-
公开(公告)号：CN117422911B
公开(公告)日：2024-04-30
申请号：CN202311366788.3
申请日：2023-10-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06V10/774 , G06T7/00 , G06T7/194 , G06N20/00
Abstract: 一种协同学习驱动的多类别全切片数字病理图像分类系统，它属于医学图像分析技术领域。本发明解决了现有方法仅关注二分类且无法捕捉类相关语义信息的问题。本发明首先获取待分类的全切片数字病理图像，再对图像进行预处理，获取前景组织区域图像并将前景组织区域图像分割为子图像补丁；对子图像补丁进行编码，根据编码结果得到补丁特征令牌；设置分类令牌，根据补丁特征令牌和分类令牌进行计算，再根据计算结果生成类激活图，并根据类激活图得到类别的热力图。本发明可以应用于数字病理图像分类。
-
公开(公告)号：CN116784815A
公开(公告)日：2023-09-22
申请号：CN202310617270.6
申请日：2023-05-29
Applicant: 哈尔滨工业大学(威海)
IPC: A61B5/0245 , A61B5/024 , A61B5/346 , A61B5/352 , A61B5/355 , A61B5/00 , G06F18/24 , G06N3/0455 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络和Transformer结合的异常心律分类方法，所述方法先将原始的心电数据经过恰当的处理后转变成序列形式，然后利用卷积神经网络与Transformer相结合的深度神经网络来让机器自动学习向量形式的心电数据的内在特征，仅使用简单易得的R‑R间期特征，完全抛弃其他人为设计的复杂特征。整个过程中无需人为进行大量复杂的处理，用于异常心律分类时可以极大地提高效率和准确率。本发明在MIT‑BIH异常心律数据库上进行了测试，取得了良好的性能。在对五种异常心律的分类时，测试集上的性能为平均准确率上达到了97.66％。
-
公开(公告)号：CN114863104B
公开(公告)日：2023-08-08
申请号：CN202210480964.5
申请日：2022-05-05
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/09
Abstract: 一种基于标签分布学习的图像分割方法，它属于图像处理技术领域。本发明解决了现有方法无法充分利用神经网络中捕捉的先验信息导致分割结果的准确率低，且分割结果边界不连续的问题。本发明首先利用语义分割标签生成多分辨率的标签分布，并在分割网络不同的上采样层加入对应分辨率的标签分布监督，利用标签分布学习的方法训练网络，并得到不同细节的预测区域分布，最后基于上述预测区域分布实现逐像素的稠密分布预测。本发明方法能够充分利用分割网络中生成的先验信息，并能够有效的捕捉边界信息进而促进边界的分割，可以准确且高效地实现图像的语义分割任务，保证了图像分割的准确性。本发明方法可以应用于对图像进行分割。
-
公开(公告)号：CN116152285A
公开(公告)日：2023-05-23
申请号：CN202310117871.0
申请日：2023-02-15
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习和灰度信息的图像分割系统，具体涉及一种用于小样本核磁共振数据图像的基于深度学习和灰度信息的分割系统，为了解决核磁共振影像分割时要依赖大量的影像数据，泛化性能差，且在灰度分布不均匀的核磁共振影像中分割准确率较低，或存在分割不全以及分割目标不连续的问题，它包括编码模块、空间注意力模块、灰度校正模块、分割模块、损失模块，编码模块分别与空间注意力模块、灰度校正模块和分割模块连接，空间注意力模块与灰度校正模块连接，损失模块分别与灰度校正模块和分割模块连接。本发明采用了深度学习技术和灰度偏置校正，利用深度学习技术将灰度偏置校正与分割两个任务协同进行。属于医学图像分割领域。
-
公开(公告)号：CN110874860B
公开(公告)日：2023-04-25
申请号：CN201911151141.2
申请日：2019-11-21
Applicant: 哈尔滨工业大学
Abstract: 基于混合损失函数的对称监督模型的目标提取方法，本发明涉及目标提取方法。本发明的目的是为了解决现有左心房提取方法耗费大量人力物力、存在人为差异、效率低的问题。过程为：1、获取心脏核磁共振影像数据，并进行标注；2、对1获取的带标记的心脏核磁共振影像数据进行预处理；3、得到训练好的对称监督模型，保存训练好的对称监督模型；4、采用3训练好的对称监督模型对预处理后的心脏核磁共振影像数据进行预测，并输出每个像素判别为左心房的概率，设定一个概率阈值将结果二值化；5、根据2的逆操作将4获得的二值化切片结果重建到三维体数据，完成左心房的提取。本发明用于目标提取领域。
-
Patent Agency Ranking
公开(公告)号：CN114159083B
公开(公告)日：2022-12-09
申请号：CN202111501414.9
申请日：2021-12-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度树模型的冠状动脉自动解剖标注方法及系统，它属于医学图像处理技术领域。本发明解决了现有标注方法并未考虑到不同患者冠脉树拓扑结构的差异性的问题。本发明通过冠状动脉CT造影技术获取CCTA影像，再人工提取CCTA影像中的冠脉树各个分支的中心线，并对不同类型分支的中心线进行标注，构建深度树模型并进行训练，以准确且高效地实现冠状动脉的自动解剖标注。本发明能够根据CCTA检查获得的体数据和冠脉分支中心线生成每个患者对应的冠脉树拓扑结构，能够有效应对不同患者冠脉树拓扑结构的差异，并克服了未收录分支类别无法标注的问题。本发明可以应用于对冠状动脉进行自动解剖标注。
-
公开(公告)号：CN113662664A
公开(公告)日：2021-11-19
申请号：CN202111151614.6
申请日：2021-09-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于仪器追踪的外科手术质量客观自动化评估方法，涉及一种外科手术质量的自动化评估方法。为了解决现有的外科手术质量人工评估方式存在效率低的问题，以及现有的外科手术质量客观自动评估方式存在可靠性较差、准确性较低的问题。本发明首先收集数据，然后使用深度学习方法对手术过程中的仪器位置、出血区域位置进行追踪并对手术所处阶段、进行的手术动作进行识别；之后基于得到的上述数据分析手术的熟练性、灵活性、安全性、效率、流程规划等指标，并基于手术指标对手术的整体质量进行评估。主要用于外科手术质量的评估。
-
公开(公告)号：CN106777934B
公开(公告)日：2019-04-30
申请号：CN201611099890.1
申请日：2016-12-02
Applicant: 哈尔滨工业大学
IPC: G16H50/50
Abstract: 一种用于分析CaMKII致室性心律失常的仿真系统，涉及一种进行心律失常研究的辅助分析工具。本发明包括：用于电刺激的区域设置和刺激参数设置的电刺激设置模块；用于设置仿真对象的参数并结合电刺激设置模块的电刺激信息输出仿真对象的信息的仿真对象设置与输出模块，包括：用于CaMKII调控蛋白信息的查看、修改和编辑录入的亚细胞仿真单元，用于记录细胞膜动作电位的信息的细胞仿真单元，用于记录动作电位在纤维中传导的信息的纤维仿真单元，用于记录动作电位在组织中传导的信息的组织仿真单元，用于记录动作电位在心室中传导的信息的全心室仿真单元。本发明用于心律失常研究的辅助分析。
-
公开(公告)号：CN107730497A
公开(公告)日：2018-02-23
申请号：CN201711024432.6
申请日：2017-10-27
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10101 , G06T2207/10132 , G06T2207/20081 , G06T2207/20084 , G06T2207/30101 , G06T2207/30204
Abstract: 一种基于深度迁移学习的血管内斑块属性分析方法，属于医学图像处理领域，具体涉及一种血管内斑块属性分析方法。本发明首先临床方式获取多模态血管内影像数据，人工标记血管内斑块的属性，然后对标记后的血管内影像进行预处理，将经预处理后的血管内影像数据作为深度卷积神经网络的输入，采用有监督的迁移学习方式进行深度卷积神经网络训练，并采用由基于反向传播算法的随机梯度下降方式进行网络参数的学习；接着采用训练好的多个跨模态的预测模型对步骤一中获取的血管内影像进行投票融合预测，最后生成斑块种类概率图谱。本发明解决了现有方法耗费人力多、存在人为差异、速率低的问题。本发明可运用于血管图像处理。
-
公开(公告)号：CN107296600A
公开(公告)日：2017-10-27
申请号：CN201710348768.1
申请日：2017-05-17
Applicant: 哈尔滨工业大学(威海)
IPC: A61B5/0402
CPC classification number: A61B5/0402 , A61B5/7221 , A61B5/7264 , A61B5/7267
Abstract: 本发明公开了一种快速十二导联心电信号质量评估方法，其步骤为：(1)将心电信号质量评估结果分为可接受与不可接受；(2)用户自主选择质量评估方法；(3)对十二导联心电信号进行特征提取；(4)如果质量评估方法是阈值法，则直接基于特征与阈值的大小关系得到评估结果，跳转到步骤(8)；(5)如果质量评估方法是机器学习方法，则对提取的特征进行变换；(6)重复步骤(3)和(5)，获得大量心电信号的特征数据，对信号进行类别标记，构建学习与分类系统；(7)对新的心电测试信号，重复步骤(3)和(5)，获取特征，进行分类；(8)将评估结果反馈给用户。本发明拥有较高的准确率、很好的鲁棒性，并且方法简单、成本低廉。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.064 seconds)
