基于生成对抗网络和多尺度特征融合的医学影像分割装置

    公开(公告)号:CN114693933B

    公开(公告)日:2025-02-07

    申请号:CN202210361443.8

    申请日:2022-04-07

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于生成对抗网络和多尺度特征融合的医学影像分割装置,包括:分割框架的输入是原始3D的CT影像,经预处理后得到标准化图像;利用训练后的基于特征图合成生成对抗网络中的判别器分割出肝脏,输出预测概率图;概率图中每个像素中的值表征该像素属于肝脏的概率,通过生成器和判别器之间的对抗学习,学习更多的信息;自动提取肝脏ROI:将肝脏3D分割结果和标准化图像进行点乘,屏蔽其他非相关脏器,计算出肝脏区域最小外接长方体并剪裁,将不同大小肝脏重采样至同一尺寸;将肝脏ROI作为输入,利用训练好的基于改进V‑Net的三通道级联网络,融合多尺度特征,扩大感受野,处理不同数据中的目标区域位置、形状和大小差异问题和病变区域边界模糊问题,最终得到肿瘤分割结果。

    一种基于结构感知与凸显的低对比度目标检测系统

    公开(公告)号:CN119048766A

    公开(公告)日:2024-11-29

    申请号:CN202411148140.3

    申请日:2024-08-21

    Abstract: 本发明公开了一种基于结构感知与凸显的低对比度目标检测系统,包括作为骨干网络的PVTv2网络,以及结构特征感知部分、结构特征增强部分、结构特征融合部分,PVTv2网络从待检测图像中提取四级尺度的高维特征,并将第一级尺度、第二级尺度、第四级尺度的高维特征并送入结构特征感知部分,以及将四级尺度的高维特征送入结构特征增强部分;结构特征感知部分基于相应级尺度的高维特征得到目标结构特征并送入结构特征增强模块;结构特征增强部分通过四个结构特征增强模块得到增强后的特征并送入结构特征融合模块;结构特征融合部分中采用多层收缩金字塔架构得到低对比度目标预测结果。本发明能有效识别图像中低对比度目标。

    一种基于关系图卷积网络的源荷场景对抗生成方法

    公开(公告)号:CN118569306A

    公开(公告)日:2024-08-30

    申请号:CN202410714328.3

    申请日:2024-06-04

    Abstract: 本发明公开了一种基于关系图卷积网络的源荷场景对抗生成方法,包括以下步骤:步骤1、获取源荷场景数据,以构建真实源荷场景的图结构表示;步骤2、建立融合关系图卷积网络的图生成对抗网络,图生成对抗网络模型包括基于多层感知机的源荷场景数据生成器、基于关系图卷积网络的源荷场景数据判别器,并对所述图生成对抗网络进行训练;步骤3、重新生成随机噪声输入至训练完成后的图生成对抗网络中的源荷场景数据生成器,得到当前的源荷场景图结构表示,作为源荷场景模拟样本。本发明可增强应对源荷功率随机波动和拓扑变化的能力,保障电网的安全经济运行。

    一种基于可形变信息聚合机制的电力能耗长期控制方法

    公开(公告)号:CN116757385A

    公开(公告)日:2023-09-15

    申请号:CN202310405345.4

    申请日:2023-04-17

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于可形变信息聚合机制的电力能耗长期控制方法,包括:频域筛选模块通过一组可学习的权重,从频域角度增强或削弱一些时序电力能耗数据的频率;可形变时间信息聚合机制,为输入的时序电力能耗数据学习一个相同大小的偏移矩阵,利用偏移矩阵对输入的原始时序电力能耗数据进行偏移处理,再在经过偏移的时序电力能耗数据上并进行信息聚合操作,得到经过本机制处理的时序电力能耗数据;通过该机制对电力能耗数据中的短周期特征提取。本发明基于网络模型获取到精确地电力能耗控制值,进而精确了风力发电量,及时调整风力发电机组的运行状态,降低了事故发生率,提高了安全性。

    基于编解码和记忆机制的电力变压器负载控制方法及装置

    公开(公告)号:CN114036823A

    公开(公告)日:2022-02-11

    申请号:CN202111246475.5

    申请日:2021-10-26

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于编解码和记忆机制的电力变压器负载控制方法及装置,同时提取电力数据长期模式和短期模式,方法包括:计算机根据过去一段时间内电力变压器的历史负载和油温,加载预测模型来计算未来一段时间的负载与油温;将日期信息作为参数加载入预测模型中;预测模型针对序列数据中存在的长期模式和短期模式,设计了不同的模块来捕获相应的特征;预测模型的编码器结构通过注意力机制计算来控制长期模式与短期模式;最后得到模型所预测的未来值,并根据经验进行决策,如果油温过高,降低负荷电流或者加强室内通风控制油温。装置包括:处理器和存储器。本发明通过对预测结果的控制可以有助于电力变压器负载控制和规划系统采取积极防御措施。

    超稳定纳米药物载体mPEG-PGlu(D)-VE(D)及制备方法及用途

    公开(公告)号:CN107648182B

    公开(公告)日:2020-03-17

    申请号:CN201610615003.5

    申请日:2016-07-26

    Applicant: 天津大学

    Inventor: 赵燕军 王征 高敏

    Abstract: 本发明公开了超稳定纳米药物载体mPEG‑PGlu(D)‑VE(D)及制备方法及用途,超稳定纳米药物载体mPEG‑PGlu(D)‑VE(D),用式I表示:本发明以手性结构/二级结构角度改善胶束稳定性。用本发明的超稳定纳米药物载体制备超稳定的高分子纳米胶束可稳定包载并递送多种药物分子,提高胶束在体循环的稳定性,改善药物生物利用度和药效,具有优良生物相容性,实现协同治疗。

    一种基于运动和记忆信息的深度视频显著性检测方法

    公开(公告)号:CN108241854A

    公开(公告)日:2018-07-03

    申请号:CN201810002781.6

    申请日:2018-01-02

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于运动和记忆信息的深度视频显著性检测方法,包括:获取由图像显著性对象检测数据集和视频眼部定位点检测数据集组成的检测数据集;对视频眼部定位点检测数据集进行地面真实图计算,获取当前帧的最终眼部定位图;构建用于提取局部信息和全局信息、且具有不同的反卷积层的四个模型;在图像显著性对象检测数据集上对四个模型进行预训练,然后再在视频眼部定位点检测数据集上对预训练后的四个模型进行模型精调;通过显著运动物体边界检测算法提取出视频两帧之间的运动信息,然后将上一帧的检测结果图作为记忆信息,将记忆信息和运动信息整合到深度模型SGF(E)中,实现点到点的检测。本发明实现了对视频的有效眼部定位点的检测。

    超稳定纳米药物载体mPEG-PGlu(D)-VE(D)及制备方法及用途

    公开(公告)号:CN107648182A

    公开(公告)日:2018-02-02

    申请号:CN201610615003.5

    申请日:2016-07-26

    Applicant: 天津大学

    Inventor: 赵燕军 王征 高敏

    Abstract: 本发明公开了超稳定纳米药物载体mPEG-PGlu(D)-VE(D)及制备方法及用途,超稳定纳米药物载体mPEG-PGlu(D)-VE(D),用式I表示:本发明以手性结构/二级结构角度改善胶束稳定性。用本发明的超稳定纳米药物载体制备超稳定的高分子纳米胶束可稳定包载并递送多种药物分子,提高胶束在体循环的稳定性,改善药物生物利用度和药效,具有优良生物相容性,实现协同治疗。

Patent Agency Ranking