-
公开(公告)号：CN118781354A
公开(公告)日：2024-10-15
申请号：CN202410771253.2
申请日：2024-06-14
Applicant: 国网山东省电力公司营销服务中心(计量中心) , 山东大学
Abstract: 本发明提供了一种面向电能表流水线的目标检测方法、系统、设备及介质，其属于目标检测技术领域，包括：获取实时采集的电能表流水线图像；基于获得的电能表流水线图像，利用预先训练的基于深度学习的目标检测模型，获得目标检测结果；其中，目标检测模型具体执行如下处理过程：基于电能表流水线图像，利用基于ELAN模块的骨干网络进行特征提取，获得若干不同尺度的特征图，在骨干网络中，利用带有RepConv的CSPNet对原始ELAN模块中的卷积进行替换，并结合在线卷积重参数化进行调整；基于获得的若干不同尺度的特征图，利用预先构建的结合位置信息的颈部网络进行特征融合，获得融合特征；基于获得的融合特征，利用耦合的基于重参数化卷积的检测头，获得目标检测结果。
-
公开(公告)号：CN116236196A
公开(公告)日：2023-06-09
申请号：CN202211573216.8
申请日：2022-12-08
Applicant: 山东大学 , 众阳健康科技集团有限公司
IPC: A61B5/16 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25 , G06F18/241 , G06N3/048 , G06N3/0464 , G06N3/08 , A61B5/372 , A61B5/00
Abstract: 本发明公开了一种基于图‑节点卷积神经网络的脑电信号分类方法。本发明采用了2D卷积+图卷积，图分类+节点分类的深度学习网络来对脑电信号进行分析，其特点在于：对原始脑电信号进行去噪等预处理之后，提取出脑电信号的微分熵特征，利用到了脑电信号的频域信息；然后将特征送入并行2D卷积和图卷积网络中进行时间信息和空间信息的提取，从而得到时域、频域和空间域的复合特征，最终输入到节点分类图神经网络中进行脑电信号分类。根据上述方法流程，本发明在MODMA数据集上进行了相关的实验验证，结果证明本发明提出的方法优于单一模型和串行模型的方法，具有更好的脑电信号分类效果。
-
公开(公告)号：CN110458849B
公开(公告)日：2023-04-25
申请号：CN201910684402.0
申请日：2019-07-26
Applicant: 山东大学
Abstract: 本发明提出了一种基于特征修正的图像分割方法。传统深度学习分割算法往往包含编码器和解码器两个部分，注重特征的融合，特征金字塔等方法将来自不同层次的空间与细节等信息全部融合，这使得对分割结果有利和不利的信息都被融合了进来，因此，需要在分割过程中将特征朝有利于分割结果的方向修正。本发明采用了编码器、特征修正解码器与特征金字塔的组合结构，在BraTS2017数据集上进行了算法验证，本发明的方法优于传统的方法，具有更好的分割结果。
-
公开(公告)号：CN111915612B
公开(公告)日：2022-10-14
申请号：CN202010727353.7
申请日：2020-07-24
Applicant: 山东大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于多编码器卷积神经网络的图像分割方法和系统。基于多编码器卷积神经网络的图像分割方法其特征在于：采用若干个编码器提取特征，通过解码器恢复至原始分辨率，编码器1由若干卷积层和下采样MaxPooling层组成，在编码器1经过三次、两次和一次下采样的卷积层上分别设置一个编码器，得到编码器2、3、4，在最底层将不同编码器提取的特征在通道维度进行融合，然后构建与编码器1对称的解码器结构，通过跨层连接将编码器1和与解码器相邻编码器卷积层中的特征送到对称的解码过程中，直到图像恢复到原始分辨率，进行逐个像素点分类，得到最终的分割结果，在ATLAS Release 1.1数据集上进行了算法验证，本发明提出的方法优于传统方法，分割效果更好。
-
公开(公告)号：CN115132994A
公开(公告)日：2022-09-30
申请号：CN202210814391.5
申请日：2022-07-11
Applicant: 桂林电子科技大学 , 山东大学 , 中国有色桂林矿产地质研究院有限公司
IPC: H01M4/36 , H01M4/38 , H01M4/62 , H01M10/0525
Abstract: 本发明公开了一种氟化锂改性纳米硅锂离子电池负极材料及其制备方法和应用，利用氟化锂溶液浸泡纳米硅，经过刻蚀，实现对纳米硅提前嵌锂，并在纳米硅表面形成一层氟化锂包覆层，减缓纳米硅在充放电过程中因体积膨胀导致的SEI膜破碎重组及其对锂源的消耗，提高锂离子电池硅基负极的循环稳定性，再通过凝胶包覆碳化，实现在纳米硅外层包覆一层碳层来缓解纳米硅在充放电过程的体积膨胀，提高硅基负极材料的使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN114821157A
公开(公告)日：2022-07-29
申请号：CN202210338626.8
申请日：2022-04-01
Applicant: 山东大学
IPC: G06V10/764 , G06V10/762 , G06V10/771 , G06V10/80 , G06V10/82 , G06V10/86 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种混合模型网络的多模态影像分类方法、装置和计算机可读存储介质。通过对来自于多个不同模态的医学影像进行特征级融合，将特征视作节点构建特征图，通过多级粗化模块完成特征选择，并利用混合模型网络对图结构进行自适应学习，寻找特征间的潜在联系，从而得到更可靠、更准确的病灶类别属性信息的方法。利用BraTS2017数据集进行验证，与传统的特征级融合方法相比，基于混合模型网络的多模态影像分类方法具有更好的结果。
-
公开(公告)号：CN114305343A
公开(公告)日：2022-04-12
申请号：CN202210056658.9
申请日：2022-01-18
Applicant: 山东大学 , 山东众阳健康科技集团有限公司
Abstract: 本发明公开了一种基于CEEMD和精简ResNet的脑电分期方法。本发明采用了互补集合经验模态分解和精简ResNet对脑电信号进行分析，其特点在于：对于30‑s EEG信号首先采用互补集合经验模态分解(CEEMD)方法进行分解以获取本征模态分量(IMF)；然后将不同数目的IMF与EEG信号进行组合；再将不同组合的数据送入本方法精简的ResNet进行特征提取；最后将提取到的特征送入长短时记忆神经网络(LSTM)进行分类，为了解决睡眠数据样本中存在的数据样本不均衡问题，在分类网络中采用Focal_loss作为代价函数，通过上述改进和步骤提升睡眠分期的准确率。在SleepEDF‑2013数据集中的Fpz‑cz通道数据上验证了自己的算法流程，结果证明本发明提出的方法优于传统方法和其它分类网络算法，具有更好的分类效果。
-
公开(公告)号：CN109995256B
公开(公告)日：2020-05-12
申请号：CN201910213819.9
申请日：2019-03-20
Applicant: 山东大学
IPC: H02M7/483 , H02M7/5387
Abstract: 本公开提出了桥臂子模块个数相异的九桥臂模块化多电平变换器、系统，其中，单相三桥臂模块化多电平变换器，其拓扑结构由上、中、下三个桥臂组成，上、下桥臂分别由K1、K3个相同的半桥型子模块和一个桥臂电感级联组成，中间桥臂仅由K2个相同的半桥型子模块级联组成；其中，K1、K2、K3为任意不小于0的整数，三相三桥臂模块化多电平变换器由三个单相三桥臂模块化多电平变换器组成，在获得相同输出电压的条件下，所需要的子模块数量进一步减少，与传统的六桥臂模块化多电平变换器相比，其体积和成本优势更加突出，此外，还可以提高直流侧电压利用率。
-
公开(公告)号：CN108742624A
公开(公告)日：2018-11-06
申请号：CN201810232184.2
申请日：2018-03-20
Applicant: 山东大学
IPC: A61B5/055
CPC classification number: A61B5/055 , A61B5/7271
Abstract: 脑胶质瘤是威胁人类健康的一大杀手，多成恶性，难以完全切除，对放疗化疗不甚敏感，非常容易复发，预后极差。近些年来随着人工智能技术的不断发展，基于磁共振成像的计算机辅助诊断系统研究也正逐步发展，通过利用计算机对影像图片的分类判读，辅助放射科医生进行疾病诊断，开辟了胶质瘤等疾病检测的新方法。人们在用机器学习算法分析胶质瘤等疾病的影像时，使用MRI的某一个模态，会限制辅助诊断精度的提升。针对此问题，本发明提出了一种基于MPCA和多模态影像的胶质瘤疾病诊断方法，充分利用MPCA处理张量数据的优势，将多个MRI模态影像进行融合，从而提高了算法的准确度。
-
公开(公告)号：CN106157315A
公开(公告)日：2016-11-23
申请号：CN201610550706.4
申请日：2016-07-11
Applicant: 山东大学
CPC classification number: G06T7/0012 , G06K9/6267 , G06T2207/10088
Abstract: 本发明公开了一种用基于张量的最优评分算法来进行阿尔茨海默病诊断分类的方法。该方法利用预处理后的脑灰质数据，通过基于张量的最优评分得到稀疏判别分析的目标函数，通过交替迭代算法求解最优化问题，得到数据在每一维度上的投影向量，利用投影向量将其映射到判别子空间进行分类。本发明利用基于张量的最优评分算法通过交替迭代法分别求得数据每一维度上的投影向量，保存了数据内部本身有用的信息，从而提高了对阿尔茨海默病诊断分类的精度。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.083 seconds)
