-
公开(公告)号：CN115700893A
公开(公告)日：2023-02-07
申请号：CN202210620746.7
申请日：2022-06-01
Applicant: 安徽理工大学环境友好材料与职业健康研究院(芜湖) , 安徽理工大学
IPC: G16H50/30 , G06F21/62 , G06F18/2415 , G06F18/2135
Abstract: 本发明公开了一种基于贝叶斯估计的职业健康预测系统，属于职业健康预测技术领域。本发明在海量数据分析时，采用了分析效率高、内存资源消耗低、预测误差小的算法模型用于职业健康预测；并采用了高性能和高安全性的非对称ECC算法，保障了用户隐私信息的保护；又通过对多数据源的职业健康数据进行有效整合、筛选、处理，提升了模型的计算性能和预测能力；并利用贝叶斯估计的特点，通过先验概率情况，有效对后验概率进行有效预测，提升预测的准确度；结合用户当前的职业健康状况，对职业健康等级进行了准确的划分，并提供了有效的应对措施。
-
公开(公告)号：CN114969820A
公开(公告)日：2022-08-30
申请号：CN202210620754.1
申请日：2022-06-01
Applicant: 安徽理工大学环境友好材料与职业健康研究院(芜湖) , 安徽理工大学
Abstract: 本发明公开了一种基于职业健康医疗大数据的管理平台，属于职业健康数据管理技术领域。本发明采用了混合云搭建方式，通过中央服务器将各私有云连接到同一网络，解决了数据源单一不足的问题；采用了联邦学习的方式，通过参数传递进行模型训练，并通过差分隐私、同态加密、协作训练方式对隐私信息进行保护；采用了部署公有云Hadoop大数据集群的方式，可以实现私有云用户非敏感数据存储，数据分析等功能，缓解了用户存储和计算的压力；可以通过获取的多源数据，实现智能分析和模型算法库的建立；并基于多场景下，不同的应用和可视化需求，构建应用模块，提供包括基础功能、监控预警、维系优化、专题分析、呈现的应用层功能模块。
-
公开(公告)号：CN117808834A
公开(公告)日：2024-04-02
申请号：CN202410007262.4
申请日：2024-01-03
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于SAM的跨模态域泛化医学图像分割方法，属于医学图像分割技术领域。本发明通过使用跨模态信息，医学图像分割中可以充分利用采集的3D多模态医学图像信息，针对基于SAM分割方法的特征提取及融合改进，引入了通道注意力机制、切片注意力机制以及位置注意力机制相融合的方法，使得各个模态的信息实现互通互补，并提出了基于SAM分割方法的提示分割和切片合成方式，使得基于SAM的医学图像分割结果细节更详细，语义性更强，便于临床辅助诊断。
-
公开(公告)号：CN116188420A
公开(公告)日：2023-05-30
申请号：CN202310144618.4
申请日：2023-02-21
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) , 安徽理工大学
IPC: G06T7/00 , G06T7/10 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于卷积Transformer的多模态医学图像分割方法，属于医学图像分割技术领域。本发明通过使用多模态数据，使得医学图像可以得到充分利用；通过使用卷积Transformer模块，与传统基于自注意力机制的Transformer模块相比，卷积Transformer模块获得神经网络在获取全局特征的同时，减少了运算量；使用特征金字塔后融合方式，使得最后的分割结果保留卷积的高层次的语义信息的同时包含低层次的细节信息；通过Dice Loss和Focal Loss共同约束模型迭代方向，解决Dice Loss再反向传播存在不利的影响，使得训练更加稳定。
-
公开(公告)号：CN116823685A
公开(公告)日：2023-09-29
申请号：CN202310129968.3
申请日：2023-02-17
Applicant: 安徽理工大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06T5/50 , G06T7/00 , G16H30/40 , G06V10/82 , G06V10/74 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/094 , G06N3/08
Abstract: 本发明公开了一种基于HorDGAN的医学图像融合的MRI数据增强方法，属于MRI数据增强技术领域。本发明生成网络的融合策略部分，通过迭代中矫正的权重因子反馈到该策略中实现脑肿瘤区域特定细节的精准获取；在双鉴别器对抗网络训练的过程中自适应两个鉴别器网络的对抗相似性损失函数，平衡两者的训练，并利用对抗相似性约束图像生成质量的特点，迭代更新基于像素的反馈权重；利用HorNet结合Transformer和卷积计算，为医学影像融合结果提供了更好的视觉效果和量化结果；将医学影像融合的工作可以作为其他下游任务的数据预处理部分；在训练的网络中设计了性能较好的医学影像融合增强网络架构。
-
Patent Agency Ranking
公开(公告)号：CN116797254A
公开(公告)日：2023-09-22
申请号：CN202310075810.2
申请日：2023-02-07
Applicant: 安徽理工大学
IPC: G06Q30/0201 , G06F16/906 , G06Q30/01
Abstract: 本发明公开了一种基于运营商大数据识别航空重要客户、区域的方法，属于电信运营商通信技术领域，包括以下步骤：S1：航空用户识别；S2：航班航线识别；S3：航空重要客户、区域识别。本发明通过运营商大数据，对航空重要客户和产业园区、小区进行识别；通过爬取航班信息、漫游信息等，实现对航空用户识别模型的清洗，并提供基于时间序列识别航线航班信息；定义航空客户重要度，用来评价客户重要程度以及产业园区、小区航空重要程度；还提供了一种基于栅格的快速聚类航空重要客户的方式。
-
公开(公告)号：CN116030043A
公开(公告)日：2023-04-28
申请号：CN202310163065.7
申请日：2023-02-24
Applicant: 安徽理工大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明公开了一种多模态医学图像分割方法，属于医学图像分割技术领域，包括以下步骤：S1：图像预处理；S2：构建2D、3D分割网络；S3：图像融合；S4：切片拼接。本发明通过使用多模态信息，使得医学图像可以得到更充分的利用；通过2D、3D分割网络结合通道注意力机制，使得各个模态的信息实现互通互补；基于2D、3D分割结果进行融合，使得分割结果精度更高，分割结果边缘更清晰；提供了不同维度、不同模型的分割结果，为医疗诊断提供更为精准多维的图像依据。
-
公开(公告)号：CN105672192B
公开(公告)日：2017-05-31
申请号：CN201610180201.3
申请日：2016-03-23
Applicant: 安徽理工大学
IPC: E02B1/02
Abstract: 本发明公开了一种极端荷载条件下坝体瞬间失稳溃决的模拟装置及运行方法，涉及大坝溃决技术领域，是一种适用于研究坝肩失稳导致坝体瞬间溃决的试验装置及方法。本发明的极端荷载条件下坝体瞬间失稳溃决的模拟装置包括防漏单元、固定平台、坝体、水槽和失稳单元。坝体由若干个挡板块组成，并在固定平台、水槽以及防漏单元和失稳单元中的相关部件共同作用下保持着稳定状态。通过失稳单元中的电阻丝发热熔断铜丝实现坝肩失稳，坝肩失稳后引起大坝受力失衡、挡板块坍塌和冲毁，从而实现坝体瞬间溃决的试验效果。本发明为研究坝肩失稳导致的坝体瞬间溃决机理和瞬间溃决水流运动规律提供了试验理论和方法。
-
公开(公告)号：CN115984257A
公开(公告)日：2023-04-18
申请号：CN202310144532.1
申请日：2023-02-21
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) , 安徽理工大学
Abstract: 本发明公开了一种基于多尺度transformer的多模态医学图像融合方法，属于医学图像融合技术领域。本发明提出了一种新型高效的融合模型，设计多尺度transformer模型引入特征提取网络，使得特征提取网络可以有效地提取多尺度深度特征，并为融合任务保留更多有意义的信息；在网络训练的过程中自适应感受野和patch大小，并构建基于结构相似性优化目标函数来约束图像生成质量；利用卷积计算结合Transformer，为医学影像融合结果提供了更好的视觉效果和量化结果。
-
公开(公告)号：CN115984157A
公开(公告)日：2023-04-18
申请号：CN202310131023.5
申请日：2023-02-17
Applicant: 安徽理工大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明公开了一种基于分频域融合的多模态医学图像融合方法，属于医学图像融合技术领域，包括以下步骤：S1：源图像分解；S2：分频域融合；S3：去噪处理；S4：重构处理。本发明通过分解获取源图像不同结构和纹理细节信息，分解后的图像对比离散小波变换很大程度上减少了噪声的出现；对高频部分的融合方式能够有效的提取图像的结构和细节信息，并且能够减少噪声的出现，对结构纹理部分的融合方法结合深度学习的特点有效的提取图像特征，最后采用的高斯平滑操作能够减少该部分噪声的出现；融合之后的图片结合了不同模态的特征，有利于医生临床上的诊断治疗。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
