-
公开(公告)号：CN118975806A
公开(公告)日：2024-11-19
申请号：CN202410500883.6
申请日：2024-04-24
Applicant: 哈尔滨理工大学
IPC: A61B5/372 , A61B5/00 , G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 一种多模态的轻量化癫痫脑电信号分类模型的训练方法、建立方法、分类方法，属于信号处理技术领域，本发明提出了一种轻量化的多模态癫痫检测模型，旨在通过同时分析信号的时域特征和频域特征来提高癫痫检测的准确率和效率。本发明的模型：首先应用短时傅里叶变换(STFT)对单通道脑电图(EEG)信号进行预处理，构建三通道的图像作为频域模态；同时，原始EEG信号直接作为时域模态。两种模态通过经过自适应解耦知识蒸馏预训练的特征提取模块进行特征提取。为进一步提升模型性能，引入全局一致性学习和局部共现学习方法，有效融合不同模态的特征。实验结果显示，该模型在波恩大学开源癫痫脑电数据集上的性能优于现有方法，尤其在分类精度和泛化能力方面表现突出。本发明适用于提高癫痫脑电信号分类的准确性和可靠性。
-
公开(公告)号：CN116342885A
公开(公告)日：2023-06-27
申请号：CN202310353563.8
申请日：2023-04-05
Applicant: 哈尔滨理工大学
Abstract: 本发明属于视觉SLAM技术领域，更具体地，涉及一种基于语义的实时视觉SLAM方法，解决视觉SLAM中动态语义对象对定位精度和鲁棒性的影响以及跟踪线程等待语义分割线程时间过长的问题。方法包括：添加语义跟踪线程和基于语义的优化线程，这些线程和跟踪线程并行运行，因此不会阻止跟踪线程等待语义信息；使用移动概率来更新和传播语义信息，进而使用数据关联算法删除跟踪中的异常值；使用语义关键帧选择算法选择重要关键帧，以此来计算相机位姿，并使用语义信息对其进行纠正。本发明提出的方法具有良好的跟踪性能，可以实时跟踪每一帧。
-
公开(公告)号：CN114663702A
公开(公告)日：2022-06-24
申请号：CN202210257132.7
申请日：2022-03-16
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于DCE‑MRI的乳腺癌预后模型的建立方法，通过提取影像组学特征来量化肿瘤组织在医学影像中表现出的细微差异，反映出同一种肿瘤在不同个体中的特性差异，可以有效地解决肿瘤异质性难以定量评估的问题。该模型能够为早期乳腺癌患者提供更加精准的个体化治疗效果预测，也可以辅助医生对患者的预后情况进行更加精准的评估，制定出更具个性化的治疗与复查方案。
-
公开(公告)号：CN114638800A
公开(公告)日：2022-06-17
申请号：CN202210246266.9
申请日：2022-03-14
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/73 , G06T5/00 , G06V10/764 , G06V10/762 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于改进Faster‑RCNN的头影标记点定位方法，头影测量是正畸疗诊过程不可或缺的分析手段，其中机器学习方法在医学影像分析方面具有突出优势，基于学习的方法不受观察者主动性的影响，使得定位的准确性得到了大大提高，但其准确性很大程度上取决于训练数据的数量与准确性；本发明提出一种主干网络先将图像划分为若干个小区域，通过卷积核提取特征值，再通过池化层进行下采样，在不影响图像质量的情况下压缩图片，再通过全连接层将特征进行整合，获取图像特征具有高层含义，提高检测的准确性，另外，利用K‑Means++的思想消除异常点，降低误检测概率，在保证检测的稳定性的同时提高了准确性，本发明能实现头颅侧位X光片标记点的自动检测，能在临床上进行运用。
-
公开(公告)号：CN113139981A
公开(公告)日：2021-07-20
申请号：CN202110542393.9
申请日：2021-05-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了基于深度神经网络的DCE‑MRI乳腺肿瘤图像分割方法，涉及肿瘤技术领域；它的方法如下：步骤一：DCE‑MRI乳腺肿瘤图像预处理；步骤二：DCE‑MRI乳腺肿瘤边界定位；步骤三：DCE‑MRI乳腺肿瘤图像类别不平衡分类；本发明实现DCE‑MRI乳腺肿瘤图像的精准自动分割，辅助临床利用对肿瘤分割区域提取的相关特征进行结构和功能的多维度分析，判断肿瘤疾病病变情况，从而进行诊断、治疗规划及预后分析；乳腺肿瘤的精确分割将有助于临床对肿瘤的定量分析和特征提取，在诊断时的形态和解剖分析，治疗前的活检引导和规划、治疗中的跟踪和导航。
-
Patent Agency Ranking
公开(公告)号：CN112785608A
公开(公告)日：2021-05-11
申请号：CN202110176604.1
申请日：2021-02-09
Applicant: 哈尔滨理工大学
Abstract: 本发明公开一种基于自适应参数改进SNIC的医学图像分割方法。提取原图像纹理特征获得特征图，再将原图像降尺度处理；设置参数t，设置超像素数目K，在步骤1降尺度的原图像上分配种子点位置；创建与步骤1降尺度的原图像大小相同的空白标记图L，用种子点创建像素元素ei，初始化优先队列Q；从Q中取出di,k中最小的元素，如果被取出的元素在L对应位置未被标记则标记为k；利用k更新超像素中心，计算并更新自适应参数m，对该像素的4或8邻域中没被标记的像素，创建新元素并赋予标签k，后填入Q中；当Q不为空时，循环上述；当优先队列Q为空时，将L根据KNN恢复到原尺度大小后获得最终超像素分割结果。
-
公开(公告)号：CN109741265A
公开(公告)日：2019-05-10
申请号：CN201811386922.5
申请日：2018-11-20
Applicant: 哈尔滨理工大学
IPC: G06T5/00
Abstract: 本发明公开一种基于特征选择的脊柱CT图像双边滤波去噪方法，属于医疗图像处理领域，为了弥补常规去噪方法处理后图像质量不能完全满足实际临床操作和教学研究需求的不足，本发明提出的方法，在去除脊柱医学图像中无关区域的同时增强兴趣区域，为后期图像的分割、定位、三维重建等操作奠定了基础，首先将脊柱点云数据按空间横、纵、竖三个方向进行格网化，判断各格网中的点云数量，再将噪声点云分为偏离脊柱兴趣区域较远而稀疏的点云，与脊柱兴趣区域较远但是密集的点云和与脊柱兴趣区域混在一起的噪声点云三类，再依次去除以达到更好的去噪效果。
-
公开(公告)号：CN109615656A
公开(公告)日：2019-04-12
申请号：CN201811383834.X
申请日：2018-11-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于模型搜索的脊柱定位方法。CT图像在诊断脊椎脊柱疾病中起着重要作用，有助于评估脊柱手术后症状的治疗进展。脊柱CT图像的计算机处理将使诊断更加准确，但脊柱曲线形状复杂，椎间盘和椎骨大小变化不一，所以对椎骨的检测以及后续步骤中定位整个脊柱仍然是一个较大的挑战。基于此提出一种基于模型搜索的椎骨定位的方法，提高了椎骨定位的准确度。所述脊椎定位方法包括以下步骤：A、在数据集中寻找内容丰富清晰的最佳切片；B、建立椎间盘的多项式轮廓；C、利用脊柱多项式轮廓来检测可能的椎间盘和椎体位置；D、采用canny算子对椎骨最佳切片进行边界提取；E、利用VTK软件对图像数据信息进行三维立体重建。
-
公开(公告)号：CN109598784A
公开(公告)日：2019-04-09
申请号：CN201811384730.0
申请日：2018-11-20
Applicant: 哈尔滨理工大学
Abstract: 一种的脊柱断层扫描图像三维重建方法，提出了一种改进的高效率的Ray Casting方法来解决上述问题，本发明在图像预处理模块，增加包围盒技术，使用Ray Casting算法进行采样操作时，只需要考虑投影到像素平面上的多边形发出的投射光线，投射光线从第一个采样点开始，计算采样点与包围盒之间的距离，当距离为0时表示计入包围盒内部，开始进行采样操作，在光线投射算法的图像合成阶段，采样点使用从前到后的合成方式进行色彩合成，投射光线穿过包围盒的体素时，不透明度会逐渐累加，当这个数值接近1时代表已经接近完全不透明，后面的体素不再对图像屏幕的显示有所贡献，便可提前终止采样操作，可视化模块调用VTK(Visualization Toolkit)类库，通过人机交互界面显示三维图像的内部细节，并可以对图像进行旋转、平移、缩放等个性化操作。
-
公开(公告)号：CN108537779A
公开(公告)日：2018-09-14
申请号：CN201810259768.9
申请日：2018-03-27
Applicant: 哈尔滨理工大学
Abstract: 一种基于聚类的椎骨分割与质心检测的方法。椎骨图像分割与质心的检测在脊柱疾病的诊断中有着特殊的应用价值。脊柱由椎骨和椎间盘组成，椎骨用来保护身体内的内脏器官和神经血管等组织，椎间盘则维持人体的灵活性。所以脊柱周围的组织结构相对复杂，诊断较困难。基于此提出一种基于聚类的椎骨分割与质心检测的方法，提高分割和质心定位的准确性。所述椎骨分割和质心定位方法包括以下步骤：A、对脊椎CT数据进行预处理，突出感兴趣区域；B、利用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取；C、对原椎骨图像进行像素点的提取和聚类，再通过密度估计找出最终质心；D、将分割的结果和质心定位的结果进行合成。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.034 seconds)
