-
公开(公告)号：CN113393512A
公开(公告)日：2021-09-14
申请号：CN202110542900.9
申请日：2021-05-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于二维超声图像的甲状腺体积自动估算方法及系统，其中，该方法包括通过超声设备采集甲状腺的二维超声图像；利用深度学习算法对二维超声图像进行语义分割，获得二值分割图像；根据二值分割图像计算每个纵扫截面甲状腺侧叶的最大长度a，每个横扫截面甲状腺侧叶的最大宽度b和最大厚度cmax，自动选出最大横向截面和最大纵向截面；处理最大横向截面和最大纵向截面，在最大纵向截面上沿最大长度a方向，按宽度比c(a)/cmax等比缩放最大横向截面面积，得到甲状腺估算体积。该方法有效解决了传统甲状腺体积测量专业性强、操作难度高导致的甲状腺体积测量效率较低、加重医生工作负担的技术问题，满足了自动化的要求，同时能有效提高甲状腺体积测量精度。
-
公开(公告)号：CN110538439A
公开(公告)日：2019-12-06
申请号：CN201910796101.7
申请日：2019-08-27
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种冰壶机器人的投掷方法，属于人工智能与控制技术领域。本方法包括：确定大本营内外双方冰壶的数量和位置：获取冰壶比赛场地图像，进行图像校正，并进行冰壶识别、分割与定位，确定大本营内外双方冰壶的数量和位置；设计冰壶比赛己方得分函数St：设冰壶半径为rc，将双方冰壶中心到大本营中心点的距离与大本营半径r做比较，确定大本营内已方冰壶数量为K，对方冰壶数量为H，以及得分St；确定投掷方法：根据当前时刻得分情况St、不同位置双方冰壶的数量，设计冰壶投掷过程中的评价函数，再根据评价函数确定投掷方法。本发明大大降低了冰壶机器人的投掷策略算法的复杂性，为冰壶机器人进一步开展决策与控制提供了依据。
-
公开(公告)号：CN103992824B
公开(公告)日：2015-10-07
申请号：CN201410230857.2
申请日：2014-05-28
Applicant: 哈尔滨工业大学
Abstract: 双旋风煤热解气化分级转化装置及方法，它涉及一种燃烧装置及方法，装置：旋风热解炉通过返料装置、热解半焦通道与旋风气化炉连通，旋风气化炉通过高温粗煤气通道与旋风热解炉连通，旋风热解炉通过热解混气通道与冷却装置连通，旋风气化炉外壁安装有氧化剂喷嘴和水蒸气喷嘴。方法：一、煤粉在高温粗煤气的吹送下进入旋风热解炉；二、煤粉在旋风热解炉内发生热解，热解出的混合气排至冷却装置中冷却，热解出的半焦被输送回旋风气化炉；三、氧化剂喷嘴和水蒸气喷嘴同时向旋风气化炉内喷射氧化剂和水蒸气，产生的高温粗煤气作为煤热解的气体热载体再次送入旋风热解炉中，旋风气化炉中的煤渣以固态或液态形式经灰渣排出口排出。本发明用于洁净煤气化。
-
公开(公告)号：CN104504654A
公开(公告)日：2015-04-08
申请号：CN201410675313.7
申请日：2014-11-21
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于方向性梯度的高分辨率图像重构方法，包括如下步骤：步骤一：获得输入低分辨率图像的主纹理方向θ；步骤二：利用双三次插值方法将低分辨率图像I插值成一幅高维度的插值图像IL；步骤三：变量初始化以及参数的选取；步骤四：获得模糊算子矩阵Fh和共轭模糊算子矩阵FHh；步骤五：更新xij的值；步骤六：更新IH的值；步骤七：更新的值；步骤八：判别是否收敛。本发明通过引入方向性梯度正则项，更好的表示和挖掘隐含在图像中的方向纹理信息，从而为病态的高分辨率重构问题引入更有价值的先验信息，得到效果更佳的高分辨率图像。
-
公开(公告)号：CN103992824A
公开(公告)日：2014-08-20
申请号：CN201410230857.2
申请日：2014-05-28
Applicant: 哈尔滨工业大学
Abstract: 双旋风煤热解气化分级转化装置及方法，它涉及一种燃烧装置及方法，装置：旋风热解炉通过反料装置、热解半焦通道与旋风气化炉连通，旋风气化炉通过高温粗煤气通道与旋风热解炉连通，旋风热解炉通过热解混气通道与冷却装置连通，旋风气化炉外壁安装有氧化剂喷嘴和水蒸气喷嘴。方法：一、煤粉在高温粗煤气的吹送下进入旋风热解炉；二、煤粉在旋风热解炉内发生热解，热解出的混合气排至冷却装置中冷却，热解出的半焦被输送回旋风气化炉；三、氧化剂喷嘴和水蒸气喷嘴同时向旋风气化炉内喷射氧化剂和水蒸气，产生的高温粗煤气作为煤热解的气体热载体再次送入旋风热解炉中，旋风气化炉中的煤渣以固态或液态形式经灰渣排出口排出。本发明用于洁净煤气化。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN113673672B
公开(公告)日：2024-03-29
申请号：CN202110774457.8
申请日：2021-07-08
Applicant: 哈尔滨工业大学
IPC: G06N3/092 , G06N5/01 , G06N3/0464
Abstract: 本发明公开一种基于蒙特卡洛强化学习的冰壶比赛策略生成方法。步骤1：基于冰壶比赛状态及冰壶发球动作设计策略价值网络模型及价值网络模型的输入及输出；步骤2：基于步骤1策略价值网络的输出与改进的蒙特卡洛树搜索算法结合；步骤3：利用步骤2改进的蒙特卡洛树搜索算法通过自我对弈生成策略及奖励数据更新策略价值网络；步骤4：利用步骤3更新的策略价值网络，指导蒙特卡洛树搜索；步骤5：重复步骤3‑步骤4得到训练好的策略价值网络。本发明用以解决难以获得有效数据集的策略决策的问题。
-
公开(公告)号：CN115830114A
公开(公告)日：2023-03-21
申请号：CN202211520919.4
申请日：2022-11-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种冰壶球把柄的智能识别抓取方法及装置，属于图像、点云处理技术领域，其中，该方法包括：建立目标把柄的二维检测数据集，以训练目标检测网络确定目标把柄的检测框；提取检测框对应位置的深度图，利用高斯滤波对深度图进行滤波和阈值化得到二值化深度图，去除其中的噪点，再转换为点云图，得到目标把柄的三维点云；对三维点云进行下采样，再进行三维圆柱拟合，得到拟合到的圆柱的半径、圆柱的中轴方向；根据拟合到的圆柱的半径与圆柱的中轴方向确定提取抓取方向、抓取中心位置和抓取装置手指张开大小，并发送给抓取装置以完成抓取。该方法能够实现机器人对目标把柄的准确抓取，且实时性高、稳定性好、抓取准确。
-
公开(公告)号：CN115019045B
公开(公告)日：2023-02-07
申请号：CN202210730784.8
申请日：2022-06-24
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06T7/11 , G06N20/00
Abstract: 本发明公开了一种基于多成分邻域的小数据甲状腺超声图像分割方法，所述方法如下：加载甲状腺超声原始成分图像，为每幅图像匹配对应的图像分割标签并划分原始成分数据集，然后提取边缘成分图像和超像素成分图像；利用多成分数据集训练三个U‑Net分割算法，以获得初步分割结果和多成分分割输出，进而提取多成分小邻域特征并配以像素二分类标签；在多成分邻域极限学习机中完成特征融合、最小冗余度‑最大相关度特征筛选和极限学习机训练，获取像素分类结果并重构，以获得増补性分割结果；利用増补性分割结果，改进初步分割结果的边缘环形关注区域，以获取改进的最终分割结果。本发明方法可以在小数据下获得精度更高的甲状腺超声分割结果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.026 seconds)
