一种基于大数据深度学习的电磁场数值预测方法

    公开(公告)号:CN115983140A

    公开(公告)日:2023-04-18

    申请号:CN202310251358.0

    申请日:2023-03-16

    Abstract: 本发明为一种基于大数据深度学习的电磁场数值预测方法,包括如下步骤:在电磁场数值仿真软件中建立不同复杂程度的电磁设备模型;用电磁场数值仿真软件分析电磁设备模型并形成大数据集;将大数据集进行数据处理后,将简单问题的数据矩阵作为风格迁移矩阵,与复杂问题的数据矩阵输入到具有内容感知编码机制的神经网络中训练;对训练结果进行后处理,与实际结果拟合,直到误差小于预期。本发明将Transformer模型与图像风格迁移技术相结合来预测电磁场,相比于其他电磁场预测模型,可以实现并行计算,具有尺度不变性、全局信息掌握能力,避免了随着网络层数增加导致的信息量衰竭。

    一种基于半监督学习的心脏MRI图像分割模型训练方法

    公开(公告)号:CN118134951A

    公开(公告)日:2024-06-04

    申请号:CN202410436435.4

    申请日:2024-04-11

    Abstract: 本发明提供了一种基于半监督学习的心脏MRI图像分割模型训练方法,包括以下步骤:S1、采集心脏MRI图像,为心脏MRI图像添加标注信息,生成标记图像;S2、通过生成对抗网络对心脏MRI图像进行数据扩充,生成未标记图像;S3、使用标记图像和未标记图像以半监督方式进行模型训练,生成心脏MRI图像分割模型。本发明有益效果:通过引入光滑函数减少生成图像与真实图像之间的差异,优化了生成图像的质量,结合自适应损失函数动态调整损失权重,有效指导生成器产生高质量图像,同时减少训练过程中的模式坍塌问题,通过结合一致性正则化和伪标签进行半监督训练,减少了深度学习模型训练对有标签数据的需求压力,提高了模型的学习效率和分割精度。

    一种基于大数据深度学习的电磁场数值预测方法

    公开(公告)号:CN115983140B

    公开(公告)日:2023-06-09

    申请号:CN202310251358.0

    申请日:2023-03-16

    Abstract: 本发明为一种基于大数据深度学习的电磁场数值预测方法,包括如下步骤:在电磁场数值仿真软件中建立不同复杂程度的电磁设备模型;用电磁场数值仿真软件分析电磁设备模型并形成大数据集;将大数据集进行数据处理后,将简单问题的数据矩阵作为风格迁移矩阵,与复杂问题的数据矩阵输入到具有内容感知编码机制的神经网络中训练;对训练结果进行后处理,与实际结果拟合,直到误差小于预期。本发明将Transformer模型与图像风格迁移技术相结合来预测电磁场,相比于其他电磁场预测模型,可以实现并行计算,具有尺度不变性、全局信息掌握能力,避免了随着网络层数增加导致的信息量衰竭。

    智能儿童输液手板
    5.
    实用新型

    公开(公告)号:CN211157882U

    公开(公告)日:2020-08-04

    申请号:CN201921711763.1

    申请日:2019-10-14

    Abstract: 本实用新型涉及智能儿童输液手板,属于医疗健康领域的智能硬件。其目的在于提供一种便于携带、可保障儿童输液过程安全的智能儿童输液手板。其技术方案为:包括手板主体,手板主体上还设置有主控芯片、体征参数检测单元和报警模块,体征参数检测单元和报警模块均与主控芯片连接。使用时儿童将手放置于手板上即可实时监测输液过程中儿童的体征参数,当儿童任一体征参数超出人为预设阈值范围时输液手板或对应的手机APP将同时进行报警,使儿童的安全得到双重保护。

Patent Agency Ranking