公开(公告)号：CN110910366B

公开(公告)日：2023-10-24

申请号：CN201911130121.7

申请日：2019-11-18

Applicant: 湖北工业大学

Inventor： 柯丰恺 ,  刘欢平 ,  李超 ,  胡也 ,  赵大兴 ,  孙国栋 ,  冯维

IPC: G06T7/00 ,  G06T11/20

Abstract: 本发明公开了一种基于3D CAM的大脑核磁共振异常图像的可视化方法，采集患者的脑核磁共振异常图像作为训练样本‑利用训练样本对3D CAM模型进行训练，得到训练后的网络参数即系数矩阵W和偏倚向量b值‑根据不同的磁共振图像创建可视化热度图。在传统CAM模型的基础上对患者的大脑核磁共振异常图像进行处理，实现自动识别检测且可视化效果良好的，便于辅助医学研究者定量分析和研究。

公开(公告)号：CN111289251A

公开(公告)日：2020-06-16

申请号：CN202010124484.6

申请日：2020-02-27

Applicant: 湖北工业大学

Inventor： 孙国栋 ,  高媛 ,  胡也 ,  张航 ,  李超 ,  席志远

IPC: G01M13/045 ,  G06K9/00 ,  G06K9/62 ,  G06T7/00 ,  G06T3/40 ,  G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于自动化检测技术领域，公开了一种滚动轴承细粒度故障识别方法，包括采集滚动轴承在正常状态、各种故障类别下的振动信号；对振动信号进行样本分割处理得到样本信号；对样本信号进行多同步压缩变换得到样本图像；利用样本图像建立训练集；将训练集输入至卷积神经网络中进行迭代训练，获得训练好的故障识别模型；采集滚动轴承故障振动信号作为待识别样本，进行样本分割处理得到待识别样本信号，进行多同步压缩变换得到待识别样本图像，将待识别样本图像输入至训练好的故障识别模型中进行故障识别，并获得故障识别结果。本发明解决了现有技术中对滚动轴承细粒度故障的识别率较低的问题，具有识别率高、鲁棒性强的优点。

公开(公告)号：CN110910366A

公开(公告)日：2020-03-24

申请号：CN201911130121.7

申请日：2019-11-18

Applicant: 湖北工业大学

Inventor： 柯丰恺 ,  刘欢平 ,  李超 ,  胡也 ,  赵大兴 ,  孙国栋 ,  冯维

IPC: G06T7/00 ,  G06T11/20

Abstract: 本发明公开了一种基于3D CAM的大脑核磁共振异常图像的可视化方法，采集患者的脑核磁共振异常图像作为训练样本-利用训练样本对3D CAM模型进行训练，得到训练后的网络参数即系数矩阵W和偏倚向量b值-根据不同的磁共振图像创建可视化热度图。在传统CAM模型的基础上对患者的大脑核磁共振异常图像进行处理，实现自动识别检测且可视化效果良好的，便于辅助医学研究者定量分析和研究。