-
Patent Agency Ranking
公开(公告)号：CN113837224A
公开(公告)日：2021-12-24
申请号：CN202110978848.1
申请日：2021-08-25
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于SPECT影像的甲状腺结节性质分类方法，包括：获取甲状腺的SPECT影像数据集，并将所述甲状腺的SPECT影像数据集输入甲状腺结节性质分类模型进行训练，获得完成训练的甲状腺结节性质分类模型，其中所述甲状腺结节性质分类模型的网络结构包括分类卷积神经网络和孪生神经网络；基于所述完成训练的甲状腺结节性质分类模型，输入待测SPECT影像，获得甲状腺结节性质分类结果。本发明通过独特的网络结构和对困难样本挖掘，以极少的训练样本训练出了合格的分类模型，节省了成本、提高了效率，实现了高准确率的自动分类。
-
公开(公告)号：CN113837224B
公开(公告)日：2022-06-24
申请号：CN202110978848.1
申请日：2021-08-25
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于SPECT影像的甲状腺结节性质分类方法，包括：获取甲状腺的SPECT影像数据集，并将所述甲状腺的SPECT影像数据集输入甲状腺结节性质分类模型进行训练，获得完成训练的甲状腺结节性质分类模型，其中所述甲状腺结节性质分类模型的网络结构包括分类卷积神经网络和孪生神经网络；基于所述完成训练的甲状腺结节性质分类模型，输入待测SPECT影像，获得甲状腺结节性质分类结果。本发明通过独特的网络结构和对困难样本挖掘，以极少的训练样本训练出了合格的分类模型，节省了成本、提高了效率，实现了高准确率的自动分类。
-
公开(公告)号：CN113709144A
公开(公告)日：2021-11-26
申请号：CN202110988207.4
申请日：2021-08-26
Applicant: 哈尔滨工业大学
IPC: H04L29/06
Abstract: 本发明公开了一种高频信号压缩方法，所述方法包括如下步骤：步骤1)利用传感器获得高频信号；步骤2)将高频振动信号进行VMD分解，得到各个子信号和残差信号；步骤3)对残差信号按照位进行重新排列，即：把16个连续的残差数据排成一张表，每个残差数据16位占一行，16个数据共16行，然后把该表转置；步骤4)对步骤3)得到的转置位表先进行RLE压缩，再把压缩结果通过LZW进一步压缩。本发明能够解决高频数据存储占用大量存储空间和传输时间的问题，可以在高频数据存储和传输中应用。
-
公开(公告)号：CN113709144B
公开(公告)日：2023-02-07
申请号：CN202110988207.4
申请日：2021-08-26
Applicant: 哈尔滨工业大学
IPC: H04L69/04
Abstract: 本发明公开了一种高频信号压缩方法，所述方法包括如下步骤：步骤1)利用传感器获得高频信号；步骤2)将高频振动信号进行VMD分解，得到各个子信号和残差信号；步骤3)对残差信号按照位进行重新排列，即：把16个连续的残差数据排成一张表，每个残差数据16位占一行，16个数据共16行，然后把该表转置；步骤4)对步骤3)得到的转置位表先进行RLE压缩，再把压缩结果通过LZW进一步压缩。本发明能够解决高频数据存储占用大量存储空间和传输时间的问题，可以在高频数据存储和传输中应用。
-
公开(公告)号：CN113610177A
公开(公告)日：2021-11-05
申请号：CN202110941361.6
申请日：2021-08-17
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种甲状腺SPECT图像分类方法，包括以下步骤：在甲状腺SPECT图像中提取人工特征；以甲状腺SPECT图像和人工特征作为输入，通过卷积神经网络对甲状腺SPECT图像分类模型进行训练，获得自动特征；将人工特征和自动特征合并输入分类器实现分类，获得分类结果；评估分类结果，合格后获得完成训练图像分类模型，进行甲状腺SPECT图像的分类。本发明将自动提取的深度特征与人工选择的特征相融合，提升了特征信息的丰富度和图像识别的效果；通过引入注意力机制，对模型提取的特征进行筛选，提升模型的特征提取能力，同时使模型训练更方便高效，实现了图像高准确率的自动分类。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
