-
公开(公告)号：CN108182976A
公开(公告)日：2018-06-19
申请号：CN201711462492.6
申请日：2017-12-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于神经网络的临床医学信息提取方法，通常医学文本中具有许多专业性词汇、生僻词汇以及用数字和字符组成的时间表达式等，但是利用卷积神经网络得到的字符向量可以包含单词的形态学信息，因此可以很好的解决这个问题。同时本文使用的双向LSTM能很好地捕获上下文信息。此外，使用神经网络的方法避免了机器学习中人为设计特征这一过程，能很好的解决领域适应的问题。本发明的方法在不同的数据领域上都取得了较好的结果，能高效准确智能地从海量医疗数据中提取有实用价值以及研究意义的信息。
-
公开(公告)号：CN110243454B
公开(公告)日：2020-06-19
申请号：CN201910610340.9
申请日：2019-07-08
Applicant: 西安交通大学
Abstract: 本发明公开一种粘弹媒质中基于双频叠加的微泡增效动力学实验系统及方法，实验方法包括：1)根据水听器测量的焦区声场实际波形，设置KZK方程参数构建微泡非线性激励波形；2)根据生物组织的粘弹性和微泡在可压缩流体中的振动特性构建HIFU增效模型；3)建立基于双频叠加的微泡增效动力学方法；4)结合以上步骤的仿真结果确定HIFU波形相位、声压、频率参数进行热消融或组织毁损实验。本发明充分利用了生物组织内微泡的动力学特性，设计声波波形、相位参数，在焦区引发微泡的最大振动，增强空化效应，提高了HIFU热消融和组织毁损的安全性和效率。
-
公开(公告)号：CN110243454A
公开(公告)日：2019-09-17
申请号：CN201910610340.9
申请日：2019-07-08
Applicant: 西安交通大学
Abstract: 本发明公开一种粘弹媒质中基于双频叠加的微泡增效动力学实验系统及方法，实验方法包括：1)根据水听器测量的焦区声场实际波形，设置KZK方程参数构建微泡非线性激励波形；2)根据生物组织的粘弹性和微泡在可压缩流体中的振动特性构建HIFU增效模型；3)建立基于双频叠加的微泡增效动力学方法；4)结合以上步骤的仿真结果确定HIFU波形相位、声压、频率参数进行热消融或组织毁损实验。本发明充分利用了生物组织内微泡的动力学特性，设计声波波形、相位参数，在焦区引发微泡的最大振动，增强空化效应，提高了HIFU热消融和组织毁损的安全性和效率。
-
公开(公告)号：CN108732240A
公开(公告)日：2018-11-02
申请号：CN201810387740.3
申请日：2018-04-26
Applicant: 西安交通大学
Abstract: 本发明公开一种激光Doppler监测脉冲声辐射力剪切波定量估计HIFU损伤粘弹性的系统和方法，系统中：同步信号控制系统连接任意波形发生器和高速数据采集卡，任意波形发生器通过功率放大器、阻抗匹配网络连接高强度聚焦超声换能器；高强度聚焦超声换能器设置于水箱外部，被测仿体组织设置于水箱内部且连接一个三维移动装置；激光Doppler设备设置于水箱外部，且连接另一个三维移动装置；激光Doppler设备的输出端经高速数据采集卡连接PC机。本发明采用单脉冲作用于仿体组织，有效减少超声作用时间和超声辐射剂量；利用激光Doppler跟踪声辐射力剪切波，并使用2D-FT的算法得到了剪切波波速和衰减系数，进一步解析出剪切弹性模量和剪切粘性系数，克服了现有SDUV方法的不足。
-
公开(公告)号：CN114574802A
公开(公告)日：2022-06-03
申请号：CN202210254139.3
申请日：2022-03-15
Applicant: 西安交通大学
Abstract: 本发明属于新材料技术领域，且公开了一种新型碳化铬涂层，该所述碳化铬涂层中Cr元素的原子百分比为60～90％，C元素的原子百分比为40～10％，且碳化铬涂层厚度为0.2～30μm，表面显微硬度为6～24GPa。本发明采用碳化铬靶材与铬金属靶进行共溅射，通过分别调控两种靶的数量和溅射功率来调节涂层中元素比例，得到元素含量适当的Cr‑C二元硬质涂层，可制备铬/碳原子比为1.5：1到9：1之间的特定成分，涂层成分精准、组织致密；打底层到碳化铬为梯度结构，结合强度高；涂层中不含单质碳相，抗高温氧化性能好；涂层不含氢元素，可避免氢脆带来的不利影响；适用于钢、高温合金、钛合金和锆合金等有色金属以及氮化铝和氧化铝等陶瓷基材的防护，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN113664743A
公开(公告)日：2021-11-19
申请号：CN202110969787.2
申请日：2021-08-23
Applicant: 西安交通大学
IPC: B24D18/00 , C23C14/16 , C23C14/18 , B24B53/017
Abstract: 本发明公开了一种CMP金刚石修整器的制造方法，包括以下步骤：步骤一，清洗；步骤二，涂敷；步骤三，镀覆；步骤四，筛选；步骤五，平铺；步骤六，覆膜；步骤七，除膜；其中上述步骤一中，首先对不锈钢基底进行清洗；其中上述步骤二中，在不锈钢基底上涂敷的光刻胶，利用光刻技术进行图案化，在所需图案上保留光刻胶；步骤三中，利用PVD法代替电镀法覆膜固定金刚石；该发明，大幅缩减生产步骤；利用电镀法制备时，需经过多次电镀以及检测，充分的缩短生产时间，PVD法通过改变时间、功率，优化工艺调整微观组织，控制薄膜厚度和成分，提高生产效率，PVD法对环境更加友好，无污染，耗材少，成膜均匀致密，与基体的结合力强，对于金刚石的固定效果更好。
-
公开(公告)号：CN109543183B
公开(公告)日：2021-01-19
申请号：CN201811367895.7
申请日：2018-11-16
Applicant: 西安交通大学
IPC: G06F40/211 , G06F40/295 , G06N3/04
Abstract: 本发明提供基于深度神经网络和标注策略的多标签实体‑关系联合提取方法，基于标注策略的联合提取方法，可以有效的避免在命名实体识别子任务中产生的错误会传播至关系分类子任务中和忽视了两个子任务间相互作用的弊端。同时，本发明使用Tree‑GRU作为编码层，可以使模型更加充分的学习到整个句子的依存句法信息，为准确识别两个实体间是否存在关系及存在关系的类型带来帮助。此外，由于海量文本本身具有的复杂性，一个实体可能包含在多种关系中，多标签分类器的使用，很好地解决了上述问题。本发明的方法在不同的数据领域上都取得了较好的结果，能高效准确智能地从海量文本数据中提取有实用价值以及研究意义的信息。
-
公开(公告)号：CN108732240B
公开(公告)日：2020-06-19
申请号：CN201810387740.3
申请日：2018-04-26
Applicant: 西安交通大学
Abstract: 本发明公开一种激光Doppler监测脉冲声辐射力剪切波定量估计HIFU损伤粘弹性的系统和方法，系统中：同步信号控制系统连接任意波形发生器和高速数据采集卡，任意波形发生器通过功率放大器、阻抗匹配网络连接高强度聚焦超声换能器；高强度聚焦超声换能器设置于水箱外部，被测仿体组织设置于水箱内部且连接一个三维移动装置；激光Doppler设备设置于水箱外部，且连接另一个三维移动装置；激光Doppler设备的输出端经高速数据采集卡连接PC机。本发明采用单脉冲作用于仿体组织，有效减少超声作用时间和超声辐射剂量；利用激光Doppler跟踪声辐射力剪切波，并使用2D‑FT的算法得到了剪切波波速和衰减系数，进一步解析出剪切弹性模量和剪切粘性系数，克服了现有SDUV方法的不足。
-
公开(公告)号：CN109543183A
公开(公告)日：2019-03-29
申请号：CN201811367895.7
申请日：2018-11-16
Applicant: 西安交通大学
Abstract: 本发明提供基于深度神经网络和标注策略的多标签实体-关系联合提取方法，基于标注策略的联合提取方法，可以有效的避免在命名实体识别子任务中产生的错误会传播至关系分类子任务中和忽视了两个子任务间相互作用的弊端。同时，本发明使用Tree-GRU作为编码层，可以使模型更加充分的学习到整个句子的依存句法信息，为准确识别两个实体间是否存在关系及存在关系的类型带来帮助。此外，由于海量文本本身具有的复杂性，一个实体可能包含在多种关系中，多标签分类器的使用，很好地解决了上述问题。本发明的方法在不同的数据领域上都取得了较好的结果，能高效准确智能地从海量文本数据中提取有实用价值以及研究意义的信息。
-
公开(公告)号：CN202802755U
公开(公告)日：2013-03-20
申请号：CN201220513772.1
申请日：2012-10-09
Applicant: 西安交通大学城市学院
Abstract: 一种机械蝎子，底板末端安装主电机，主电机连结曲柄，曲柄与T型杆组成曲柄滑块机构，T型杆通过连杆与三组装有电机的钢化板固定，钢化板上电机与与平行四边形机构连动，实现腿部的起落，机械手夹持器上通过三个电机实现其无死角夹持物体，一端的电机实现X，Y平面的运动，方便侦测前方环境。本实用新型三组独立的运动，实现人机交互，可玩性强，机械蝎子不仅有助于开发孩子智力，锻炼动手动脑能力，也可满足其对生物以至于对自然界的好奇心，对于成年人，特别是老年人可以起到排遣寂寞添加乐趣的作用。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.056 seconds)
