-
公开(公告)号：CN109102510A
公开(公告)日：2018-12-28
申请号：CN201810877093.4
申请日：2018-08-03
Applicant: 东北大学
Abstract: 本发明涉及一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法，所述方法包括：所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k-means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色；105、将获取的多类图像矩阵数据以图片的格式进行展示；本发明提供的图像分割方法，能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割。
-
公开(公告)号：CN118854410A
公开(公告)日：2024-10-29
申请号：CN202410887019.6
申请日：2024-07-03
Applicant: 东北大学
Abstract: 本发明属于生物医用镁合金表面处理技术领域，具体为无氟、自适应的生物友好型镁合金微弧氧化涂层及其制备方法和应用。将镁合金与微弧氧化电源的阳极连接，将导电基底与阴极连接，于由Na2SiO3·9H2O、NaH2PO4和NaOH组成的微弧氧化电解液中，进行微弧氧化处理，在镁合金表面制备无氟、自适应的生物友好型镁合金微弧氧化涂层。本发明通过设计不含氟元素的硅酸盐‑磷酸盐电解液，在镁合金表面生成自致密微弧氧化涂层，提高涂层致密度，且在降解期间通过采用降解产物封堵涂层破损部位，达到涂层自修复的目的，使其在模拟体液内浸泡3个月以上仍能够有效保护镁合金，极大地提高涂层的长期抗腐蚀性能和生物相容性。
-
公开(公告)号：CN110264476B
公开(公告)日：2022-11-15
申请号：CN201910533172.8
申请日：2019-06-19
Applicant: 东北大学
Abstract: 一种多尺度串行的卷积深度学习显微图像分割方法，包括以下步骤：步骤S1、获取环境微生物显微图像，对图像进行灰度化处理；步骤S2、将灰度化处理后的图像输入预先训练的MIaMIA‑Net模型，输出图像分割结果；MIaMIA‑Net模型为基于Inception结构和U‑Net结构的一种以串行卷积操作获取多尺度卷积核共同作用效果的神经网络模型。在提高对于多尺度目标适应性的同时降低了模型的参数量及内存占用，并且对环境微生物显微图像的分割精度高。
-
公开(公告)号：CN114043486A
公开(公告)日：2022-02-15
申请号：CN202111498556.4
申请日：2021-12-09
Applicant: 东北大学
IPC: B25J9/16
Abstract: 一种基于云服务的分布式SLAM机器人控制策略及系统，它涉及一种SLAM机器人系统。它首先SLAM机器人开启自身数据采集模块，通过自身的数据采集模块实时采集信息，SLAM机器人向与云服务端发出服务请求，云服务端接受SLAM机器人发出的服务请求后在其存储与内部的镜像仓库中查找之前已经开发完成的应用的镜像，同时向云服务端的容器缓冲区返回查找结果，并进行下一步的部署工作，而容器缓冲区通过前一步返回的镜像位置获取镜像，进而执行部署工作，部署成功后，云服务端将部署的网络地址返回给SLAM机器人，SLAM机器人获上述的网络地址，并与云服务端建立通信连接。本发明解决了SLAM机器人与云服务端间的数据交互问题，实现了服务机器人与云端协同计算和工作。
-
公开(公告)号：CN109544540B
公开(公告)日：2020-12-25
申请号：CN201811434445.5
申请日：2018-11-28
Applicant: 东北大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于图像分析技术的糖尿病视网膜图像质量检测方法。该方法包括对眼底图像的预处理，预处理过程中对其进行形态学处理、均衡化处理和滤波处理，预处理后再进行亮度检测、视盘检测和清晰度检测，最终得到待诊断眼底图像，进行糖尿病性视网膜病变诊断。本方法中的预处理操作大大提高了视网膜眼底图像的可视性，更有利于医生对患者病情的诊断和分析，质量检测操作可以很大程度上减小普查点所拍摄的眼底图像不合格情况的发生，经过该质量检测方法检测合格的眼底图像可用来对糖尿病性视网膜是否病变进行初步诊断。
-
Patent Agency Ranking
公开(公告)号：CN109671072A
公开(公告)日：2019-04-23
申请号：CN201811552817.4
申请日：2018-12-18
Applicant: 东北大学
Abstract: 本发明提供了基于点式阵列条件随机场的宫颈癌组织病理图像诊断方法，包括：获取待处理的组织病理学图像并进行预处理；对预处理后的图像进行图像分割，获得图像的细胞核二值图和图像的细胞核坐标，并将细胞核二值图分割成固定大小的图像块；对细胞核二值图进行特征提取，得到图像的全局特征，对图像块进行特征提取，得到图像的局部特征；将图像的全局特征和局部特征输入到预先设计的矩形区域点式多尺度阵列布局的条件随机场模型中，根据细胞核坐标定位包含细胞核图像块，得到全图细胞核特征，并使用预先训练的条件随机场分类器进行处理，输出分类结果。可以较为精确的给出患者的病理状态，提高诊断准确率。
-
公开(公告)号：CN109410196A
公开(公告)日：2019-03-01
申请号：CN201811242279.9
申请日：2018-10-24
Applicant: 东北大学
Abstract: 本发明涉及一种基于泊松环形条件随机场的宫颈癌组织病理图像诊断方法，所述方法包括：101、获取数字化宫颈癌组织病理学图像；102、对获取的数字化宫颈癌组织病理学图像进行预处理；103、采用分割算法对经过预处理的数字化宫颈癌组织病理学图像进行聚类分割和分块，获得多个图像小块；104、从步骤103中获得的每个图像小块中提取特征，然后对提取到的特征进行特征选择；105、采用条件随机场模型对选择到的特征进行数字化宫颈癌组织病理学图像分级，获得宫颈癌组织病理学图像的分级结果。本发明提供的基于泊松环形条件随机场的宫颈癌组织病理图像诊断方法，能够根据宫颈癌组织病理图像，获得宫颈癌的分级结果。
-
公开(公告)号：CN118297187A
公开(公告)日：2024-07-05
申请号：CN202410534801.X
申请日：2024-04-30
Applicant: 东北大学
IPC: G06N20/00 , G06F18/214 , G06F18/22 , G06F17/16 , G06N3/04
Abstract: 本发明公开了一种面向异质数据的梯度聚合联邦学习方法，包括：步骤S1，各Client端使用本地私有数据集训练同构神经网络vgg8，计算共享参数梯度，将共享参数梯度上传至对应的边缘节点；步骤S2，挑选满足梯度要求的每个边缘节点，参与Server端的聚合；步骤S3，Server端采用小样本种子数据集训练历史共享参数梯度；步骤S4，Server端接收来自Client端边缘节点的共享参数梯度，通过vgg8进行新一轮的共享参数梯度训练；步骤S5，当Server端与Client端进行第t轮交互时，Server端训练1个批次的样本；步骤S6，每个样本均会对同一个共享参数求解出一个梯度；步骤S7，通过分析Server端与Client端共享参数梯度之间的空间分布关系，得到参考优化方向尽量一致的梯度。实现Server端与Client端之间梯度的高效聚合。
-
公开(公告)号：CN110807407B
公开(公告)日：2023-04-18
申请号：CN201911041346.5
申请日：2019-10-30
Applicant: 东北大学
IPC: G06V20/40 , G06V10/26 , G06V10/44 , G06V10/764 , G06T7/73
Abstract: 本发明提供一种用于视频中高度近似动态目标的特征提取方法，包括：获取视频序列，视频序列包括连续的视频帧，连续的视频帧存在一个或多个目标；依据连续的视频帧，获取同一个目标在每一个视频帧中的位置信息；依据同一个目标在每一个视频帧中的位置信息，将同一个目标在每一个视频帧中的图像信息叠加至同一图像，获取目标叠影图像；依据目标叠影图像，提取目标叠影特征。对颜色纹理单一、不同物体形状高度近似的小物体图像的处理提供了解决方案，加强了视频分析方法的精度与智能程度。
-
公开(公告)号：CN109685783A
公开(公告)日：2019-04-26
申请号：CN201811552394.6
申请日：2018-12-18
Applicant: 东北大学
CPC classification number: G06T7/0012 , G06T5/002 , G06T7/11 , G06T7/136 , G06T7/155 , G06T7/194 , G06T2207/10056 , G06T2207/30096 , G06T2207/30242
Abstract: 本发明涉及医学图像处理技术领域，尤其涉及一种基于骨架提取的细胞计数方法，包括以下步骤：步骤S1、获取待处理的组织病理学图像，对每一张待处理的图像进行灰度化处理，接着对每一张灰度化处理后的图像进行图像分割，获得每一张待处理图像的细胞二值图像；步骤S2、对每一张细胞二值图像进行形态学处理，得到细胞内孔洞填充、细胞边缘噪声和杂质噪点去除的细胞二值图像；步骤S3、对每一张形态学处理后的细胞二值图像进行细胞骨架化处理，以获取每一张图像中细胞骨架化的节点数，根据每一张图像中细胞骨架化的节点数与细胞个数的关系，得出每一张待处理图像的细胞计数结果。获得的细胞计数结果具有较好的准确性，方法具有较高的运行效率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.028 seconds)
