-
公开(公告)号：CN115375981A
公开(公告)日：2022-11-22
申请号：CN202210915415.6
申请日：2022-07-31
Applicant: 哈尔滨理工大学
Abstract: 一种基于蒙特卡洛采样算法的剂量场分布融合方法，涉及一种剂量场融合方法。目的是解决剂量场与解剖结构融合复杂、配准成功率低的问题。该方法包含以下步骤：步骤一，将图片中的Hounsfield单位转化材料定义；步骤二，使用图片建模，做模拟放射性治疗实验；步骤三，使用蒙特卡洛采样算法抽取数据并输出；步骤四，去除数据中错误坐标点构建剂量场三维可视化模型；步骤五，对剂量场三维可视化模型和三维重构模型进行坐标变换；步骤六，进行两个模型的数据融合。本发明提供了一种数据融合方法，实现了剂量场分布信息准确直观地显示在三维重构模型上。本发明适用于为放射性治疗手术方案的制定和调整提供依据。
-
公开(公告)号：CN118212225A
公开(公告)日：2024-06-18
申请号：CN202410468479.5
申请日：2024-04-18
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 基于改进YOLOv8自定义剪枝和混合蒸馏的焊缝缺陷检测方法，本发明涉及焊缝缺陷检测方法。本发明的目的是为了解决现有模型在焊缝缺陷检测方面为了为了压缩模型大小而牺牲部分精度，导致焊缝缺陷检测精度低的问题。过程为：1.制作焊缝缺陷数据集；2.将焊缝缺陷数据集作为训练集；3.构建改进YOLOv8n模型；4.将训练集输入构建的改进YOLOv8n模型中进行训练，直至收敛获得最佳改进YOLOv8n模型，对最佳改进YOLOv8n模型进行自定义剪枝；5.将剪枝后的改进YOLOv8n模型作为学生模型，选择改进YOLOv8s作为教师模型进行混合蒸馏，得到最优学生模型；6.将待测图像输入最优学生模型，最优学生模型输出检测结果。本发明用于焊缝缺陷检测领域。
-
公开(公告)号：CN117462399A
公开(公告)日：2024-01-30
申请号：CN202311370171.9
申请日：2023-10-20
Applicant: 哈尔滨理工大学
IPC: A61J1/20
Abstract: 一种智能配药机器人及其配药方法。配药机器人包括：主控模块、注射模块、运动驱动模块、图像采集模块。所述主控模块使用TI AM5708工业派进行储药管的实时识别，定位储药管位置以及获取已注射的药液量，并对运动驱动模块和注药模块进行控制。所述注射模块由一个步进电机、高精度不锈钢加压助推器和针管组成。所述运动驱动模块通过使用5个步进电机设计了运动驱动部分以及注射部分。所述图像采集模块通过使用两个大恒工业相机，以进行待注射的储药管的定位与检测。通过步进电机控制高精度不锈钢加压助推器推进，使其带动针管下压完成注射并能够实时监控，测试结果表明该机器人具有精度高、实时性强、成本低、体积小、设计灵活等优点。
-
公开(公告)号：CN116664600A
公开(公告)日：2023-08-29
申请号：CN202310678831.3
申请日：2023-06-08
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了基于REACSU‑Net的肺结节CT图像分割算法，包括：收集肺部CT图像，对图像进行预处理，将图片裁成包含肺结节的64*64的小块，预处理后将数据划分为训练集、验证集以及测试集，对训练集进行数据增强；在U‑Net基础上提出了REACSU‑Net，编码器部分使用ResNeSt‑50进行特征提取，随后通过基于ASPP构成的特征增强模块，获得了更丰富的语义信息，解码器部分使用三重空间注意力机制输出分割肺结节的预测结果。本发明采用REACSU‑Net算法，提高了肺结节的分割精度，为医生接下来的诊断提供了有力的支持。
-
公开(公告)号：CN115715852A
公开(公告)日：2023-02-28
申请号：CN202211444518.5
申请日：2022-11-18
Applicant: 哈尔滨理工大学
IPC: A61N5/10
Abstract: 一种基于蒙特卡洛模拟的囊结构优化方法，涉及肿瘤放化疗植入囊结构优化领域。目的是解决传统放化疗计划中囊结构优化需要依靠大量迭代试错的问题。具体包括以下步骤：首先，选择一组目标参数作为囊结构初始值，并针对囊结构辐照特点确定一个治疗评判标准；然后，结合评判标准，不断改变目标参数，循环将囊结构进行蒙特卡洛模拟，直至得到一组优化的目标参数；最后，对优化目标参数的囊结构执行剂量场计算，并检查计算结果是否符合优化要求，若符合，则结束流程，若不符合，对该组优化目标参数进行微调，返回蒙特卡洛模拟。本发明实现了囊结构最优，可以最大程度放化疗肿瘤，为放射治疗前手术方案的制定和调整提供依据。
-
Patent Agency Ranking
公开(公告)号：CN117576684A
公开(公告)日：2024-02-20
申请号：CN202311370151.1
申请日：2023-10-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于视觉的微夹持器与微操作对象快速定位方法。目的是对微夹持器与微操作对象上的操作点进行定位，为视觉微操作系统提供操作点的坐标。该方法包含以下步骤：步骤1，利用加权平均法将原图像转化为灰度图，降低后续图像处理复杂度；步骤2，利用快速傅里叶变换去除灰度图像中的高频噪声；步骤3，利用改进的基于灰度的快速模板匹配算法定位图像中微夹持器的操作点；步骤4，利用BRISK算法寻找图像上微操作对象上的特征点并匹配；步骤5，利用匹配点对应的特征点之间的空间尺度关系筛选匹配点，并完成对微操作对象操作点的定位。
-
公开(公告)号：CN117437245A
公开(公告)日：2024-01-23
申请号：CN202311453353.2
申请日：2023-11-02
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06T7/00 , G06T7/73 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了基于NMDAU‑Net的脑胶质瘤MRI图像的3D分割算法，包括：脑胶质瘤数据集的制作，对MRI图像进行分块处理，再对图像数据进行标准化，图像预处理之后将数据划分为训练集和测试集，并对数据进行增强；在3DU‑Net基础上提出了NMDAU‑Net，在卷积层上使用3D深度可分离卷积MobileNet V2 3D，并在其后引入密集注意力DAM块，使用MobileNet V2‑DAM模块所构成的编码器对特征进行提取，随后利用空洞空间金字塔池化模块所形成的特征增强模块，获得更多语义信息，接着使用加权双向特征金字塔模块进行多尺度的特征融合，最后利用解码器逐渐恢复初始的图像尺寸，输出脑胶质瘤的分割结构。本发明采用NMDAU‑Net算法，大幅度提高了脑胶质瘤的分割精度，为医生对患者病情的判断提供有力的支持。
-
公开(公告)号：CN116612100A
公开(公告)日：2023-08-18
申请号：CN202310638618.X
申请日：2023-05-31
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进YOLOv7模型的木材缺陷检测方法。目的是为了提高木材缺陷检测的精度来减少木材加工过程中的浪费。该方法包含以下步骤：步骤1，制作并划分木材缺陷数据集；步骤2，将数据集图像输入骨干特征提取网络中进行特征提取，提取出三个有效特征层；步骤3，将步骤2处理后的特征层输入改进后的FPN网络进行特征融合，输出三个不同尺度的特征层；步骤4，将步骤3中的三个特征层输入预测网络中得到目标的类别信息和位置信息，并使用α‑EIoU损失函数作为损失函数进行训练。该算法可以提高木材缺陷检测的精度，为工厂木材加工提供依据。
-
公开(公告)号：CN115732086A
公开(公告)日：2023-03-03
申请号：CN202211541668.8
申请日：2022-12-03
Applicant: 哈尔滨理工大学
IPC: G16H50/20 , G16H50/30 , G06Q10/04 , G06Q10/0639
Abstract: 本发明公开了一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法，目的是解决传统放化疗计划中囊结构优化缺乏治疗评判标准的问题。具体包括以下步骤：首先，选取脑胶质瘤囊结构治疗效果的评价指标，确定各个评价指标的重要程度，运用层次分析法计算各个评价指标权重；然后，根据各个评价指标定义，计算脑胶质瘤囊结构各个评价指标效果得分；最后，对各个评价指标效果得分分别进行标准化，将标准化后的各个评价指标效果得分与评价指标对应权重作用，得到最终评判结果。本发明实现对各种参数的植入囊结构治疗效果评判，为得到最优化的植入囊结构和达到最佳放射治疗效果提供依据，可以最大程度放化疗肿瘤。
-
公开(公告)号：CN115690126A
公开(公告)日：2023-02-03
申请号：CN202211379072.2
申请日：2022-11-04
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06T7/00 , G06V10/77 , G06V10/774
Abstract: 本发明提出了基于REMU‑Net的肺结节CT图像分割算法，包括：收集肺部CT图像，对图像进行预处理，提取肺实质以及感兴趣划分，预处理后将数据划分为训练集、验证集以及测试集，对训练集进行线上数据增强；在U‑Net基础上提出了REMU‑Net，在ResNeSt块的Split‑Attention块中引入空间注意模块形成ResNeSt‑SAM块，利用ResNeSt‑SAM块构成的编码器进行特征提取，随后通过基于空洞空间金字塔池化模块构成的特征增强模块，获得了更丰富的语义信息，接着利用多尺度跳跃连接进行多尺度特征的融合，最后通过解码器逐渐恢复特征图的尺寸，输出分割肺结节的预测结果。本发明采用REMU‑Net算法，大幅度提高了肺结节的分割精度，为医生接下来的诊断提供了有力的支持。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
