-
公开(公告)号:CN110909057B
公开(公告)日:2023-06-16
申请号:CN201911154837.0
申请日:2019-11-22
Applicant: 哈尔滨工程大学
IPC: G06F16/25 , G06F16/27 , G06F16/28 , G06F11/14 , H04L67/06 , H04L67/1097 , H04L67/2866 , H04L67/1004
Abstract: 本发明公开了一种数值水池虚拟试验数据中间件系统及其工作方法。数值水池虚拟试验应用系统(200)通过API模块(112)和通信模块(113)与主中间件(120)的通信模块(122)双向传输信号,通信模块(122)通过任务处理模块(124)与数值水池虚拟试验底层分布式NoSQL数据库(300)双向传输信号。由于数值水池虚拟试验的数据包括数值型数据、字符串、数组和图像等各种异构数据,而且属于大规模数据,用户对数据的安全和并发任务处理要求比较高;因此需要在底层配置分布式NoSQL数据库集群模式,满足对多用户、多任务的高并发需求。
-
公开(公告)号:CN113313203A
公开(公告)日:2021-08-27
申请号:CN202110690614.7
申请日:2021-06-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像识别技术领域,具体涉及一种基于可拓理论和深度学习的医学图像分类方法。本发明提供了融合医学领域知识、深度学习和精细化策略的分类方法,该方法结合了医学领域特征和深度学习特征,对医学图像进行快速、准确的分类。本发明利用可拓理论中可拓关联函数来检测蓝白结构的存在性,将医学图像初步分类为良性病图像和疑似恶性病图像,采用了基于YOLOv3的改进模型YoDyCK模型,可快速准确地提取疑似恶性病图像的深度学习特征,从而提高医学图像的最终分类准确度和效率。
-
公开(公告)号:CN109145944A
公开(公告)日:2019-01-04
申请号:CN201810758508.6
申请日:2018-07-11
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/6256 , G06K9/3233 , G06K9/6267 , G06N3/0454
Abstract: 本发明公开了一种基于纵向三维图像深度学习特征的分类方法,属于图像分析领域。本发明包括两个阶段:训练阶段:包括对研究对象的三维图像的预处理、获取切片图像特征提取器、根据词袋模型计算扫描图像特征向量、以及设计并训练循环神经网络分类器;测试阶段:包括待分类的研究对象P提出分类请求、对P的三维图像进行预处理、提取切片图像特征、计算扫描图像特征、以及输出分类结果。本发明利用深度卷积神经网路直接从切片图像进行特征的自动提取,无需任何人工设计的图像特征和图像的3D配准、特征区域检测等复杂的预处理步骤,且本发明针对纵向三维图像进行研究,利用循环神经网络从纵向三维图像特征向量中学习图像的变化特征,分类更准确。
-
公开(公告)号:CN113313203B
公开(公告)日:2022-11-01
申请号:CN202110690614.7
申请日:2021-06-22
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明属于图像识别技术领域,具体涉及一种基于可拓理论和深度学习的医学图像分类方法。本发明提供了融合医学领域知识、深度学习和精细化策略的分类方法,该方法结合了医学领域特征和深度学习特征,对医学图像进行快速、准确的分类。本发明利用可拓理论中可拓关联函数来检测蓝白结构的存在性,将医学图像初步分类为良性病图像和疑似恶性病图像,采用了基于YOLOv3的改进模型YoDyCK模型,可快速准确地提取疑似恶性病图像的深度学习特征,从而提高医学图像的最终分类准确度和效率。
-
公开(公告)号:CN109145944B
公开(公告)日:2021-11-05
申请号:CN201810758508.6
申请日:2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于纵向三维图像深度学习特征的分类方法,属于图像分析领域。本发明包括两个阶段:训练阶段:包括对研究对象的三维图像的预处理、获取切片图像特征提取器、根据词袋模型计算扫描图像特征向量、以及设计并训练循环神经网络分类器;测试阶段:包括待分类的研究对象P提出分类请求、对P的三维图像进行预处理、提取切片图像特征、计算扫描图像特征、以及输出分类结果。本发明利用深度卷积神经网路直接从切片图像进行特征的自动提取,无需任何人工设计的图像特征和图像的3D配准、特征区域检测等复杂的预处理步骤,且本发明针对纵向三维图像进行研究,利用循环神经网络从纵向三维图像特征向量中学习图像的变化特征,分类更准确。
-
公开(公告)号:CN110909057A
公开(公告)日:2020-03-24
申请号:CN201911154837.0
申请日:2019-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种数值水池虚拟试验数据中间件的设计方法。数值水池虚拟试验应用系统(200)通过API模块(112)和通信模块(113)与主中间件(120)的通信模块(122)双向传输信号,通信模块(122)通过任务处理模块(124)与数值水池虚拟试验底层分布式NoSQL数据库(300)双向传输信号。由于数值水池虚拟试验的数据包括数值型数据、字符串、数组和图像等各种异构数据,而且属于大规模数据,用户对数据的安全和并发任务处理要求比较高;因此需要在底层配置分布式NoSQL数据库集群模式,满足对多用户、多任务的高并发需求。
-
-
-
-
-