-
公开(公告)号：CN111584073B
公开(公告)日：2023-05-09
申请号：CN202010402866.0
申请日：2020-05-13
Applicant: 山东大学 , 山东知微智成电子科技有限公司
Abstract: 本发明基于人工智能融合多模态信息构建肺结节良恶性的多种病理类型诊断模型的方法，包括构建多分辨率3D多分类深度学习网络模型；构建机器学习多分类模型；利用CT影像训练构建的多分辨率3D深度学习模型并得出权值；利用肺部肿瘤标志物信息训练构建的机器学习多分类模型并得出权值；利用迁移学习迁移深度学习网路和机器学习网络模型的权值，在模型的尾端采用权值融合实现肺部CT影像学信息和肺部肿瘤标志物信息的融合。本发明采用深度学习网络模型和机器学习模型分别在肺部CT图像中和肺部肿瘤标志物中挖掘与病理类型分类相关的深层次特征，并通过融合两种网络模型实现CT影像和肺部肿瘤标志物多模态信息的融合，迅速对肺结节的具体病理类型做出诊断。
-
公开(公告)号：CN115334615A
公开(公告)日：2022-11-11
申请号：CN202110503717.8
申请日：2021-05-10
Applicant: 山东大学 , 山东知微智成电子科技有限公司
Abstract: 本申请公开了一种无线传感器网络中的传输功率自适应控制系统，具体内容包括：(1)基于大规模无线网络中的分簇机制，由ZigBee协议组成簇内子网，由WiFi协议组成簇间主干网络；(2)设计开发一种基于RSSI‑LQI加权数据融合测距算法；(3)设计开发了一种基于K‑NEIGH和COMPOW的改进的功率控制算法。
-
公开(公告)号：CN111583296B
公开(公告)日：2022-09-09
申请号：CN202010348773.4
申请日：2020-04-28
Applicant: 山东大学 , 山东知微智成电子科技有限公司
Abstract: 本发明属于医学图像处理领域，具体为一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法，其包括以下步骤：(1)在肺部4D CT图像序列中，选取初始最大吸气相位作为参考相位并初始化参考相位的肺部运动状态；(2)将前一相位的最优运动状态估计作为基于高阶马尔可夫配准方法先验值，分别利用isoPTV和基于高阶马尔可夫随机场两种配准方法对当前相位图像与参考图像进行配准，并利用配准结果分别求取卡尔曼滤波算法的观测向量与预测向量；(3)根据观测向量与预测向量逆向求取的观测矩阵与预测矩阵获得当前相位最优运动状态。本发明
-
公开(公告)号：CN113208641A
公开(公告)日：2021-08-06
申请号：CN202110503730.3
申请日：2021-05-10
Applicant: 山东大学 , 山东知微智成电子科技有限公司
IPC: A61B6/03
Abstract: 本发明公开了一种基于三维多分辨注意力胶囊网络的肺结节辅助诊断方法，属于医学图像处理技术领域，方法包括：获取包含病理类型标注的肺结节CT影像数据集；对数据集中的样本预处理；构建三维多分辨注意力胶囊网络；将预处理的数据样本输入到三维多分辨注意力胶囊网络中进行训练，通过学习样本分布，提升三维多分辨注意力胶囊网络对肺结节多种病理类型的预测能力。本发明无需设计手工特征或利用血清生物标志物等辅助信息，面对分类困难的小样本、不均衡、多标签的临床数据集仍能保持较高的预测精度和较强的鲁棒性。
-
公开(公告)号：CN111582393A
公开(公告)日：2020-08-25
申请号：CN202010402193.9
申请日：2020-05-13
Applicant: 山东大学 , 山东知微智成电子科技有限公司
Abstract: 本发明基于三维深度学习网络预测肺结节良恶性的多种病理类型的分类方法，属于医学图像处理领域，包括以下步骤：肺部CT图像的多分辨率预处理；构建3D多分辨率深度学习网络的多分类模型；训练构建的多分类模型得出最优模型的权值参数实现肺结节良恶性的多种病理类型的分类。本发明采用双通路网络为深度学习模型的主网络架构，双通路网络中的残差网络部分可以实现肺结节图像底层特征的重复利用，密集连接网络部分可以生成高层新特征。本发明所采用的3D多分辨率深度学习网络模型可以根据肺结节的内部隐层特征对炎症性肺结节、鳞癌性肺结节、腺癌性肺结节以及良性其他类等四种不同病理类型的肺结节做出分类诊断。
-
Patent Agency Ranking
公开(公告)号：CN111580155A
公开(公告)日：2020-08-25
申请号：CN202010348772.X
申请日：2020-04-28
Applicant: 山东知微智成电子科技有限公司 , 山东大学
Abstract: 本发明提供一种具有4G远程监测的本地存储地震勘探节点仪系统，包括A/D数据采集单元、授时同步单元、本地数据存储单元、4G远程监测单元和节点仪系统总控制单元，该地震勘探节点仪系统具有高精度、高采样率的地震反射波数据采集，高效的USB本地存储，高精度的授时同步和定位，快速、高效的远程监测，且节点仪系统总控制单元通过微控制器芯片及相应的外设接口，实现对系统整体功能的调度和任务分配。因此，本发明本地存储地震勘探节点仪系统能够实现地震波数据的高精度采集以及采集数据的高效、快速地存储。同时，可以对节点仪系统的状态和采集质量进行远程监测。
-
公开(公告)号：CN118837940A
公开(公告)日：2024-10-25
申请号：CN202410941230.1
申请日：2024-07-15
Applicant: 山东知微智成电子科技有限公司 , 山东大学
Abstract: 本发明公开了一种基于高精度GNSS模块的无线节点仪数据采集同步装置及方法，属于无线地震勘探技术领域，装置包括主控制器、模数转换器、高精度GNSS模块、温补晶体振荡器和大容量SRAM芯片，节点仪解析上位机发送的远程控制命令，命令解析完成后节点仪利用构建的秒脉冲双同步触发方法实现多节点仪采集数据起始同步，利用秒脉冲中断间隔时间标记方法实现多节点仪同步时间段内采集数据的严格对齐，能够有效保证大规模多节点仪数据采集的时间同步一致性。
-
公开(公告)号：CN113208641B
公开(公告)日：2023-09-12
申请号：CN202110503730.3
申请日：2021-05-10
Applicant: 山东大学 , 山东知微智成电子科技有限公司
IPC: A61B6/03
Abstract: 本发明公开了一种基于三维多分辨注意力胶囊网络的肺结节辅助诊断方法，属于医学图像处理技术领域，方法包括：获取包含病理类型标注的肺结节CT影像数据集；对数据集中的样本预处理；构建三维多分辨注意力胶囊网络；将预处理的数据样本输入到三维多分辨注意力胶囊网络中进行训练，通过学习样本分布，提升三维多分辨注意力胶囊网络对肺结节多种病理类型的预测能力。本发明无需设计手工特征或利用血清生物标志物等辅助信息，面对分类困难的小样本、不均衡、多标签的临床数据集仍能保持较高的预测精度和较强的鲁棒性。
-
公开(公告)号：CN116563624A
公开(公告)日：2023-08-08
申请号：CN202310504416.6
申请日：2023-05-08
Applicant: 山东大学 , 山东知微智成电子科技有限公司
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06T7/00
Abstract: 本发明公开了一种基于多任务学习的肺结节分类方法，包括以下步骤：1、提取肺结节CT数据和特征等级标注；2、计算肺结节特征之间的斯皮尔曼秩相关系数，构建并训练神经网络使输出的肺结节特征的初始标签嵌入之间的余弦相似度近似等于斯皮尔曼秩相关系数；3、设计自适应方法获取图邻接矩阵，描述肺结节特征之间的相关关系；4、构建并训练以GCN和3D U‑Net为主干网络、包含图像融合模块和交叉通道注意力模块的多任务模型，输出肺结节的恶性度分类结果，并给出特征评分和分割结果为分类结果提供辅助信息。本发明充分利用肺结节特征之间的相关关系构建肺结节分类模型，能对肺结节输出多维度的分析结果，使得诊断结果具有很高的可解释性和可信度。
-
公开(公告)号：CN111584073A
公开(公告)日：2020-08-25
申请号：CN202010402866.0
申请日：2020-05-13
Applicant: 山东大学 , 山东知微智成电子科技有限公司
Abstract: 本发明基于人工智能融合多模态信息构建肺结节良恶性的多种病理类型的诊断模型，包括构建多分辨率3D多分类深度学习网络模型；构建机器学习多分类模型；利用CT影像训练构建的多分辨率3D深度学习模型并得出权值；利用肺部肿瘤标志物信息训练构建的机器学习多分类模型并得出权值；利用迁移学习迁移深度学习网路和机器学习网络模型的权值，在模型的尾端采用权值融合实现肺部CT影像学信息和肺部肿瘤标志物信息的融合。本发明采用深度学习网络模型和机器学习模型分别在肺部CT图像中和肺部肿瘤标志物中挖掘与病理类型分类相关的深层次特征，并通过融合两种网络模型实现CT影像和肺部肿瘤标志物多模态信息的融合，迅速对肺结节的具体病理类型做出诊断。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.044 seconds)
