-
公开(公告)号:CN115187540A
公开(公告)日:2022-10-14
申请号:CN202210795789.9
申请日:2022-07-07
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
Abstract: 本发明公开一种人体三维椎体松质骨图像的自动分割方法及系统,方法包括以下步骤:将CT图像转换成最大密度投影图,利用投影成像原理,将三维图像朝着任意方向进行投影,并取每条投影线经过的所有CT值中最大值,作为投影图像中对应的像素值,得到数据集;基于目标识别模型获取三块椎体在原始CT图像中Z轴方向的坐标信息;根据三块椎体的坐标信息在CT图像上进行裁剪;基于3D AnatomyNet模型,先对裁剪后的图像只采用一个下采样层进行下采样,将压缩‑激励残差块代替之前的卷积操作,并将其作为AnatomyNet的构建块,提取有效特征;该方法克服因不同CT设备的影像质量、分割人员主观性和疲劳的限制所导致的分割结果不一致或分割精度不够高等问题。
-
公开(公告)号:CN114937502A
公开(公告)日:2022-08-23
申请号:CN202210795803.5
申请日:2022-07-07
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
Abstract: 本发明公开了一种基于深度学习的骨质疏松性椎体压缩性骨折评估方法及系统,包括以下步骤:获取临床中胸腰部三维CT原图像;对胸腰部三维CT原图像进行CT值归一化;基于目标椎体松质骨定位模型和分割模型对归一化处理所得图像数据集进行分割处理;利用分割后的图像对原图进行预处理,得到统一尺寸的图像作为输入骨质疏松性椎体压缩性骨折分类模型的数据集;基于骨质疏松性椎体压缩性骨折分类模型DenseNet对S4所得数据集进行评估得到发生骨质疏松性椎体压缩性骨折的概率;可辅助医师对OVCF患者进行快速鉴别,有效解决目前存在的OVCF疾病诊断大多通过医师目视法主观判断,以及OVCF整体漏诊率高,医疗条件及医师水平存在差异的状况。
-
公开(公告)号:CN115187540B
公开(公告)日:2023-08-18
申请号:CN202210795789.9
申请日:2022-07-07
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/774 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种人体三维椎体松质骨图像的自动分割方法及系统,方法包括以下步骤:将CT图像转换成最大密度投影图,利用投影成像原理,将三维图像朝着任意方向进行投影,并取每条投影线经过的所有CT值中最大值,作为投影图像中对应的像素值,得到数据集;基于目标识别模型获取三块椎体在原始CT图像中Z轴方向的坐标信息;根据三块椎体的坐标信息在CT图像上进行裁剪;基于3D AnatomyNet模型,先对裁剪后的图像只采用一个下采样层进行下采样,将压缩‑激励残差块代替之前的卷积操作,并将其作为AnatomyNet的构建块,提取有效特征;该方法克服因不同CT设备的影像质量、分割人员主观性和疲劳的限制所导致的分割结果不一致或分割精度不够高等问题。
-
公开(公告)号:CN113703795B
公开(公告)日:2024-10-25
申请号:CN202110998652.9
申请日:2021-08-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于分布式Jupyterhub的自流程化方法、系统及平台,使用DockerFile构建Jupyterhub Singleuser镜像,以docker镜像仓库中提供的镜像库作为构建基础,并进行配置文件修改;提供基于Jupyterlab的自流程化方法的前后端服务交互组件;使用基于Jupyterlab的自流程化方法组件重新部署Jupyterhub镜像,将基于Jupyterlab进行自流程化方法的组件集成至构建的Jupyterhub Singleuser镜像中,使用户直接调用自流程化方法;利用Kubernates部署Jupyterhub Singleuser镜像,通过部署PVC、PV组件持久化用户数据,实现自流程化方法。本发明实现了教学、实践的有机融合,在高校人工智能课程相关的教学中具有突出的应用效果。
-
公开(公告)号:CN117475018A
公开(公告)日:2024-01-30
申请号:CN202311417580.X
申请日:2023-10-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种CT运动伪影去除方法,具体包括如下步骤:步骤1,采集带运动伪影的CT图像;步骤2,筛选出清晰CT影像切片;步骤3,向步骤2中筛选出的清晰CT影像加入人工仿真的运动过程,进而得到带有运动伪影的CT影像切片,获得配对CT影像数据集;步骤4,使用步骤3得到的配对CT影像数据集训练基于核的UNet网络模型;步骤5,使用带运动伪影的CT影像数据来测试步骤4训练好的基于核的UNet网络模型,输出清晰的CT影像数据。采用本发明提供的方法能够去除CT影像中刚性、非刚性运动所造成的多样化、非均匀化的运动伪影。
-
公开(公告)号:CN117390006A
公开(公告)日:2024-01-12
申请号:CN202311489116.1
申请日:2023-11-09
Applicant: 西安交通大学
IPC: G06F16/215 , G06F16/29
Abstract: 本发明公开了台账数据辅助的分布式高速铁路里程校正方法,包括如下过程:读取高铁轨道几何的检测数据和台账数据,通过定位、匹配的方式找到与每条台账数据对应的台账曲线所匹配的检测曲线,然后进行平移校正;再通过等分插值方法将非曲线段进行校正,通过交替拼接得到完整的校正后数据。采用本发明能够辅助铁路技术人员进行轨道几何数据的里程校正,解决了目前里程校正速度慢的问题。
-
公开(公告)号:CN115760651A
公开(公告)日:2023-03-07
申请号:CN202211700887.6
申请日:2022-12-28
Applicant: 西安交通大学
IPC: G06T5/00 , G06N3/084 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种改进的RegGAN低剂量CT图像去噪方法及相关装置,包括以下步骤:采集使用低剂量技术所成的胸腹部CT图像以及使用正常剂量所成的未严格对齐的配对胸腹部CT图像;将配对CT图像数据集随机划分成训练集与测试集;给定模型损失函数与优化器,并设定合适的超参数,训练低剂量CT图像去噪模型;利用训练好的模型对低剂量CT图像进行高质量的图像去噪与复原。本发明通过谱归一化约束鉴别器网络权重参数使得训练更加稳定;加入感知损失函数使去噪后图像能够保留更多纹理信息。本发明为深度学习技术应用于临床低剂量CT图像去噪提供了一种更好的选择,不仅对数据集没有严格的要求,而且在图像质量方面也能够满足诊断需求。
-
公开(公告)号:CN114913262A
公开(公告)日:2022-08-16
申请号:CN202210621149.6
申请日:2022-06-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种采样模式与重建算法联合优化的核磁共振成像方法及系统,分别构建混合拉普拉斯概率生成网络模型,可微二值化模型和MRI重建网络ADMM‑CSNET+;将混合拉普拉斯概率生成网络模型,可微二值化模型和MRI重建网络ADMM‑CSNET+进行端到端训练,得到可微训练框架;向训练好的可微训练框架输入k空间的欠采样数据,输出重建后的核磁共振图像。本发明方法重建的图像能够提供完整的细节信息,并没有明显的噪声伪影。
-
公开(公告)号:CN114329981A
公开(公告)日:2022-04-12
申请号:CN202111648706.5
申请日:2021-12-29
Applicant: 西安交通大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于ADMM预条件的DGMRES双迭代高维电磁仿真方法及系统,使用矩量法电磁计算软件生成电磁仿真线性方程组;对前一步中的观测矩阵创建分布式阵列;将上一步得到的分布式阵列带入多参数ADMM预条件算法,得到预条件子;将上一步得到预条件子以及预条件解带入右预条件DGMRES双迭代算法,并行求解,得到电磁仿真线性方程组的近似解。本发明解决了大规模电磁仿真线性方程组求解困难的瓶颈,实现了大规模电磁仿真线性方程组的高效、快速的求解。
-
公开(公告)号:CN109840270A
公开(公告)日:2019-06-04
申请号:CN201811576889.2
申请日:2018-12-23
Applicant: 国网浙江省电力有限公司 , 西安交通大学 , 国网安徽省电力有限公司电力科学研究院 , 南瑞集团有限公司
Abstract: 本发明实施例提出了一种基于Neo4j的电网设备信息管理方法,包括获取知识图谱的输入内容,从输入内容中抽取知识单元;根据资源描述框架对已抽取到的知识单元进行语义描述,确定在低维空间中对高效计算实体之间的复杂语义关联;对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模,根据建立的模型确定电网设备之间的拓扑关系。通过Neo4j进行设备信息管理能够保证数据的完整性,兼顾电网的拓扑特性,解决使用关系型数据库进行电网设备信息管理出现的并发读写性能不高、模型属性增减不灵活以及拓扑分析性能低下等问题,提高电网设备信息检索和提取效率。
-
-
-
-
-
-
-
-
-