-
公开(公告)号：CN113822865A
公开(公告)日：2021-12-21
申请号：CN202111096723.2
申请日：2021-09-18
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 一种基于深度学习的腹部CT图像肝脏自动分割方法属于医学图像分割技术领域，目的在于解决现有技术存在的整体网络复杂、训练开销大、训练过程较长、网络难收敛、无法捕获长距离依赖信息导致的分割精度低的问题。本发明提出了一种基于深度学习的腹部CT图像肝脏自动分割方法，以3D UNet为基础网络架构，并在相邻的编码器和解码器间引入残差连接来优化梯度传播和特征传递；同时，将原始UNet中的瓶颈层替换成提出的上下文收集模块(CCM)来获得具有密集上下文信息的特征；通过残差连接的引入和上下文收集模块的应用，本方法有效地提高了腹部CT图像中肝脏的自动分割精度，为肝癌的诊断和治疗提供了更有利的前提条件。
-
公开(公告)号：CN114266704B
公开(公告)日：2024-01-30
申请号：CN202111097009.5
申请日：2021-09-18
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 自适应光斑消除方法涉及计算机辅助医疗领域，解决了由照明设备引起的腹腔内壁镜面反射对腹腔镜影像影响的问题。该方法包括如下步骤：图像增强；颜色空间转换；光斑区域分割；光斑区域消除；本发明的方法相较于全局光斑去除算法在多区域小光斑场景下表现出色，保留了更多的纹理信息而全局光斑去除算法在去除光斑的同时模糊了大量的细节；相较于局部光斑去除算法，本方法在大区域高亮光斑场景下有更好的去除效果，图像中的光斑被去除的更加彻底。综上所述，本发明的方法在全局与局部光斑区域去除效果上相比其他算法都有较大的提升。
-
公开(公告)号：CN114143072A
公开(公告)日：2022-03-04
申请号：CN202111432734.3
申请日：2021-11-29
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： H04L9/40 , H04L9/08 , H04L67/1097 , G06F21/60 , G06F21/62
摘要： 本发明涉及一种基于CP‑ABE的属性撤销优化方法及系统。所述方法包括：获取CA授权中心输出的系统公钥和主密钥；基于访问结构和系统公钥对明文进行加密，输出密文；根据系统公钥和主密钥生成用户私钥；当访问结构涉及的属性发生撤销事件时，对密文进行重加密操作，输出重加密密文，并更新用户私钥；根据更新后的用户私钥解密重加密密文，获得明文。本发明方法针对每个属性选取密钥重加密密文，当发生用户属性撤销时，其他共享属性的合法用户无需与授权中心交互便可顺利获得新的重加密密钥，降低了通信开销并确保属性撤销的细粒度；同时，将传统单授权中心功能拆分为多个授权中心协同完成，保证授权中心在大量用户规模的云环境下能够安全、高效地工作。
-
公开(公告)号：CN113806983A
公开(公告)日：2021-12-17
申请号：CN202111097070.X
申请日：2021-09-18
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： G06F30/23 , G06F30/17 , G06F111/04 , G06F119/14
摘要： 一种腹腔镜手术中组织形变实时仿真方法涉及计算机辅助医疗领域，通过使用正四面体和锥形弹簧的质点弹簧模型，来对软组织进行保障其粘弹性和不可压缩性等特性的仿真。本发明采用使用中心正四面体单元和锥形弹簧的质点弹簧模型，在对软组织进行形变仿真时，能够保证软组织的不可压缩性和粘弹性等特性，同时能够实现约30FPS的仿真速率，能够初步满足实时性的要求，适合用于手术中的仿真。
-
公开(公告)号：CN114266704A
公开(公告)日：2022-04-01
申请号：CN202111097009.5
申请日：2021-09-18
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 自适应光斑消除算法涉及计算机辅助医疗领域，解决了由照明设备引起的腹腔内壁镜面反射对腹腔镜影像影响的问题。该算法包括如下步骤：图像增强；颜色空间转换；光斑区域分割；光斑区域消除；本发明的算法相较于全局光斑去除算法在多区域小光斑场景下表现出色，保留了更多的纹理信息而全局光斑去除算法在去除光斑的同时模糊了大量的细节；相较于局部光斑去除算法，本算法在大区域高亮光斑场景下有更好的去除效果，图像中的光斑被去除的更加彻底。综上所述，本发明的算法在全局与局部光斑区域去除效果上相比其他算法都有较大的提升。
-
公开(公告)号：CN113838021A
公开(公告)日：2021-12-24
申请号：CN202111097242.3
申请日：2021-09-18
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 基于改进的YOLOv5网络的肺结节检测系统涉及计算机辅助检测与诊断领域，进一步改进了原始的YOLOv5网络结构，使得肺结节检测精度进一步提高。本发明采用YOLOv5方法为基本框架，解决了二阶段检测算法中检测速度慢，复杂度高的问题。针对传统YOLO算法对小目标如肺部结节识别困难和肺部结节检测准确性差的问题。在原始YOLOv5网络的基础上，通过在骨干网络中嵌入SE注意机制和改变特征融合方法，改进了YOLOv5算法，提高了肺结节检测的精度。使主干网络更能聚焦感兴趣区域，提高特征表征能力。并在特征融合模块赋予不同层次的特征不同权重，实现更加有效的特征融合。
-
公开(公告)号：CN113813053A
公开(公告)日：2021-12-21
申请号：CN202111097230.0
申请日：2021-09-18
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 一种腹腔镜内窥影像的手术进程分析方法涉及医学图像处理领域，实现了整个神经网络模型的鲁棒性。本发明所提算法借助标定好的阶段数据集，利用深度学习对具有难以识别的视频帧的数据集进行有效的特征提取，更好地利用具有缺陷的数据集，并提高模型的鲁棒性。同时提出一种术中场景的当前帧特征信息与之前帧识别结果联合的方式，使阶段识别精度更高，有效、准确地进行手术进程分析。
-
公开(公告)号：CN111816186A
公开(公告)日：2020-10-23
申请号：CN202010323463.7
申请日：2020-04-22
申请人： 长春理工大学
摘要： 本发明公开了语音识别技术领域的一种声纹识别的特征参数提取系统及方法，该系统包括有同步控制器、麦克风阵列和计算机，本发明中采样频率取大于语音信号的最高频率的两倍，保住了采集信号的完整性，通过对采样的语音信号进行预加重处理，有效的提高了语音信号的高频信息，通过对Mel频率谱进行对数能量处理，能够有效减少噪声以及频率谱估计误差造成的干扰，通过对Mel频率谱中的对数能量进行离散余弦变换，可以使得得到的语音特征向量之间具有独立性，同时也能够减少语音特征参数的维度，本发明能够使得提取的声纹特征信息更加稳定可靠，使得识别正确率得到提高。
-
公开(公告)号：CN111598335A
公开(公告)日：2020-08-28
申请号：CN202010410157.7
申请日：2020-05-15
申请人： 长春理工大学
摘要： 一种基于改进谱聚类算法的交通区域划分方法，涉及智能交通技术领域，本发明是基于图论的聚类算法，其原理是将原本的聚类问题转化为拓扑图的划分问题，利用节点之间相似度设计相似矩阵，计算出该矩阵的前n特征向量,从而将不同数据点进行分类，以标准化拉氏矩阵为基础，然后求出矩阵的特征值和特征向量，最后通过遗传算法计算聚类结果；本发明的优点是从路网结构信息与聚类中心两个角度对传统谱聚类算法进行改进，通过马尔可夫链对相似图重构，考虑更多的复杂路网信息，然后结合遗传算法，提高全局的寻优能力，既有效保证了路网子区内部的同质性又满足了子区之间的差异性要求，同时又具有较好的聚类效果，能够有效地进行交通区域划分。
-
公开(公告)号：CN111568456A
公开(公告)日：2020-08-25
申请号：CN202010331744.7
申请日：2020-04-24
申请人： 长春理工大学
摘要： 本发明涉及一种基于特征点三维重建的膝关节姿态测量方法，包括步骤：建立膝关节的三维模型，并获得X线成像系统的空间位置参数；分别在左X线图像和右X线图像中提取六个特征点对应的投影点的位置信息；估计特征点在三维空间中的位置坐标；计算股骨远端转换到投影姿态的四元数q1和胫骨近端转换到投影姿态的四元数q2；根据四元数q1和四元数q2计算得到膝关节姿态角，确定膝关节的姿态。本发明通过对膝关节股骨和胫骨中的六个特征点进行三维重建，避免了迭代的配准过程与软组织伪影的影响，过程简便，减少了计算量，提高了计算效率，并且具有较高的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.037 秒)
