-
公开(公告)号：CN116758350A
公开(公告)日：2023-09-15
申请号：CN202310715739.X
申请日：2023-06-16
申请人： 大连理工大学
IPC分类号： G06V10/764 , A61B8/08 , A61B8/00 , G06V10/774 , G06V10/82 , G06T7/00 , G16H50/20 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于人工智能的乳腺癌超声图像诊断辅助方法，目的是提供一种高精度分类模型辅助医生进行诊断。所述方法包括图像预处理和卷积神经网络模型的训练。首先，在数据预处理部分，本发明采用拉普拉斯算子对图像进行边缘提取与锐化，增强图像清晰度，同时对图像进行数据增强和标准化处理。其次，在模型训练部分，本发明采用RepVGG作为基线模型，结合注意力机制模块，将位置信息嵌入通道注意力中，并替换网络模型的最后一层为自定义多分支卷积结构，采用交叉熵损失和焦点损失的加权和结果作为模型的损失函数，最后通过消融实验，得出网络的最优模型。本发明对乳腺超声图像的自动分析和诊断具有重要意义。
-
公开(公告)号：CN113269133A
公开(公告)日：2021-08-17
申请号：CN202110667185.1
申请日：2021-06-16
申请人： 大连理工大学
摘要： 本发明属于无人机视觉领域，涉及一种基于深度学习的无人机视角视频语义分割方法。本发明针对图像语义分割问题，设计一种“编码器‑解码器”非对称网络结构，其中编码器阶段融合通道分片(Channel Split)和通道重组(ChannelShuffle)去改进Bottleneck结构，以进行下采样和特征提取，解码器阶段基于空间金字塔多特征融合模块以抽取丰富的特征并进行融合，最后进行上采样得到分割结果。随后，针对视频语义分割问题，将本发明设计的图像分割模型作为视频语义分割的分割模块，结合光流法改进关键帧选择策略并进行特征传递，减少冗余，加快视频分割速度。
-
公开(公告)号：CN107133686A
公开(公告)日：2017-09-05
申请号：CN201710198680.6
申请日：2017-03-30
申请人： 大连理工大学
摘要： 本发明属于多学科和技术相互交叉结合的应用领域，具体涉及一种基于时空数据模型的城市级PM2.5浓度预测方法。首先利用开发的在线数据采集系统采集城市级PM2.5浓度数据；综合考虑模型可解释性、数据易获得和模型复杂度，确定最佳的模型预测因子，进而确定模型类型和模型结构；再根据实际采集PM2.5浓度数据的缺失情况和确定的模型结构，确定对缺失PM2.5浓度数据的插值算法；最后根据模型预测精度，确定能进行实时在线预测的算法。本发明能够充分利用随手可得的数据，确定模型结构，进而建立有效的城市级PM2.5浓度预测模型。
-
公开(公告)号：CN117218369A
公开(公告)日：2023-12-12
申请号：CN202311105289.9
申请日：2023-08-30
申请人： 大连理工大学
摘要： 本发明公开了一种基于三维人体扫描数据的特征提取方法，具体步骤如下:该方法基于通过三维扫描仪获得的三维人体扫描数据，对三维人体扫描数据进行统一的空间坐标系构建，将首个人体扫描数据作为配准基准，使用配准算法对数据进行逐一配准，根据人体特征关键特征点完整定义，获取特征曲面，并根据曲面上点的曲率大小，实现人体关键特征点与关键特征的自动化且准确的提取方法；本发明用以解决传统的手工测量人体特征效率低以及难以测量某些复杂特征等问题，对于人体特征的提取具有较好的普适性。
-
公开(公告)号：CN106980763B
公开(公告)日：2020-04-28
申请号：CN201710198679.3
申请日：2017-03-30
申请人： 大连理工大学
摘要： 本发明公开了一种基于基因突变频率的癌症驱动基因的筛选方法，属于癌症医学领域。该方法包含如下步骤：(1)肿瘤基因突变数据获取；(2)突变数据预处理；(3)筛选每个基因的邻近基因；(4)计算每种突变的背景突变数据；(5)根据突变分值使用假设检验筛选突变基因。本发明方法不仅利用现代高通量测序技术及DNA数据处理软件，使用经典的聚类算法和统计方法，而且与影响基因突变的生物因素相结合使癌症驱动基因的筛选更加精确，对新型抗癌药物的研发和癌症临床诊疗都具有重要意义。
-
公开(公告)号：CN114549925B
公开(公告)日：2024-09-13
申请号：CN202210052118.3
申请日：2022-01-18
申请人： 大连理工大学
IPC分类号： G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08
摘要： 本发明属于时间序列预测领域，涉及一种基于深度学习的海浪有效波高时间序列预测方法。对于进行了离差标准化后的输入序列，采用小波分解对海浪有效波高时间序列进行消噪和特征提取，将分解得到的序列输入深层残差卷积神经网络，最后将网络的输出转换为一维序列，通过两层的线性层汇集成一维的预测结果，作为海浪有效波高的预测值。最后通过对比实验证明，本发明提出的模型具有较高的精度。
-
公开(公告)号：CN114218870A
公开(公告)日：2022-03-22
申请号：CN202111583769.7
申请日：2021-12-22
申请人： 大连理工大学
IPC分类号： G06F30/27 , G06F17/14 , G06F17/16 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/10 , G06F119/12
摘要： 本发明属于风速预测方法技术领域，提出了一种基于变分模态分解与注意力机制的风速预测方法。考虑自然因素的影响，研究多变量条件下风速预测问题。通过预处理已采集的数据进行变分模态分解，深度神经网络的输入序列；深度神经网络包括位置编码、编码器与解码器；位置编码为输入信号提供相对位置信息；编码器包括注意力机制层、前馈网络层与归一化残差连接层，用于神经网络模型捕获时序特征间的相互关系；解码器由双层全连接网络构成，用于将编码器获取的时序特征信息进行解构从而输出预测值。该方法能有效提高超短期风速预测精度；对操作平台没有限制，使用灵活方便，可移植性强，风速预测性能优异。
-
公开(公告)号：CN115238862A
公开(公告)日：2022-10-25
申请号：CN202210823159.8
申请日：2022-07-14
申请人： 大连理工大学
摘要： 本发明属于时间序列预测领域，涉及一种基于深度学习的潮位时间序列预测方法。本发明采用了HA‑DeepAR模型，对经过预处理的潮位时间序列首先进行调和分析，计算潮汐调和常数，并利用潮汐调和常数计算潮位中的天文潮信息，对于余水位信息采用DeepAR模型进行预测，最终将预测的天文潮位和余水位叠加，得到总的潮位预测值，并给出潮位的置信区间，方便进行风险评估。
-
公开(公告)号：CN114549925A
公开(公告)日：2022-05-27
申请号：CN202210052118.3
申请日：2022-01-18
申请人： 大连理工大学
IPC分类号： G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明属于时间序列预测领域，涉及一种基于深度学习的海浪有效波高时间序列预测方法。对于进行了离差标准化后的输入序列，采用小波分解对海浪有效波高时间序列进行消噪和特征提取，将分解得到的序列输入深层残差卷积神经网络，最后将网络的输出转换为一维序列，通过两层的线性层汇集成一维的预测结果，作为海浪有效波高的预测值。最后通过对比实验证明，本发明提出的模型具有较高的精度。
-
公开(公告)号：CN111856285A
公开(公告)日：2020-10-30
申请号：CN202010638273.4
申请日：2020-07-06
申请人： 大连理工大学
IPC分类号： G01R31/367 , G01R31/396 , B60L58/10
摘要： 一种应用于电力系统的电动汽车退役电池组等效模型建模方法，属于电力系统中电池储能领域。首先，提出适用于电网运行的退役电池单体等效电路模型。其次，分析退役电池放电过程各阶段特点及相应的影响因素。再次，提出退役电池单体等效模型。再次，针对退役电池组，基于信息熵计算串联支路电池间的一致性，修正退役电池组等效电动势模型及等效内阻模型。最后，得到考虑一致性的电动汽车退役电池组等效模型。本发明针对电动汽车退役电池组再利用参与电网运行问题提出退役电池组的等效模型，计及退役电池的串联支路单体电池间的差异，基于退役电池间的一致性对等效模型进行修正，保证应用于电力系统的等效模型的可行性和准确性，充分发挥其剩余价值，提高配电网运行的经济性。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.029 秒)
