-
公开(公告)号：CN115470854A
公开(公告)日：2022-12-13
申请号：CN202211121417.4
申请日：2022-09-15
申请人： 国网辽宁省电力有限公司信息通信分公司 , 东北大学 , 国家电网有限公司
摘要： 本发明公开了一种信息系统故障分类方法及分类系统，其中，所述分类方法包括如下步骤：获取系统历史提示信息数据集；从所述系统历史提示信息数据集中获得多个子数据集；利用BERT深度学习网络对所述多个子数据集中进行模型训练、验证和测试，对应得到多个训练好的BERT卷积神经网络模型；利用所述多个模型得到级联网络；利用所述级联网络对故障进行分类。该信息系统故障分类方法及分类系统，实现了分级分类的效果，分类的准确性高、分类效率高。
-
公开(公告)号：CN118897871A
公开(公告)日：2024-11-05
申请号：CN202410692851.0
申请日：2024-05-31
申请人： 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司 , 东北大学
摘要： 本发明公开了一种基于大语言模型与知识图谱的多源碳排放数据融合方法、融合系统及计算机可读存储介质，其中，所述方法包括如下步骤：利用大语言模型创建不同类别中包含的碳排放实体与类别的所属关系的文本数据集；利用所述文本数据集构建每个类别的碳排放知识图谱；利用所述碳排放知识图谱对待融合的多源碳排放数据进行类别的划分并将相同类别的碳排放数据进行融合。该基于大语言模型与知识图谱的多源碳排放数据融合方法及融合系统，使用大语言模型构建多源知识图谱节点关系数据，可以较为准确地划分碳排放数据所属类别，可以对多源碳排放数据进行融合，获得比单一数据源或单一结构数据更丰富、更可靠的信息。
-
公开(公告)号：CN117557220A
公开(公告)日：2024-02-13
申请号：CN202311531311.6
申请日：2023-11-17
申请人： 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司 , 东北大学
IPC分类号： G06Q10/10 , G06Q50/06 , G06F16/36 , G06N3/0442
摘要： 本发明提供了一种基于双碳多源数据的碳排放分析和管理系统、管理方法及计算机可读存储介质，包括：数据图表分析模块、数据上传模块、碳排放流分析模块、知识图谱更新模块和碳排放态势感知模块。本发明通过对多源碳排放量数据的存储、分析，可以更好的面向高耗能行业和重点用能企业进行碳排放分析，利用基于双碳多源数据的碳排放分析和管理系统可以实现对多源数据的可视化分析，更好的对企业实施碳排放监测。
-
公开(公告)号：CN117556055A
公开(公告)日：2024-02-13
申请号：CN202311531310.1
申请日：2023-11-17
申请人： 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司 , 东北大学
IPC分类号： G06F16/36 , G06F16/28 , G06F40/284 , G06F40/295
摘要： 本发明提供了一种基于双碳业务的图谱构建及智能分析系统、分析方法及计算机可读存储介质，包括：图谱整体可视化模块、图谱搜索模块和智能分析模块。本发明通过构建大量的双碳业务知识图谱，并基于知识图谱构建知识服务，可以有效的对双碳业务数据进行分析、整理，通过基于双碳业务的图谱构建及智能分析系统可以对双碳业务关键词进行快速定位，并查看数据之间的关系，对数据进行可视化分析，从而有更清晰的认识，节省大量资料搜索时间，同时通过将文本与数据相结合，可以实现对面向高耗能行业和重点用能企业的碳排放情况快速监测。
-
公开(公告)号：CN117640174A
公开(公告)日：2024-03-01
申请号：CN202311531312.0
申请日：2023-11-17
申请人： 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司 , 东北大学
IPC分类号： H04L9/40 , G06F16/27 , G06F21/60 , H04L67/1095 , H04L67/1097 , H04L69/16 , H04L41/06
摘要： 本发明提供了一种基于区块链的能源碳排放电子证明生成系统、生成方法及计算机可读存储介质，数据上传模块和电子证明生成模块，数据上传模块用于将能源碳排放数据上传到区块链中并实现多区块链结点备份，上传数据为采集到的能源碳排放量数据，电子证明生成模块用于根据上传到区块链中的碳排放数据生成电子证明。本发明可以使用区块链进行机密及隐私数据存储，并采用多服务器节点区块链系统进行数据存储及备份，采用电子证明生成技术生成电子证明，避免证明丢失、伪造。
-
公开(公告)号：CN118587148A
公开(公告)日：2024-09-03
申请号：CN202410365354.X
申请日：2024-03-28
申请人： 东北大学
摘要： 本发明设计一种动态影像关键点和关键帧定位方法，属于计算机辅助诊断技术领域；首先对包含待测量目标的动态影像序列进行预处理；对预处理得到的动态影像序列进行编码与解码，提取多级特征；其次对动态影像序列关键点进行粗定位：然后构建自适应贝叶斯超图模型，扩展出超节点，从而对关键点进行微调；最后对关键帧进行识别，实现关键点和关键帧的同步检测；另外本发明还提出阶次损失函数，建立关键帧与非关键帧之间相对关系，实现关键帧的精准辨识的同时促进了关键点定位的精度提升。
-
公开(公告)号：CN118506078A
公开(公告)日：2024-08-16
申请号：CN202410631485.8
申请日：2024-05-21
申请人： 东北大学 , 中国医科大学附属盛京医院
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/776 , G06V40/10 , G06N3/0464 , G06N3/048 , G06N3/045 , G06V10/70 , G06N20/20
摘要： 本发明属于人工智能CT影像分类技术领域，公开了一种胸部CT影像儿童闭塞性细小支气管炎分类方法。数据预处理后分组，构建多组训练数据集；通过微调的InceptionV3网络分组训练；通过筛选预测结果稳定的模型，将它们的预测结果进行集成，以获得最终的分类预测结果；针对BO与非BO数据特征难以区分导致的类别不平衡问题，采用分组数据分别训练的方式，严格控制训练数据比例继而避免不利影响。此外通过模型集成弥补单一模型的不足，提高整体分类性能，为临床医学诊断提供更可靠的支持。从多个角度对实验结果进行测试表明，本发明在儿童BO分类任务中取得了优秀的实验结果，展示出了巨大的潜力。
-
公开(公告)号：CN118297973A
公开(公告)日：2024-07-05
申请号：CN202410532622.2
申请日：2024-04-30
申请人： 东北大学
IPC分类号： G06T7/11 , G06V10/762 , G06V10/764 , G06T7/00 , G06T7/155 , G06T7/136 , G06T7/187 , G16H30/40
摘要： 本发明属于医学影像智能计算技术领域，公开了一种基于肺血管聚类的肺叶自动分割方法。基于三维区域生长法肺实质分割；基于连通域肺外气管剔除；形态学处理；基于快速行进法的肺血管分割；基于密度的血管聚类；基于SVM的肺叶自动分割；本发明仅使用肺血管解剖信息，不需要使用大量数据进行训练的肺叶分割方法，对于不完整的肺裂纹也具有高鲁棒性。肺实质区域提取为肺内血管分割与肺叶分割做数据支撑；利用快速行进法提取肺内血管作为先验信息，利用肺血管的分布特性，利用基于密度的DBSCAN聚类方法将肺血管聚类为五簇分别对应不同肺叶；利用支持向量机对获取到的五类血管分别进行两两分类，利用得到的隐式超平面实现最终的肺叶分割。
-
公开(公告)号：CN118115735A
公开(公告)日：2024-05-31
申请号：CN202410130619.8
申请日：2024-01-30
申请人： 东北大学
IPC分类号： G06V10/26 , G06V10/44 , G06V10/774 , G06V10/764 , G06T7/194 , G06N3/0464 , G06N3/0455 , G06N3/0895
摘要： 医学图像分割在疾病的诊断，治疗以及手术中起着至关重要的作用，可以用于分析和处理图像、测量病灶区域、定量分析指标等。作为医学图像分割常用的小样本医学图像分割技术能利用少量有标注的新类样本就可完成对新类的分割，降低了人工标注的工作量，且可用于数据量较少的稀有病的诊断。但医学图像普遍存在前景和背景不平衡问题，医学图像的前景类类小且均匀，背景存在多种组织或器官较复杂，因此背景类较大且在空间上不均匀导致模型偏向于背景，从而影响分割结果。本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于对比学习的原型网络小样本医学图像分割方法，该方法能够增强前景原型与背景的区分度，使得对图像的分割更精确。
-
公开(公告)号：CN118053588A
公开(公告)日：2024-05-17
申请号：CN202410309859.4
申请日：2024-03-19
申请人： 东北大学
IPC分类号： G16H50/30 , A61B5/349 , A61B5/364 , A61B5/00 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/048 , G06F18/2415 , G06N3/08 , G16H50/70
摘要： 本发明提供一种基于深度学习的左心室射血分数自动检测方法，涉及医学辅助检测技术领域。针对初级医疗中缺少能够自动准确使用心电图预测LVEF值方法的问题，训练了一种基于心电图的深度神经网络自动预测LVEF，解决初级医疗中缺乏LVEF值预测方法的问题，为临床诊疗提供重要参考。本发明使用深度学习模型实现左心室射血分数的自动预测，在多个心电图上进行测试，结果表明该方法在多数心电图上，能够较为准确地估算LVEF值，运算速度满足实时性要求。本发明实现方法简单，运算速度快，结果准确性高，不依赖于医生的临床经验，达到了临床应用的要求。
-
-
-
-
-
-
-
-
-
搜索结果
102 条记录 (耗时 0.072 秒)
