-
公开(公告)号:CN114418999A
公开(公告)日:2022-04-29
申请号:CN202210066319.9
申请日:2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于病变关注金字塔卷积神经网络的视网膜病变检测系统,本发明涉及视网膜病变检测系统。本发明的目的是为了解决现有视网膜病变检测准确率低的问题。系统包括:图像处理主模块用于采集原始视网膜病变图像,对采集的原始视网膜病变图像进行预处理,获得预处理后的原始视网膜病变图像;神经网络主模块用于搭建病变关注金字塔卷积神经网络模型;训练主模块利用预处理后的原始视网膜病变图像对搭建好的病变关注金字塔卷积神经网络模型进行训练,获得训练好的病变关注金字塔卷积神经网络模型;检测主模块用于加载训练好的病变关注金字塔卷积神经网络模型,对待测试视网膜病变图像进行分类。本发明用于医学图像处理领域。
-
公开(公告)号:CN111488914B
公开(公告)日:2020-12-25
申请号:CN202010188695.6
申请日:2020-03-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多任务学习的阿尔茨海默症分类及预测系统,本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集头部图像,对采集的头部图像进行预处理,获得预处理后的图像,并将预处理后图像输入训练主模块和检测主模块;所述临床指标处理主模块用于选定临床指标,获取临床指标的特征向量,并将临床指标的特征向量输入训练主模块和检测主模块;所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
公开(公告)号:CN111488914A
公开(公告)日:2020-08-04
申请号:CN202010188695.6
申请日:2020-03-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多任务学习的阿尔茨海默症分类及预测系统,本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集头部图像,对采集的头部图像进行预处理,获得预处理后的图像,并将预处理后图像输入训练主模块和检测主模块;所述临床指标处理主模块用于选定临床指标,获取临床指标的特征向量,并将临床指标的特征向量输入训练主模块和检测主模块;所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
公开(公告)号:CN107263262A
公开(公告)日:2017-10-20
申请号:CN201710572082.0
申请日:2017-07-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: B24B21/18
CPC classification number: B24B21/18
Abstract: 本发明公开了一种六自由度砂带磨削单元姿态补偿装置,气弹簧外壳和气弹簧活塞杆组成弹性支撑杆,并通过第二球关节轴承和第一球关节轴承分别与位姿补偿板和基座板分别铰接;在气弹簧外壳与第一球关节轴承之间连接有第一长度调节杆、第二长度调节杆和第三长度调节杆;所述位姿补偿板为矩形,两个弹性支撑杆布置在位姿补偿板的一侧,另一个弹性支撑杆布置位姿补偿板的另一侧;顶出气缸固定在位姿补偿板上,顶出气缸的活塞杆与打磨板固连,打磨板四角处固定有导向轴,分别插入固定在位姿补偿板的导向轴套中。本发明节省与机器人配合打磨时的校正时间,降低对机器人和磨削单元的定位等级,同时增加了打磨系统的适应性,提高砂带的磨削质量。
-
公开(公告)号:CN114418999B
公开(公告)日:2022-09-23
申请号:CN202210066319.9
申请日:2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于病变关注金字塔卷积神经网络的视网膜病变检测系统,本发明涉及视网膜病变检测系统。本发明的目的是为了解决现有视网膜病变检测准确率低的问题。系统包括:图像处理主模块用于采集原始视网膜病变图像,对采集的原始视网膜病变图像进行预处理,获得预处理后的原始视网膜病变图像;神经网络主模块用于搭建病变关注金字塔卷积神经网络模型;训练主模块利用预处理后的原始视网膜病变图像对搭建好的病变关注金字塔卷积神经网络模型进行训练,获得训练好的病变关注金字塔卷积神经网络模型;检测主模块用于加载训练好的病变关注金字塔卷积神经网络模型,对待测试视网膜病变图像进行分类。本发明用于医学图像处理领域。
-
公开(公告)号:CN115047350A
公开(公告)日:2022-09-13
申请号:CN202210729394.9
申请日:2022-06-24
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 一种基于数模联动的锂离子电池剩余使用寿命预测方法,本发明涉及锂离子电池剩余使用寿命预测方法。本发明的目的是为了解决基于模型和数据驱动的剩余使用寿命预测方法结合困难、传统数据驱动方法难以衡量剩余使用寿命的不确定性以及难以反映时间窗口数据中不同时刻的重要性程度的问题。过程为:步骤一、搭建基于时间注意力机制的双向门控循环单元网络模型;过程为:模型依次包含对时间的注意力机制网络、双向门控循环单元网络和全连接层三个部分;步骤二、训练基于时间注意力机制的双向门控循环单元网络模型;步骤三、构建基于粒子滤波的电池退化模型;步骤四、在线预测剩余使用寿命。本发明适用于电池使用寿命预测领域。
-
公开(公告)号:CN114722952A
公开(公告)日:2022-07-08
申请号:CN202210416390.5
申请日:2022-04-20
Applicant: 哈尔滨工业大学
Abstract: 一种基于表示学习的轴承故障检测和分类的一体化方法,本发明涉及轴承故障检测和分类的一体化方法。本发明的目的是为了解决现有采用数据驱动的方法进行轴承故障诊断过程中,获得大量的轴承故障样本是十分困难的,以及为不同的故障类型的数据设计准确的标签存在很大的限制的问题。过程为:1、提取轴承的振动数据;2、特征提取:从时域、频域2个角度提取数据的特征;3、搭建故障检测神经网络:故障检测神经网络包括编码器、噪声引入、自注意力机制层以及解码器;4、训练故障检测神经网络;5、搭建故障分类神经网络;6、训练故障分类神经网络;7、在线故障检测与故障分类。本发明用于轴承故障诊断与人工智能相结合的学科交叉领域。
-
公开(公告)号:CN113659833B
公开(公告)日:2022-05-17
申请号:CN202110976680.0
申请日:2021-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种并联直流‑直流变换器的寿命延长方法,本发明涉及并联直流‑直流变换器的寿命延长方法。本发明的目的是为了解决现有方法难以精确预测系统的健康状态,导致无法缓解模块化功率转换系统中的老化程度不匹配,从而缩短电力电子系统寿命的问题。过程为:1.获取训练数据;2.搭建神经网络模型;3.训练神经网络,得到训练好的神经网络;4.在线获得测试数据,预测并联式DC‑DC变换器系统的健康状态;5.重复执行3和4N次,保留在测试数据上预测效果最好的神经网络用于最终的在线预测,执行6;6.延长系统的剩余使用寿命。本发明用于电力电子系统人工智能健康管理领域。
-
公开(公告)号:CN113659833A
公开(公告)日:2021-11-16
申请号:CN202110976680.0
申请日:2021-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种并联直流‑直流变换器的寿命延长方法,本发明涉及并联直流‑直流变换器的寿命延长方法。本发明的目的是为了解决现有方法难以精确预测系统的健康状态,导致无法缓解模块化功率转换系统中的老化程度不匹配,从而缩短电力电子系统寿命的问题。过程为:1.获取训练数据;2.搭建神经网络模型;3.训练神经网络,得到训练好的神经网络;4.在线获得测试数据,预测并联式DC‑DC变换器系统的健康状态;5.重复执行3和4N次,保留在测试数据上预测效果最好的神经网络用于最终的在线预测,执行6;6.延长系统的剩余使用寿命。本发明用于电力电子系统人工智能健康管理领域。
-
公开(公告)号:CN111598894B
公开(公告)日:2021-02-09
申请号:CN202010309418.6
申请日:2020-04-17
Applicant: 哈尔滨工业大学
Abstract: 基于全局信息卷积神经网络的视网膜血管图像分割系统。本发明涉及视网膜血管图像分割系统,本发明为了解决现有卷积神经网络视网膜血管图像分割中全局信息利用有限、重要特征易丢失的问题。本发明所述系统包括:图像处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集原始视网膜图像,对采集的原始视网膜图像进行预处理,将处理后的图像输入训练主模块和检测主模块;所述神经网络主模块用于建立能够提取全局信息并强化特征的卷积神经网络;所述训练主模块用于初始化网络参数,获得训练好的卷积神经网络模型;所述检测主模块用于利用训练好的模型进行测试,计算模型性能指标。本发明属于视网膜血管图像分割系统领域。
-
-
-
-
-
-
-
-
-