-
公开(公告)号：CN118196523B
公开(公告)日：2024-11-05
申请号：CN202410367653.7
申请日：2024-03-28
Applicant: 华中科技大学 , 北京洛斯达科技发展有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06V10/80 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种电力铁塔地脚螺栓安装不规范智能识别方法，所属技术领域为图像智能识别，包括：获取地脚螺栓照片并进行预处理；构建图像实例分割模型，采用图像实例分割模型对预处理后的地脚螺栓照片进行分割，获得实例分割图像；基于实例分割图像中各部件的空间分布关系对部件实例进行分组，获得多组实例分割结果；基于多组实例分割结果对原始图像进行裁剪，获得多组地脚螺栓套件图像；遍历多组地脚螺栓套件图像，对每一张地脚螺栓套件图像进行判别，判别地脚螺栓安装是否规范，直至遍历结束，将全部地脚螺栓套件的判别结果进行组装和输出，实现智能识别。本发明可以辅助现场施工验收，提升架空线路建设质量，降低人为因素引发的安全风险。
-
公开(公告)号：CN118196523A
公开(公告)日：2024-06-14
申请号：CN202410367653.7
申请日：2024-03-28
Applicant: 北京洛斯达科技发展有限公司 , 华中科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06V10/80 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种电力铁塔地脚螺栓安装不规范智能识别方法，所属技术领域为图像智能识别，包括：获取地脚螺栓照片并进行预处理；构建图像实例分割模型，采用图像实例分割模型对预处理后的地脚螺栓照片进行分割，获得实例分割图像；基于实例分割图像中各部件的空间分布关系对部件实例进行分组，获得多组实例分割结果；基于多组实例分割结果对原始图像进行裁剪，获得多组地脚螺栓套件图像；遍历多组地脚螺栓套件图像，对每一张地脚螺栓套件图像进行判别，判别地脚螺栓安装是否规范，直至遍历结束，将全部地脚螺栓套件的判别结果进行组装和输出，实现智能识别。本发明可以辅助现场施工验收，提升架空线路建设质量，降低人为因素引发的安全风险。
-
公开(公告)号：CN110136157B
公开(公告)日：2021-03-26
申请号：CN201910281556.5
申请日：2019-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的三维颈动脉超声图像血管壁分割方法，方法包括以下步骤：(1)获取三维超声图像；(2)获得颈动脉横切面的二维超声图像，并进行人工标记；(3)利用人工标记图像块动态微调卷积神经网络模型；(4)拟合血管外膜‑中膜边界初始轮廓；(5)利用动态调整后的卷积神经网络模型进行血管外膜‑中膜边界轮廓的分割；(6)获得血管腔ROI区域；(7)利用U‑Net网络分割血管腔，并通过形态学处理提取血管腔‑内膜边界轮廓。本方法能够精确分割出血管外膜‑中膜边界MAB和血管腔‑内膜边界LIB的轮廓，较大幅度减少医生的工作量，并可基于本方法的分割结果计算得到血管壁体积(VWV)、血管壁厚度(VWT)和血管壁厚度变化(VWT‑Change)。
-
Patent Agency Ranking
公开(公告)号：CN114266788A
公开(公告)日：2022-04-01
申请号：CN202111612174.X
申请日：2021-12-27
Applicant: 华中科技大学
Abstract: 本发明属于计算机辅助诊断、医学图像处理、超声断层成像、医学图像分析领域，具体公开了一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法，包括步骤：(1)通过选择节点的方式绘制针对凸目标的初始凸壳；(2)计算目标表示像素的几何重心O1；(3)节点更新迭代；(4)节点拟合整形，整形后的新节点相连得到的轮廓线对应包围的区域即为提取得到的凸目标的对应成像。本发明通过对方法的整体流程设计、以及迭代条件等细节进行改进，使得本发明中基于超声断层成像反射图像凸目标的抗伪影特征提取方法，能够针对医学超声断层成像设备的反射图像，特征提取准确有效，同时对于伪影和噪声具有良好的鲁棒性。
-
公开(公告)号：CN110136157A
公开(公告)日：2019-08-16
申请号：CN201910281556.5
申请日：2019-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的三维颈动脉超声图像血管壁分割方法，方法包括以下步骤：(1)获取三维超声图像；(2)获得颈动脉横切面的二维超声图像，并进行人工标记；(3)利用人工标记图像块动态微调卷积神经网络模型；(4)拟合血管外膜-中膜边界初始轮廓；(5)利用动态调整后的卷积神经网络模型进行血管外膜-中膜边界轮廓的分割；(6)获得血管腔ROI区域；(7)利用U-Net网络分割血管腔，并通过形态学处理提取血管腔-内膜边界轮廓。本方法能够精确分割出血管外膜-中膜边界MAB和血管腔-内膜边界LIB的轮廓，较大幅度减少医生的工作量，并可基于本方法的分割结果计算得到血管壁体积(VWV)、血管壁厚度(VWT)和血管壁厚度变化(VWT-Change)。
-
公开(公告)号：CN110189299B
公开(公告)日：2020-12-08
申请号：CN201910324180.1
申请日：2019-04-22
Applicant: 华中科技大学
Abstract: 本发明属于计算机技术与医学图像的交叉领域，公开了一种基于MobileNet的脑血管事件自动识别方法及系统，其中方法包括步骤：(1)采集二维颈动脉初始超声图像数据；(2)分割颈动脉外膜，得到ROI图像数据；(3)构建基于MobileNet的深度学习网络，并进行训练；(4)将ROI图像数据输入到训练好的深度学习网络中进行测试，得到二维颈动脉初始超声图像数据对应的脑血管事件发生与否的预测结果，从而自动识别脑血管事件。本发明采用基于MobileNet的深度学习网络，利用深度学习方法自动提取超声颈动脉图像特征，进行脑血管事件的自动识别，可有效解决人工定义特征的主观性强和特征的冗余性问题。
-
公开(公告)号：CN110189299A
公开(公告)日：2019-08-30
申请号：CN201910324180.1
申请日：2019-04-22
Applicant: 华中科技大学
Abstract: 本发明属于计算机技术与医学图像的交叉领域，公开了一种基于MoileNet的脑血管事件自动识别方法及系统，其中方法包括步骤：(1)采集二维颈动脉初始超声图像数据；(2)分割颈动脉外膜，得到ROI图像数据；(3)构建基于MoileNet的深度学习网络，并进行训练；(4)将ROI图像数据输入到训练好的深度学习网络中进行测试，得到二维颈动脉初始超声图像数据对应的脑血管事件发生与否的预测结果，从而自动识别脑血管事件。本发明采用基于MoileNet的深度学习网络，利用深度学习方法自动提取超声颈动脉图像特征，进行脑血管事件的自动识别，可有效解决人工定义特征的主观性强和特征的冗余性问题。
-
公开(公告)号：CN114266788B
公开(公告)日：2024-10-08
申请号：CN202111612174.X
申请日：2021-12-27
Applicant: 华中科技大学
Abstract: 本发明属于计算机辅助诊断、医学图像处理、超声断层成像、医学图像分析领域，具体公开了一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法，包括步骤：(1)通过选择节点的方式绘制针对凸目标的初始凸壳；(2)计算目标表示像素的几何重心O1；(3)节点更新迭代；(4)节点拟合整形，整形后的新节点相连得到的轮廓线对应包围的区域即为提取得到的凸目标的对应成像。本发明通过对方法的整体流程设计、以及迭代条件等细节进行改进，使得本发明中基于超声断层成像反射图像凸目标的抗伪影特征提取方法，能够针对医学超声断层成像设备的反射图像，特征提取准确有效，同时对于伪影和噪声具有良好的鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.16 seconds)
