-
公开(公告)号：CN118691894A
公开(公告)日：2024-09-24
申请号：CN202410832851.6
申请日：2024-06-25
Applicant: 华中科技大学 , 华中科技大学同济医学院附属同济医院
IPC: G06V10/764 , G06T7/00 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/74 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/045
Abstract: 本发明属于图像识别相关技术领域，其公开了一种基于向量量化注意力的组织病理切片图像分类方法及系统，方法包括：获取多张组织病理切片图像的类别标签，对每张组织病理切片图像的组织区域划分获得多个图像块，将其作为示例集合为一个包；采用特征提取模型对每个包内的示例进行特征提取，获得每个包的特征序列；基于向量量化注意力模块和多尺度卷积模块构建多示例分类模型，采用特征序列和类别标签对多示例分类模型进行训练；获取待分类组织病理切片图像的目标特征序列；将其输入训练完成的多示例分类模型获得每个特征向量的注意力分数，将注意力分数与预设阈值进行比较，获得病症区域。本发明解决了组织病理图像分类精度低，诊断效率低的问题。
-
公开(公告)号：CN116779156A
公开(公告)日：2023-09-19
申请号：CN202310386708.4
申请日：2023-04-07
Applicant: 华中科技大学 , 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , G16H50/70 , G06F18/2113 , G06F18/213 , G06N20/00
Abstract: 本发明公开了一种术后指标异常预测系统构建方法、术后风险评估设备，属于术后风险智能评估技术领域。其构建方法包括：对病例中的术前和术后观测期内的检测指标变量进行特征提取，其中，对于非稳定数值变量，所提取的特征包括均值、最小值、最大值、变异系数和持续时间占比特征，持续时间占比特征包括正常占比、偏小占比和偏大占比，分别表示数值变量的数值处于正常数值区间内、处于小于正常数值的偏小数值区间内、处于大于正常数值的偏大数值区间内的时长占观测期时长的占比；筛选关键特征后训练机器学习预测模型，得到术后指标异常预测系统。通过引入更加全面的特征后再进行特征筛选，既避免使训练过于复杂，又提高了预测系统的预测性能。
-
公开(公告)号：CN116523850A
公开(公告)日：2023-08-01
申请号：CN202310381987.5
申请日：2023-04-12
Applicant: 华中科技大学 , 华中科技大学同济医学院附属同济医院
IPC: G06T7/00 , G06T5/50 , G06V10/25 , G06V10/42 , G06V10/774
Abstract: 本发明公开了一种肾小球图像生成模型的构建方法及应用，属于智能辅助阅片技术领域；其中，编码模块将初始特征图按通道拆分为多组特征图，对各组特征图分别进行不同尺度的金字塔卷积后进行合并，并基于残差机制将合并后的特征图与所述初始特征图进行融合，得到融合特征图；对上一级的融合特征图重复执行拆分、合并和融合操作，直至重复次数达到预设次数；并基于自注意力机制学习最后一次所得的融合特征图中的整体关联信息；通过上述手段保证了卷积的视野既能捕捉全局，又能对焦局部，有利于肾小球自身纹理形态特征生成，同时也能够保证新生成的肾小球区域和周围背景的融合，从而生成更接近真实肾小球图像的图像，所生成的肾小球图像质量较高。
-
公开(公告)号：CN113869194B
公开(公告)日：2024-08-09
申请号：CN202111131299.0
申请日：2021-09-26
Applicant: 华中科技大学
IPC: G06F18/2415 , G06F18/213 , G06F18/10 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了基于深度学习的变参数铣削加工过程信号标记方法及系统，属于数控加工中心加工过程监测技术领域。方法包括：采集铣削加工时的主轴振动信号，将该振动信号经短时傅里叶变换后得到的浅层特征输入至堆叠式双向长短时记忆网络模型，提取出深层特征，引入条件随机场与多层感知机，优化了损失函数，改善了过分类问题，建立针对时序信号截取和标记的模型评价指标，对该模型进行迭代训练，最终实现了铣削过程的时序信号的自动标记。本发明可实现对高频时序信号的自动标记，为机械设备状态监测、故障诊断以及维护等场景提供数据支撑，具有标记成本低、自动化程度高、泛化能力好等优点。
-
公开(公告)号：CN116127695A
公开(公告)日：2023-05-16
申请号：CN202211440632.0
申请日：2022-11-17
Applicant: 华中科技大学
IPC: G06F30/20 , G06F18/214
Abstract: 本发明属于生产线生产技术领域，并具体公开了一种基于综合性能评价的生产线构建方法及系统，其包括：S1、确定生产线的评价指标，将各评价指标加权融合确定生产线综合性能评价指标；S2、通过建模仿真获取不同生产线参数对应的综合性能评价指标的评估值，进而得到样本集；S3、通过样本集对预测模型进行训练，得到训练后的预测模型；S4、基于预测模型，对待构建生产线参数进行优化，使综合性能评价指标满足需求，从而完成生产线构建。同时将遗传算法和预测模型相结合，实现产线配置参数的全局优化。本发明方法是实现可预测生产的基础，对于拟建线的设计和在产线的改进都有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN113909996B
公开(公告)日：2022-09-20
申请号：CN202111160939.0
申请日：2021-09-30
Applicant: 华中科技大学
IPC: B23Q17/09 , G06V10/774 , G06T7/00
Abstract: 本发明公开了一种基于数字孪生的高端装备加工状态监测方法及系统，属于高端装备状态监测领域，包括：构建基于多源传感数据的刀具磨损预测模型，基于多源传感数据的工件质量预测模型，融合为刀具工件系统数字孪生模型；基于在线定量测量评估的方式，数字孪生模型进行快速迭代优化。基于物理设备实时数据驱动的形式，模型可精准监测及预测加工状态；形成一套虚实交互的闭环迭代系统，并与设备同步进化，可实现设备全生命周期的加工状态监测；并优化工艺参数，以实现加工过程智能闭环运维。本发明能够提高对高端装备状态监测的泛化性、准确性和鲁棒性。
-
公开(公告)号：CN114492533A
公开(公告)日：2022-05-13
申请号：CN202210113860.0
申请日：2022-01-30
Applicant: 华中科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/045
Abstract: 本发明公开了一种变工况轴承故障诊断模型的构建方法及应用，所构建的模型中，特征提取模块、生成模块、域分类器以及标签分类器形成了一个整体，通过标签分类器、域分类器和生成模块这三个组件的结合可以有效地生成额外的训练数据，在保证域分类器能够获取域中有区分度的特征的条件下，通过最大化域判别损失，降低其对不同数据的域敏感性，使得域分类器难以处理分辨这些数据，且反过来使得特征提取模块提取更多的域无关时序特征，实现了端到端的联合训练；在不断地对模型进行训练后，使得标签分类器尽可能的细化，域分类器尽可能的泛化，从而提升对于未见过轴承的工况的模型泛化性，实现在不同工况下故障诊断模型也能准确判断故障类型。
-
公开(公告)号：CN114441171A
公开(公告)日：2022-05-06
申请号：CN202210113858.3
申请日：2022-01-30
Applicant: 华中科技大学
IPC: G01M13/04
Abstract: 本发明公开了一种电机轴承故障诊断与加速疲劳退化综合试验台，属于机械故障诊断领域。包括：包括试验台基座，所述试验台基座上分别设置有负载端底板和被测端底板，其中所述负载端底板上设置有负载电机安装支架，所述负载电机的输出轴通过联轴器与转速扭矩传感器连接；所述被测端底板上设置有直线导轨和滑块构成的滑动机构，所述滑块上固定有滑动板，在所述滑动板上安装有被测电机安装支架，被测电机的输出轴通过联轴器与所述转速扭矩传感器连接；在所述被测端底板上设置有T型槽，所述T型槽与所述滑动板之间设有锁定机构。本发明实现了在更换不同故障类型与尺寸的被测电机时不会损失对中精度，以及对中精度高，不会引起电机轴偏摆等技术效果。
-
公开(公告)号：CN113077043A
公开(公告)日：2021-07-06
申请号：CN202110285492.3
申请日：2021-03-17
Applicant: 华中科技大学
Abstract: 本发明公开一种基于改进图卷积网络的机床刀尖动力学特征预测方法，属于数控机床刀尖点动力学特征预测领域。方法包括：选取样本数据，获取静止状态下机床不同位置下的刀尖点频响函数以及切削过程中的颤振频率和轴向极限切深，求解切削状态下的位置‑速度相关刀尖点主模态参数，获得样本数据标签；将有标签的样本数据和无标签的待测数据转换为图结构数据输入到图卷积网络中，得到任意位置‑速度下的刀尖点主模态参数；图卷积网络在图卷积层的基础上通过增加转置图卷积层得到，转置图卷积层用于实现对图卷积层所编码输出的节点特征进行解码，重构损失函数。通过预测的主模态参数可以计算获取刀尖点频响函数，进而计算铣削稳定lobe图来预测加工稳定性。
-
公开(公告)号：CN110928237B
公开(公告)日：2020-12-29
申请号：CN201911327809.4
申请日：2019-12-20
Applicant: 华中科技大学
IPC: G05B19/4065
Abstract: 本发明属于数控加工中心切削过程颤振在线辨识领域，并具体公开了一种基于振动信号的数控加工中心颤振在线辨识方法。包括：采集数控加工中心进行切削加工时的主轴振动信号，并对该振动信号进行预处理，构建预处理后的信号的多尺度排列熵和多尺度功率谱熵，将多尺度排列熵和多尺度功率谱熵进行拼接作为特征向量输入构建的梯度提升树模型，对其进行迭代训练，得到最优梯度提升树模型，将加工过程中的主轴振动信号经预处理后输入最优梯度提升树模型，从而实现对数控加工中心颤振的在线辨识。本发明可实现对机床颤振敏感性特征的提取和数控加工中心是否颤振以及颤振严重程度进行辨识，具有监测实时性高、辨识准确度高、泛化能力好等优点。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.034 seconds)
