-
公开(公告)号：CN118711793A
公开(公告)日：2024-09-27
申请号：CN202410724864.1
申请日：2024-06-05
Applicant: 哈尔滨理工大学
IPC: G16H50/20 , A61B5/00 , A61B5/369 , G16H50/30 , G06F18/10 , G06F18/2131 , G06F18/241 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/045
Abstract: 基于多任务癫痫脑电检测与预测模型的建立方法、检测与预测方法和计算机设备，属于医疗领域，解决癫痫脑电信号中干扰较多、数据量不均衡以及边界区分困难的问题。方法包括：以LRM和STAM为主干网络框架，以SDF作为检测分支网络，以MSTM作为预测分支网络，以AITM作为多任务网络的连接部分。主干网络对输入信号采用参数硬共享的方式进行浅层特征提取，将提取的时间、空间特征共享给两个分支网络。在检测分支中，通过SDF将深浅特征相融合。在预测分支中，通过MSTM拓宽了网络结构。通过AITM实现了癫痫检测任务与癫痫预测任务的信息共享。本发明适用于癫痫的检测与预测。
-
公开(公告)号：CN116304575A
公开(公告)日：2023-06-23
申请号：CN202310353564.2
申请日：2023-04-05
Applicant: 哈尔滨理工大学
IPC: G06F18/10 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q10/04 , A61B5/369
Abstract: 该设计是一种多任务癫痫脑电自动检测与预测系统。该系统首先通过预处理模块接收癫痫患者待识别的脑电信号或采集到的用于训练模块的患者脑电信号，并对信号进行去噪、滤波、分段、规范化等处理，并将处理后的用于训练模块的患者脑电信号输出到训练模块；在训练模块中，通过对采集到的用于训练模块的患者脑电信号进行训练与测试，先通过多尺度卷积网络进行特征提取，然后对加入双注意力机制的检测与预测分支进行训练，并保存训练后模型参数用于检测与预测模块；在检测与预测模块中对癫痫患者待识别的脑电信号给出检测与预测结果。本发明采用模块化设计，实现了对带噪声的不平衡脑电信号的实时检测与预测，为实际应用提供可靠的系统。
-
公开(公告)号：CN115512153A
公开(公告)日：2022-12-23
申请号：CN202211146617.5
申请日：2022-09-21
Applicant: 哈尔滨理工大学
Abstract: 基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质，属于OCT图像处理技术领域，解决对视网膜OCT图像分类准确率较低问题。本发明的方法包括：获取视网膜OCT图像分类数据集，分为训练集和测试集；对训练集和测试集进行预处理；利用双通道注意力机制和多尺度残差模块对基线网络进行改进，建立视网膜OCT图像分类模型；多尺度残差模块具体包括若干条支路、残差模块、特征融合模块和相加模块，每条支路包括若干个卷积；特征融合模块用于将若干条支路的输出信息进行特征融合；相加模块用于将融合后的信息与残差模块的输出信息进行相加；获取训练后的视网膜OCT图像分类模型；对视网膜OCT图像进行分类。本发明适用于视网膜OCT图像的分类。
-
公开(公告)号：CN115393584A
公开(公告)日：2022-11-25
申请号：CN202210921524.9
申请日：2022-08-02
Applicant: 哈尔滨理工大学
Abstract: 基于多任务超声甲状腺结节分割与分类模型的建立方法、分割与分类方法和计算机设备，属于图像处理技术领域，解决甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡以及数据不平衡问题。方法包括：以FCN为主干共享网络，基于UNet解码层为分割分支网络和ResNet34为分类分支网络。主干共享网络对输入超声图像采用参数硬共享的方式进行浅层特征提取，将提取的特征共享给两个分支网络。分割分支网络中，首先在主干共享网络后引入深层卷积块，获取分割分支深层特征，其次对各个特征提取阶段获取到的浅层特征通过带有多尺度卷积注意力模块的跳跃连接操作。在分类分支残差模块前后结合M‑CBAM，通过M‑CBAM和残差模块优化分类性能。本发明适用于超声甲状腺结节的分割与分类。
-
公开(公告)号：CN115131612A
公开(公告)日：2022-09-30
申请号：CN202210772144.3
申请日：2022-07-02
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06N3/04 , G06N3/08 , A61B3/10 , A61B3/12 , A61B3/14 , A61B3/00
Abstract: 本发明公开了一种基于递归残差网络的视网膜OCT图像分类方法，属于医学领域，所述方法包括如下步骤，步骤一：获取视网膜OCT图像，按照一定比例划分为训练集和测试集；步骤二：图像预处理，对获取的原始OCT图像进行增强和标准化，将数据通过去均值实现中心化的处理，更容易取得训练之后的泛化效果；步骤三：以ResNet50网络模型为基线网络，结合了门控注意力机制模块(attentiongatemodule，AG)；步骤四：结合发明的递归残差模块，提升网络的信息提取能力，使网络可以同时捕获更多更高质量的输入信息，更加有利于网络对不同类别视网膜疾病的学习，进一步提高网络的精度；步骤五：通过消融实验，获取网络最优模型。
-
Patent Agency Ranking
公开(公告)号：CN113284104A
公开(公告)日：2021-08-20
申请号：CN202110561002.8
申请日：2021-05-21
Applicant: 哈尔滨理工大学
Abstract: 本文公开了一种基于深度学习的医学图像预处理方法，属于深度学习领域。为了解决卷积神经网络对图像边缘信息提取不足问题，以获取更多的边缘特征信息。本发明采用一种求取图像边缘尺寸的计算方法，并对图片边缘部分进行镜像翻转和拼接操作。进而对结果进行保存操作。将扩增后的图片中输入搭建好的卷积神经网络中，通过人为的调整网络超参数，最终获得性能良好的预测模型。本文提出的基于深度学习的医学图像预处理方法与现有的卷积神经网络中对图片的padding技术共有必要技术特征。本文对对图像边缘进行更多的特征提取，可以提升深度学习对图像边缘部分的训练权重，进一步提高深度学习网络模型预测性能。
-
公开(公告)号：CN110567746A
公开(公告)日：2019-12-13
申请号：CN201910875993.X
申请日：2019-09-17
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种用于模拟体内前列腺运动测量的实验系统，它涉及医疗技术领域，所述的步进电机用来控制丝杠滑台的进给，丝杠滑台与支撑架之间通过螺纹连接，支撑架与气筒之间也通过螺纹连接，气球套在气筒前端位置并形成一体嵌套在保持架内，系统中的气球用来模拟膀胱，粘接于气球上的小球用来模拟前列腺，小球上的传感器用来检测小球随着气球的膨胀或收缩而引起的位置变化，并可通过上位机实时显示。利用该实验系统可以探究由于膀胱充盈度导致的前列腺运动变化规律，有利于提高前列腺癌的放疗精度。此外，可将模拟前列腺的运动数据进行采集，可为研究人员提供一定的数据支持。
-
公开(公告)号：CN106163171A
公开(公告)日：2016-11-23
申请号：CN201610441989.9
申请日：2016-06-20
Applicant: 哈尔滨理工大学
CPC classification number: H05K5/0208 , H05K5/0221 , H05K5/0239 , H05K7/14
Abstract: 本发明公开了一种新型掀盖式无线光通信设备，它主要包括支座壳体、控制器、电机a、限位块、联轴器、电机b、变压器、伸缩套筒、伸缩杆、箱体、把手、前端侧板、箱盖、天线和连接轴、涡轮连接件、气动支撑杆、卡接件和卡槽；本发明正常工作时，通过在箱盖的另一端设置卡接件，通过将卡接件插入箱体上的卡座内，实现箱盖与箱体的锁紧，光信号前端侧板通过射出或者射入，弧形透明的前端侧板增大了发射和接收角度，另外可由支座壳体中的控制器内置的无线通信模块接收指令，由控制器控制电机工作，调节箱体高度和水平角度，另外实现无线光通信设备在维修时掀盖操作方便，结构简单，使用方便，安全性高。
-
公开(公告)号：CN112785608B
公开(公告)日：2022-06-21
申请号：CN202110176604.1
申请日：2021-02-09
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06T7/12 , G06T5/40 , G06V10/762 , G06K9/62
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：CN113313717A
公开(公告)日：2021-08-27
申请号：CN202110541839.6
申请日：2021-05-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的分节段椎骨CT图像分割方法，涉及图像分割技术领域；它的分割方法如下：步骤一、脊椎CT图像的预处理；步骤二、椎骨中心检测；步骤三、椎骨CT图像分割；本发明利用深度学习的方式自动检测出当前图像中所有的可见椎骨中心，通过分割网络对其进行高分辨率分割；帮助医生早期有效发现椎骨畸形和损伤，从而能够及时预防和治疗。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.039 seconds)
