-
公开(公告)号：CN109375125B
公开(公告)日：2020-12-25
申请号：CN201811247095.1
申请日：2018-10-25
Applicant: 哈尔滨理工大学
IPC: G01R33/561 , G01R33/56
Abstract: 一种修正正则化参数的压缩感知磁共振成像重建方法属于图像处理领域；包括获取部分K空间数据；利用全变分变换模型理论构造磁共振图像重建目标函数；利用交替方向乘子算法的求解方法，引入辅助变量正则化系数平衡正则项与数据约束项，将目标函数的优化问题转变为子函数的求解问题；更新交替方向乘子算法子问题；更新拉格朗日乘子；加入修正因子，修正正则化参数，平衡正则项和数据项；判断是否需要加入修正因子及加入修正因子的大小，更新子问题求解结果以及正则化参数，更新拉格朗日乘子；判断是否满足迭代终止条件，满足条件，则终止迭代，获得最终重建的磁共振图像；可有效减少磁共振成像时间，进而解决因磁共振成像时间长而引发的技术问题。
-
公开(公告)号：CN105678822B
公开(公告)日：2018-09-11
申请号：CN201610020942.5
申请日：2016-01-13
Applicant: 哈尔滨理工大学
IPC: G06T11/00
Abstract: 一种基于Split Bregman迭代的三正则磁共振图像重构方法，它涉及一种磁共振图像重构方法。本发明的目的是为了解决现有技术中的磁共振图重构方法存在运算复杂度高、难以有效消除混叠伪影和吉布斯振铃，图像重建精度有限的问题。本发明包括以下步骤：通过测量得到欠采样的k空间数据；利用全变分、短支撑小波和高正则阶、高消失矩的小波进行正则项约束，经过Split Bregman迭代得到重构图像；对步骤二所得的重构图像进行误差判定，若误差不满足预设条件，重复进行步骤二直至满足预设条件，获得重构图像。本发明在保证较快重建速度的情况下，提高重建图像的质量。
-
公开(公告)号：CN104537243B
公开(公告)日：2018-03-27
申请号：CN201410849735.1
申请日：2014-12-30
Applicant: 哈尔滨理工大学
Abstract: 一种基于模糊推理结合加权相似度量的心电分类方法，涉及一种心电分类方法。本发明为了解决已有的模糊推理分类方法无法构建心电知识库，从而忽略了心电知识及不同波段形态的不同组合对分类的影响导致分类错误率高的问题，和已有的模糊推理分类方法对属性概念不加筛选直接利用其隶属度值的比对进行分类导致分类错误率高的问题。本发明首先对心电信号进行预处理，然后对各波段进行特征参数提取，构建分类特征属性值向量Yi＝[yi1 yi2 yi3 yi4 yi5]和待检特征属性值向量X＝[x1 x2 x3 x4 x5]，并根据心电图知识创建心电本体ecg.owl；构建模糊概念格，将模糊属性转化成具体的隶属度值，并对隶属度值进行有效筛选；再利用加权分类算法进行最终分类。本发明适用于心电信号的分类。
-
公开(公告)号：CN107609541A
公开(公告)日：2018-01-19
申请号：CN201710968932.9
申请日：2017-10-17
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及深度学习和计算机视觉技术领域，具体为一种基于可变形卷积神经网络的人体姿态估计方法，包括以下步骤：步骤a：对输入数据集预处理，包括扩展、分割数据集图片；步骤b：对训练集图片做K均值聚类；步骤c：以K均值聚类结果为标签，将训练集输入可变形卷积神经网络训练；步骤d：构造得分函数F训练SVM用于关节分类；步骤e：输出处理；本发明通过读取正数据集，一部分用做训练集，一部分用做验证集，读取负数据集作对比，其中引入负数据集训练能有效得滤除背景得干扰，提高识别率。
-
公开(公告)号：CN113936073B
公开(公告)日：2024-05-14
申请号：CN202111290411.5
申请日：2021-11-02
Applicant: 哈尔滨理工大学
IPC: G06T11/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的AttISTANet的压缩感知磁共振重建方法。是为了解决ISTANet+模型缺乏对不同区域和通道中所包含的频率和特征信息的注意，无法区分地学习特征的问题。本发明包括如下步骤：步骤一：ISTANet+网络结构的构建；AttISTANet模型构建；步骤二：在ISTANet+网络引入注意力模块，在每个重建图像xk之前添加通道注意力模块和空间注意力模块的AttISTANet，对原始K空间数据的特征进行通道及空间特征的重新标定；步骤三：损失函数设计，根据贪婪算法的思想采用平滑平均绝对损失函数替代ISTANet+中的对称约束损失；步骤四：模型测试。本发明用于基于注意力机制的压缩感知MRI重建。
-
Patent Agency Ranking
公开(公告)号：CN117789934A
公开(公告)日：2024-03-29
申请号：CN202311435959.3
申请日：2023-10-31
Applicant: 哈尔滨理工大学
IPC: G16H30/20 , G06F16/58 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于蛇形卷积的多尺度池化和范数注意力机制的病理图像哈希检索方法。属于医学图像处理领域，目的是为了实现子宫内膜癌细胞病理图像检索，以减少子宫内膜癌细胞病理图像复杂多变的表现形式对检索效果的影响。本发明包括以下步骤：步骤一：将数据集划分成训练集、测试集；步骤二：构建病理图像检索哈希模型，哈希模型由深度特征学习模型和对抗哈希学习模型构成；步骤三：哈希模型损失函数设计，深度特征学习模型采用注意力损失，对抗哈希学习模型采用成对相似约束损失、语义损失、量化损失、生成器损失、鉴别器损失；步骤四：病理图像检索哈希模型训练；步骤五：病理图像检索。本发明应用于病理图像检索。
-
公开(公告)号：CN117351543A
公开(公告)日：2024-01-05
申请号：CN202311310799.X
申请日：2023-10-11
Applicant: 哈尔滨理工大学
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于改进注意力机制的面部遮挡的情感识别方法。属于图像处理领域，目的是为了实现遮挡情况下的面部情感识别，以减少因面部遮挡而引起的情感识别困难和识别效果差的影响。本发明包括以下步骤：步骤1：将原始图像进行预处理后输入到以ResNet18为主干网络的特征提取网络A中得到全局特征和浅层特征；步骤2：将浅层特征进行分割处理得到四个局部特征图，再经过添加改进注意力的特征提取网络B分别提取出局部特征；步骤3：将得到的全局特征和局部特征展平为一维特征向量；步骤4：将展平后的特征向量送入以Transformer的Encoder为主的特征融合网络C中进行特征融合；步骤5：将融合后的特征向量送入网络D得到预测的类别结果。
-
公开(公告)号：CN115630314A
公开(公告)日：2023-01-20
申请号：CN202211212065.3
申请日：2022-09-30
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于改进的Inception网络运动想象脑电信号分类方法，其方案是：(1)对运动想象脑电信号数据集进行数据增强处理；(2)在Inception网络中引入注意力机制模块，通过注意力机制模块对提取的各通道特征分配权重，且引入残差来减少由于数据量小而引起的过拟合和网络退化问题；(3)在改进的Inception网络输出后再送入残差网络来选择有效特征；(4)模型采用交叉熵损失和Dice损失相结合的复合损失函数；(5)对改进后的Inception网络进行训练和测试。本发明在公开的运动想象脑电信号数据集上得到了良好的分类效果，提高了分类准确度，无需手动提取特征，具有较高的应用价值。
-
公开(公告)号：CN109998525B
公开(公告)日：2022-05-20
申请号：CN201910266921.5
申请日：2019-04-03
Applicant: 哈尔滨理工大学
Abstract: 一种基于判别式深度置信网络的心律失常自动分类方法。属于心律失常的检测和分类技术领域，采用反向传播对网络进行微调，进而实现正常节律、左束支传导阻滞、右束支传导阻滞、室性早搏、房性早搏、起搏心拍共6类心律失常类型的自动分类。本发明包括：步骤一：ECG信号预处理，步骤二：DDBNs模型构建，步骤三：DDBNs模型训练，步骤四：DDBNs模型有监督微调，步骤五：ECG信号送入DDBNs网络，对送入DDBNs的256维采样点x与三维RR间期特征r进行归一化处理，对x归一化，得到一个心拍归一化样本，送入网络首层。本发明应用于心律失常的自动分类。
-
公开(公告)号：CN113936073A
公开(公告)日：2022-01-14
申请号：CN202111290411.5
申请日：2021-11-02
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于注意力机制的AttISTANet的压缩感知磁共振重建方法。是为了解决ISTANet+模型缺乏对不同区域和通道中所包含的频率和特征信息的注意，无法区分地学习特征的问题。本发明包括如下步骤：步骤一：ISTANet+网络结构的构建；AttISTANet模型构建；步骤二：在ISTANet+网络引入注意力模块，在每个重建图像xk之前添加通道注意力模块和空间注意力模块的AttISTANet，对原始K空间数据的特征进行通道及空间特征的重新标定；步骤三：损失函数设计，根据贪婪算法的思想采用平滑平均绝对损失函数替代ISTANet+中的对称约束损失；步骤四：模型测试。本发明用于基于注意力机制的压缩感知MRI重建。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.028 seconds)
