-
公开(公告)号：CN118552726A
公开(公告)日：2024-08-27
申请号：CN202410639622.2
申请日：2024-05-22
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06V10/80 , G06V10/771 , G06N3/0455 , G06N3/048 , G06N3/0464
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于深度学习网络的超声乳腺癌图像病灶区自动分割方法，包括：获取乳腺癌超声图像数据集，对乳腺癌超声图像数据集中的数据进行预处理，得到训练数据集；构建乳腺癌自动分割网络，该网络包括特征提取模块、张量采样模块、编码解码模块、MarAtt注意力模块以及空洞卷积模块；将训练集中的数据输入到乳腺癌自动分割网络中进行训练；获取待分割的乳腺癌超声图像，将乳腺癌超声图像输入到训练后的乳腺癌自动分割网络中，得到图像病灶区分割结果；本发明能够挖掘出图像的深层特征，提高了模型的识别效率。
-
公开(公告)号：CN117274295A
公开(公告)日：2023-12-22
申请号：CN202311230542.3
申请日：2023-09-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及图像处理识别系统技术领域，具体为一种新型阵列式尿液试纸即时检测分析方法，包括：将尿液浸润新型尿液试纸中，获取新型尿液试纸完成尿液浸润后的试纸图像；对试纸图像进行背景消除处理得到试纸轮廓图像；对试纸轮廓图像进行矫正图像处理得到矫正试纸轮廓图像；根据边界定位方法和水平投影算法分割矫正试纸轮廓图像，得到多个单项指标检测分析阵列图像；对每一个单项指标检测分析阵列图像分别进行检测分析；本发明效率高操作简单，避免了环境光干扰和人眼识别准确率低的问题。
-
公开(公告)号：CN119517429A
公开(公告)日：2025-02-25
申请号：CN202411413953.0
申请日：2024-10-11
Applicant: 重庆邮电大学
IPC: G16H50/70 , G06F18/213 , G06F18/214 , G06F18/2415 , G06F18/243 , G06F18/25 , G06N3/0499 , G06N3/048 , G06N3/084 , G06N5/01 , G06N20/20
Abstract: 本发明属于深度学习技术领域，具体涉及一种针对医疗文本数据的多维数据融合处理方法，包括：获取多维数据，将多维数据输入到训练后的融合模型中，得到多维数据融合结果；对融合模型进行训练包括：获取多维数据集，采用数据拆分技术将多维数据集划分为训练集和测试集；对训练集中的数据进行特征提取，提取的特征进行张量转换，对经过张量转换后的特征进行重构；将重构后的特征数据输入到融合模型中进行训练，调整模型参数，当模型损失函数最小时，完成模型的训练；本发明在模型定义阶段，使用DNN深度学习的网络架构，以确保模型能够有效地学习和预测目标变量；通过构建的多维数据融合处理方法，从多种检查方式所得的原始医疗文本中直接提取关键信息，提高了用户工作效率。
-
公开(公告)号：CN119229116A
公开(公告)日：2024-12-31
申请号：CN202411267421.0
申请日：2024-09-11
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/0495
Abstract: 本发明涉及肝分割技术领域，具体涉及一种基于多头注意力特征融合的肝图像分割方法，包括基于Unet网络结构建立肝图像分割模型，采集肝CT图像及其对应的标注区域图像；对肝CT图像进行边缘检测算子处理得到肝区域轮廓图像；对肝CT图像进行二值化处理得到肝区域二值化图像；将肝CT图像通过分割网络得到肝区域粗分割图像；将肝CT图像、标注区域图像、肝区域轮廓图像、肝区域二值化图像和肝区域粗分割图像调整到相同尺寸后合并，得到合并图像；采用合并图像集训练肝图像分割模型，采用损失函数计算损失，根据损失优化模型参数直至收敛；获取待处理肝CT图像输入训练好的肝图像分割模型，得到肝分割图像；本发明能提供更精确的分割图像。
-
公开(公告)号：CN118795762A
公开(公告)日：2024-10-18
申请号：CN202411128686.2
申请日：2024-08-16
Applicant: 重庆邮电大学
IPC: G05B11/42
Abstract: 本发明属于控制领域，请求公开一种基于PID参数自适应的超声换能器激励电源控制方法，所述方法包括基于扫频信号，检测超声换能器是否正常运行；基于超声换能器输出的初始电压信息和初始电流信息，计算得到初始控制信号，驱动超声换能器开始运行；基于超声换能器输出的实时电压信息和实时电流信息，计算得到实时控制信号，基于实时控制信号，通过PID控制器调节超声换能器的运行；当超声换能器作用的负载发生变化时，利用差分进化算法对PID控制器的控制参数进行自适应优化整定，从而实现对换能器谐振频率的跟踪以及功率的控制，整个过程实现全自动化，有效地提升了换能器的使用寿命和输出功率。
-
Patent Agency Ranking
公开(公告)号：CN112914571A
公开(公告)日：2021-06-08
申请号：CN202110249644.4
申请日：2021-03-08
Applicant: 重庆邮电大学
Abstract: 本发明属于医疗与机械控制领域，具体涉及一种机械臂的血液采集装置，该装置包括：机械臂组件、血液采集组件、视觉识别定位模块以及手指挤压定位组件，所述机械臂组件与血液采集组件固定连接，手指挤压定位组件固定在血液采集组件的下方，视觉识别定位模块设置在手指挤压定位组件的侧面；本发明设计了一种机械臂采血运动控制装置，通过该装置使采血者与被采血者之间无接触，大大提高采血效率，节约医疗成本。
-
公开(公告)号：CN119600041A
公开(公告)日：2025-03-11
申请号：CN202411654473.3
申请日：2024-11-19
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于多尺度混合卷积的超声乳腺病灶区自动分割方法，包括采用U2‑Net作为网络框架进行图像分割，其特征在于，在每个残差块中的跳跃连接处，通过多尺度注意力门对特征图进行处理后再与对应特征图进行跳跃连接。本发明提出将混合卷积块和多尺度注意力门与U2‑Net网络结构相融合，通过逐点卷积、普通卷积、扩张卷积三种不同感受野卷积块进一步抑制不重要的特征并增强有价值的特征，以实现快速有效地对乳腺癌病灶区域进行分割；其次本发明还在残差块的编码器的最后一层卷积层上连接混合卷积块，用于提取小U型的全局上下文信息；本发明能够提高对超声图像病灶区的识别及分割效率，降低医生的工作负担，辅助临床诊断。
-
公开(公告)号：CN119511722A
公开(公告)日：2025-02-25
申请号：CN202411641748.X
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了基于LADRC控制器参数自适应的压电换能器控制方法，该方法包括：构建压电换能器的等效电学模型，将电压激励输入该等效电学模型得到其电压响应和电流响应；将所述电压响应和电流响应分别输入模型辨识工具箱，得到压电换能器传递函数；基于压电换能器传递函数，计算得到其等效电学模型输出端电压信号、电流信号之间的相位差和电流有效值；将所述相位差和电流有效值输入经参数整定后的LADRC控制器，产生控制信号，通过控制信号驱动压电换能器在谐振状态下运行。本发明将被控对象压电换能器简化为压电换能器的传递函数，简化了LADRC控制器参数，使得整个参数整定过程实现自动化且节省了大量的时间。
-
公开(公告)号：CN116004382A
公开(公告)日：2023-04-25
申请号：CN202310018492.6
申请日：2023-01-06
Applicant: 重庆邮电大学
Abstract: 本发明属于生物学装置领域，涉及组织细胞培养装置，具体涉及一种同步光照的三维细胞力学加载装置。本方案通过改良力学微环境的营造模式、设计可调节激光/非相干光的光源阵列、搭建力学‑光学联合刺激的自动化运行、监测和反馈调控，使得力学‑光学联合刺激同步进行，使得光生物学效应研究过程中，光源阵列产生的激光或非相干光的波长和光源强度可控，使得力学加载模式更加多样化，能够实现更多条件下的控制，增加了模拟生理或病理状态下细胞受刺激的复杂微环境的真实性，提高了细胞三维力学研究地准确性；同时，本方案简化了实验操作，降低了实验难度，使得整体实验更加连贯和流畅。
-
公开(公告)号：CN114708352A
公开(公告)日：2022-07-05
申请号：CN202210424881.4
申请日：2022-04-22
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理技术领域，涉及一种基于无监督学习的低剂量CT图像恢复方法及系统；包括获取低剂量CT图像并采用全变分模型进行特征分解，得到基础层图像和细节层图像；对基础层图像下采样得到内容特征图像和潜在纹理层图像，分别对内容特征层图像和细节层图像进行图像增强和降噪处理，得到基础层增强图像和细节层降噪图像；将潜在纹理层图像、基础层增强图像和细节层降噪图像分段融合得到低剂量CT恢复图像；本发明将低剂量CT图像进行解耦，对低频区进行对比度增强，对高频区进行去噪，提高了整体图像质量，减少医生误诊率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
