-
公开(公告)号：CN114004789A
公开(公告)日：2022-02-01
申请号：CN202111148368.9
申请日：2021-09-29
Applicant: 北京交通大学
IPC: G06T7/00 , G06T5/00 , G06V20/40 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B6/14 , A61B6/00
Abstract: 本发明提供一种增强牙根管ROI辨识模型的区分度的方法，基于临床数据图像制作样本集，同时为了提高训练模型的泛化能力，采用数据增强的方式扩增样本集。为了突出牙根管阳性牙齿(有牙根管治疗史)和牙根管阴性牙齿(无牙根管治疗史)的区别，本发明提出了针对牙根管治疗史判断的ROI特征增强的方法，通过将牙根管阳性牙齿的突出部位进行增强亮度来实现。经过ROI特征增强后的全部样本进行训练集和测试集的划分，输入卷积神经网络进行训练与测试。得到的模型就可以用来诊断牙齿牙根管是否具有治疗史，同时可以保存模型做进一步的训练和优化。
-
公开(公告)号：CN116879997A
公开(公告)日：2023-10-13
申请号：CN202310515163.2
申请日：2023-05-09
Applicant: 北京交通大学
Abstract: 本发明提供了一种高双折射空芯反谐振光纤的实现方法。该方法包括：构建空芯反谐振光纤结构参数数据集；利用空芯反谐振光纤结构参数数据集训练用于性能预测的神经网络模型，得到训练好的神经网络模型；利用训练好的神经网络模型，采用多目标粒子群优化算法进行高双折射空芯反谐振光纤的优化设计，获得帕累托前沿；在多目标粒子群优化算法获得的帕累托前沿中按照一定规则选择最优的空芯反谐振光纤的结构参数。本发明公开一种高双折射空芯反谐振光纤及其实现方法，具体为构建用于预测空芯反谐振光纤性能的性能预测模型，随后结合多目标粒子群优化算法完成高双折空芯反谐振光纤结构设计。
-
公开(公告)号：CN116415483A
公开(公告)日：2023-07-11
申请号：CN202211625286.3
申请日：2022-12-16
Applicant: 北京交通大学
IPC: G06F30/27 , G06N3/08 , G06F113/16
Abstract: 本发明提供一种基于串联神经网络的空芯反谐振光纤逆向设计方法及系统，属于空芯反谐振光纤设计技术领域，获取待设计的空芯反谐振光纤的预期限制损耗和已知结构参数；利用预先训练好的预测模型，对获取的预期限制损耗和已知结构参数进行处理，得到待设计的空芯反谐振光纤的逆向设计结构参数；其中，预测模型包括逆向结构设计网络和正向性能预测网络；逆向结构设计网络用于基于预期限制损耗和已知结构参数进行处理得到逆向设计结构参数。本发明缩短了空芯反谐振光纤的优化设计时间，能够快速实现指定限制损耗的空芯反谐振光纤结构的快速设计。
-
Patent Agency Ranking
公开(公告)号：CN117034751A
公开(公告)日：2023-11-10
申请号：CN202310964844.7
申请日：2023-08-02
Applicant: 北京交通大学
IPC: G06F30/27 , G06F30/28 , G06F30/10 , G06F17/13 , G06N3/0499 , G06N3/082 , G06F119/08 , G06F119/14
Abstract: 本发明提供一种基于物理信息神经网络的光纤虚拟制备方法及系统，属于基于神经网络的光纤设计技术领域，获取光纤预制棒结构参数、材料参数和拉制参数；利用预先训练好的光纤虚拟拉制模型对获取的光纤预制棒结构参数、材料参数和拉制参数进行处理，得到光纤的最终结构和拉制该结构的最佳拉制参数；基于获取的最终结构和最佳拉制参数制备光纤。本发明采用物理信息神经网络对描述光纤制备的复杂高维偏微分方程进行高效率、高精度求解，能够有效突破传统数值方法维数灾难问题；可以建立制备工艺参数、光纤预制棒参数与光纤最终结构之间的定量关系；能精确描述光纤虚拟制备过程，能够适用于高结构自由度的光纤结构。
-
公开(公告)号：CN114066804A
公开(公告)日：2022-02-18
申请号：CN202111123166.9
申请日：2021-09-24
Applicant: 北京交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的曲面断层片牙位识别方法。该方法包括：构建用于曲面断层片牙位识别的卷积神经网络模型，该卷积神经网络模型包含了特征金字塔网络FPN和建议框网络RPN；利用训练集和验证集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；将待识别的曲面断层片牙位图像输入到训练好的卷积神经网络模型，卷积神经网络模型输出待识别的曲面断层片牙位图像中的牙位信息。本发明简化了人工智能辅助口腔曲面断层片牙位识别的过程，避免了因增加分割过程而造成的可能性误差；丰富了人工智能辅助口腔曲面断层片牙位识别的技术；提出了目标检测+语义分割即实例分割来实现口腔断层牙位识别的技术。
-
公开(公告)号：CN114004789B
公开(公告)日：2025-02-07
申请号：CN202111148368.9
申请日：2021-09-29
Applicant: 北京交通大学
IPC: G06T7/00 , G06T5/70 , G06T5/94 , G06V20/40 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , A61B6/42 , A61B6/51
Abstract: 本发明提供一种增强牙根管ROI辨识模型的区分度的方法，基于临床数据图像制作样本集，同时为了提高训练模型的泛化能力，采用数据增强的方式扩增样本集。为了突出牙根管阳性牙齿(有牙根管治疗史)和牙根管阴性牙齿(无牙根管治疗史)的区别，本发明提出了针对牙根管治疗史判断的ROI特征增强的方法，通过将牙根管阳性牙齿的突出部位进行增强亮度来实现。经过ROI特征增强后的全部样本进行训练集和测试集的划分，输入卷积神经网络进行训练与测试。得到的模型就可以用来诊断牙齿牙根管是否具有治疗史，同时可以保存模型做进一步的训练和优化。
-
公开(公告)号：CN114066804B
公开(公告)日：2025-01-24
申请号：CN202111123166.9
申请日：2021-09-24
Applicant: 北京交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06N3/0464 , G06N3/045 , G06V10/82
Abstract: 本发明提供了一种基于深度学习的曲面断层片牙位识别方法。该方法包括：构建用于曲面断层片牙位识别的卷积神经网络模型，该卷积神经网络模型包含了特征金字塔网络FPN和建议框网络RPN；利用训练集和验证集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；将待识别的曲面断层片牙位图像输入到训练好的卷积神经网络模型，卷积神经网络模型输出待识别的曲面断层片牙位图像中的牙位信息。本发明简化了人工智能辅助口腔曲面断层片牙位识别的过程，避免了因增加分割过程而造成的可能性误差；丰富了人工智能辅助口腔曲面断层片牙位识别的技术；提出了目标检测+语义分割即实例分割来实现口腔断层牙位识别的技术。
-
公开(公告)号：CN118981934A
公开(公告)日：2024-11-19
申请号：CN202410827553.8
申请日：2024-06-25
Applicant: 北京交通大学
IPC: G06F30/27 , G06N3/006 , G06F111/10 , G06F111/06
Abstract: 本发明提供了一种基于多目标粒子群的微结构光纤拉制参数逆向优化方法。该方法包括：利用Navier‑Stokes方程构建描述微结构光纤制备过程的数学模型，通过龙格库塔法求解数学模型，获每个气孔的内外径，构成微结构光纤结构；将微结构光纤结构参数作为优化目标构建多目标粒子群优化算法的适应度函数，实现微结构光纤结构拉制参数的逆向优化；将微结构光纤套管结构参数和包层管结构参数作为优化目标构建双层嵌套多目标粒子群优化算法的适应度函数，实现微结构光纤预制棒结构参数和拉制参数的逆向优化。本发明方法能够根据最优光纤结构逆向寻找最优拉制参数和预制棒的组合，从而提高微结构光纤制备的效率，扩展优异特性光纤的实际应用。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.01 seconds)
