中科微点-全球专利检索

  1. Login
  2. Sign Up

Search Results

32 records (took 0.025 seconds)

    基于迁移学习的her2病理图像细胞膜着色完整性判别方法
    12.
    发明授权
    基于迁移学习的her2病理图像细胞膜着色完整性判别方法 有权

    公开(公告)号：CN113642518B

    公开(公告)日：2023-08-22

    申请号：CN202111014501.1

    申请日：2021-08-31

    Applicant: 山东省计算中心(国家超级计算济南中心)

    Inventor： 王迪 ,  李娜 ,  葛菁 ,  郭莹 ,  丁青艳 ,  李丽君 ,  卢晶晶

    IPC: G06V20/69 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

    Abstract: 本发明的基于迁移学习的her2病理图像细胞膜着色完整性判别方法，首先经图像筛选、染色分离和膜着色区域划分，由专家人工划分出包裹完整和包裹不完整膜染色的图像数据集，作为Inception‑V3模型训练的输入数据集；在特征提取步骤中，首先训练出Inception‑V3模型，再通过迁移学习对Inception‑V3模型进一步训练，得到神经网络的新分类模型。本发明的her2病理图像细胞膜着色完整性判别方法，通过迁移学习，可以在短时间内使用少量训练数据训练出效果较好的神经网络模型，针对不同个体可达到92%以上的正确率，为医生进行乳腺癌her2阳性状态判断提供了有效帮助。

    一种基于形态学的切片组织裱贴位置优良判别方法
    13.
    发明授权
    一种基于形态学的切片组织裱贴位置优良判别方法 有权

    公开(公告)号：CN113658209B

    公开(公告)日：2023-06-16

    申请号：CN202110924457.1

    申请日：2021-08-12

    Applicant: 山东省计算中心(国家超级计算济南中心)

    Inventor： 葛菁 ,  李娜 ,  王迪 ,  郭莹 ,  丁青艳 ,  李丽君 ,  卢晶晶

    IPC: G06T7/187 ,  G06T7/155 ,  G06T7/73

    Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法，包括：a).获取切片组织缩略图；b).标签位置识别和统一方向；c).去除标签信息；d).去除非病理组织的点和线；e).计算病理组织中心点偏离距离；f).计算病理组织与长轴的夹角；g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。

    基于网络性能综合权值决策的算网调度服务方法及系统
    14.
    发明公开
    基于网络性能综合权值决策的算网调度服务方法及系统 审中-实审

    公开(公告)号：CN116708446A

    公开(公告)日：2023-09-05

    申请号：CN202310967433.3

    申请日：2023-08-03

    Applicant: 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

    Inventor： 陈静 ,  李文 ,  葛菁 ,  李娜 ,  耿玉栋 ,  张传福 ,  孙浩

    IPC: H04L67/1001 ,  H04L67/101 ,  H04L67/1097

    Abstract: 本发明涉及算力资源调度技术领域，提供了基于网络性能综合权值决策的算网调度服务方法及系统，算网服务平台将筛选出来的不属于同一数据中心的存储平台和算力平台进行一一组合，得到若干组存储平台和算力平台的组合；根据每一种组合下存储平台与算力平台之间的不同网络性能指标的数值、不同网络性能指标的主观权重向量、不同网络性能指标的客观权重向量以及用户客户端的资源需求，构建存算分离场景或数据流转场景下的多目标优化函数，对函数进行求解，得到满足用户需求的最佳存储平台和算力平台组合；算网服务平台将用户客户端的作业和计算数据，部署到最佳存储平台和算力平台组合中进行存储和计算。提高了计算资源利用率和任务调度效率。

    一种基于形态学的切片组织裱贴位置优良判别方法
    15.
    发明公开
    一种基于形态学的切片组织裱贴位置优良判别方法 有权

    公开(公告)号：CN113658209A

    公开(公告)日：2021-11-16

    申请号：CN202110924457.1

    申请日：2021-08-12

    Applicant: 山东省计算中心(国家超级计算济南中心)

    Inventor： 葛菁 ,  李娜 ,  王迪 ,  郭莹 ,  丁青艳 ,  李丽君 ,  卢晶晶

    IPC: G06T7/187 ,  G06T7/155 ,  G06T7/73

    Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法，包括：a).获取切片组织缩略图；b).标签位置识别和统一方向；c).去除标签信息；d).去除非病理组织的点和线；e).计算病理组织中心点偏离距离；f).计算病理组织与长轴的夹角；g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。

    一种基于投票集成学习的心电数据智能分类方法
    16.
    发明公开
    一种基于投票集成学习的心电数据智能分类方法 有权

    公开(公告)号：CN111000553A

    公开(公告)日：2020-04-14

    申请号：CN201911395467.X

    申请日：2019-12-30

    Applicant: 山东省计算中心(国家超级计算济南中心)

    Inventor： 王迪 ,  武鲁 ,  葛菁 ,  赵志刚 ,  霍吉东 ,  李响 ,  李娜

    IPC: A61B5/0402

    Abstract: 本发明的基于投票集成学习的心电数据智能分类方法，其特征在于，通过以下步骤来实现：a).数据预处理；b).建立logistic回归模型；c).建立决策树模型；d).建立一个支持向量机；e).建立朴素贝叶斯模型；f).建立神经元模型；g).建立k邻近模型；h).模型集成，最终获得一个正确率不低于80%的模型，效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法，首先从ccdd中获取足够数量的数据，将其分为训练集和测试集，然后建立各类模型，最后，获得一个正确率不低于80%的模型，可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类，实现心血管疾病的早发现、早治疗。

    基于卷积神经网络的肺部CT影像衰老评估方法
    18.
    发明公开
    基于卷积神经网络的肺部CT影像衰老评估方法 审中-实审

    公开(公告)号：CN118864916A

    公开(公告)日：2024-10-29

    申请号：CN202410238974.7

    申请日：2024-08-05

    Applicant: 山东省计算中心(国家超级计算济南中心) ,  山东大学齐鲁医院

    Inventor： 王迪 ,  李娜 ,  于德新 ,  葛菁 ,  左立平 ,  田堂斌

    IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

    Abstract: 本发明的基于卷积神经网络的肺部CT影像衰老评估方法，包括模型构建与训练部分、分类器部分和模型评估部分，模型构建与训练部分首先以健康人群的肺部CT影像建立数据集，并根据健康人群的年龄段对CT影像进行分类，然后对图像进行增强处理和对类别标签进行编码处理，最后建立卷积神经网络模型；分类器部分采用Softmax函数，经过分类器分类，得到输入图像判别为各个衰老程度的概率，并以最高概率对应的年龄段作为CT影像的衰老结果。本发明的基于卷积神经网络的肺部CT影像衰老评估方法，以一种更加客观与快速的方式，实现有效的肺部CT影像评估，在减少人工评估工作量的同时，也减轻人工评估的主观意向对最终诊断结果的影响。

Patent Agency Ranking