异性，去除相似的冗余信号，为后端信号压缩做前期预处理；在后端数据处理时，利用游程编码压缩技术，可以进一步减少冗余数据，以简短的存储格式记录下海量数据。为超高速成像技术减少数据量，提高存储、传输及处理的效率。本发明方法的算法易于掌握，性能稳定，系统成本低。
-
Patent Agency Ranking
公开(公告)号：CN106938411B
公开(公告)日：2018-10-12
申请号：CN201710261278.8
申请日：2017-04-20
Applicant: 上海理工大学
Abstract: 本发明涉及一种外圆磨削加工时间在线优化方法，包括外圆磨削的粗磨阶段、半精磨阶段、精磨阶段及光磨阶段加工时间在线优化方法，其步骤为：1）磨削过程各阶段AE信号均方根值曲线的建立，2）磨削过程各阶段实际去除量的计算，3）磨削过程各阶段稳定后节点的判定，4）磨削过程各阶段加工时间的再分布计算。通过本发明能够实现当半精磨阶段、精磨阶段及光磨阶段达到稳定后立即进入下个阶段并在保证总去除量不变的情况下缩短了加工时间从而提高了加工效率。
-
公开(公告)号：CN106291581A
公开(公告)日：2017-01-04
申请号：CN201610815389.4
申请日：2016-09-08
Applicant: 上海理工大学
IPC: G01S17/89
CPC classification number: G01S17/89
Abstract: 本发明提供了一种基于光时分复用的超快速成像装置及方法，该装置具有这样的特征，包括：光束发射单元；与光束发射单元光路连接光束采集单元；光束处理单元，与信息采集单元光路连接，用于对含有被检测物体的图像信息的脉冲光束进行处理；以及光束接收单元，与光束处理单元光路连接，用于接收光束处理单元处理后的脉冲光束并还原出被检测物体的图像，其中，光束处理单元包括：第一耦合器、可调光延迟线、衰减器以及第二耦合器。本发明的基于光时分复用的超快速成像装置不仅解决的图像出现锯齿的问题，而且能够提高图像的像素点数，实现高保真成像，本发明的基于光时分复用的超快速成像的方法操作简单，易于实现。
-
公开(公告)号：CN110675402A
公开(公告)日：2020-01-10
申请号：CN201910793888.1
申请日：2019-08-27
Applicant: 上海理工大学
Abstract: 本发明提供一种基于内窥镜图像的结直肠息肉分割方法，用于从结直肠的内窥镜图像中确定结直肠中息肉的息肉具体区域，包括如下步骤：对内窥镜图像进行校正和去噪；选取息肉疑似区域和结直肠息肉聚类中心点；设定图像分析尺度，对息肉疑似区域进行区域增强；选取初始背景像素聚类中心点；以结直肠息肉聚类中心点和初始背景像素聚类中心点作为初始聚类中心；根据k均值聚类法建立成本函数，并对初始聚类中心进行迭代计算，从而不断更新当前聚类中心；直至迭代结束，获得最终聚类中心；根据最终聚类中心对待分类像素点进行聚类，获得息肉具体区域。该方法能够准确区分结直肠息肉的边缘区域，提高结直肠息肉的分割精度。
-
公开(公告)号：CN110648288A
公开(公告)日：2020-01-03
申请号：CN201910793892.8
申请日：2019-08-27
Applicant: 上海理工大学
Abstract: 本发明提供一种基于残差转置去卷积神经网络的胆道镜图像增强方法，用于增强待处理胆道镜图像的成像品质，包括如下步骤：将所述待处理胆道镜图像进行去运动模糊处理和去噪处理，获得待增强胆道镜图像；将所述待增强胆道镜图像输入到训练完成的最终图像增强模型中进行增强处理，获得最终胆道镜图像。本发明中的最终图像增强模型通过低位数图像和高位数图像相配合的训练方法进行训练，训练完成后最终图像增强模型能够使待处理胆道镜图像的图像位数增加，从而使待处理胆道镜图像的成像品质在现有基础上进行进一步增强，进而能够提高胆道结石手术的成功率。
-
公开(公告)号：CN110059697A
公开(公告)日：2019-07-26
申请号：CN201910352565.9
申请日：2019-04-29
Applicant: 上海理工大学
Abstract: 本发明提供了一种基于深度学习的肺结节自动分割方法，用于判断肺结节的类型并进行系统的分割，包括以下步骤：步骤1，从LIDC中获取CT影像数据，将CT影像数据中的肺结节区域截取为50×50像素大小的图片作为训练图片数据；步骤2，建立肺结节CNN分类模型，将训练图片数据输入CNN分类模型对CNN分类模型进行优化训练，并保存最高的分类准确率下的CNN分类模型进行使用；步骤3，建立各个类型肺结节的3DU-net分割模型，将相同类型的肺结节区域的图片数据作为3DU-net分割模型的输入图像来对3DU-net分割模型进行优化训练，并保存最高的分割准确率下的3DU-net分割模型进行使用；步骤4，将待分割的肺结节区域图像输入CNN分类模型后在经过3DU-net分割模型完成对肺结节区域分割。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.099 seconds)
