-
公开(公告)号：CN119205758B
公开(公告)日：2025-04-25
申请号：CN202411707363.9
申请日：2024-11-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
Abstract: 本发明提出了一种木材表面缺陷检测方法、系统、介质及设备，属于木材表面缺陷检测技术领域。方法包括：获取桉木单板图像，并进行预处理；将预处理后图像输入至木材缺陷识别网络中，利用反深度可分离茎模块提取图像的特征图并进行特征聚合，得到第一特征图；经过矩形自校准模块提取全局特征，形成第二特征图，再使用自适应频率注意力网络模块提取第二特征图的关键频率成分并输出第三特征图；将第三特征图输入到频率增强通道注意力模块中，得到第四特征图；将第四特征图与第一特征图融合，得到第五特征图并通过分割头预测，输出最终识别的树皮缺陷区域。解决了木材缺陷检测过程中，树皮缺陷所导致的网络提取特征效果差，语义分割精度低的问题。
-
公开(公告)号：CN113642518B
公开(公告)日：2023-08-22
申请号：CN202111014501.1
申请日：2021-08-31
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明的基于迁移学习的her2病理图像细胞膜着色完整性判别方法，首先经图像筛选、染色分离和膜着色区域划分，由专家人工划分出包裹完整和包裹不完整膜染色的图像数据集，作为Inception‑V3模型训练的输入数据集；在特征提取步骤中，首先训练出Inception‑V3模型，再通过迁移学习对Inception‑V3模型进一步训练，得到神经网络的新分类模型。本发明的her2病理图像细胞膜着色完整性判别方法，通过迁移学习，可以在短时间内使用少量训练数据训练出效果较好的神经网络模型，针对不同个体可达到92%以上的正确率，为医生进行乳腺癌her2阳性状态判断提供了有效帮助。
-
公开(公告)号：CN113658209B
公开(公告)日：2023-06-16
申请号：CN202110924457.1
申请日：2021-08-12
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法，包括：a).获取切片组织缩略图；b).标签位置识别和统一方向；c).去除标签信息；d).去除非病理组织的点和线；e).计算病理组织中心点偏离距离；f).计算病理组织与长轴的夹角；g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。
-
公开(公告)号：CN116936040A
公开(公告)日：2023-10-24
申请号：CN202311034646.7
申请日：2023-08-16
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G16H30/20 , G16H50/20 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于医学图像处理技术领域，更具体地，涉及面向帕金森诊断的多模态信息分类方法。所述方法包括获取三维的MRI影像和四维的DTI影像并进行预处理，再获取手绘阿基米德螺旋图；将经预处理后的MRI影像、DTI影像以及手绘阿基米德螺旋图划分为训练集和测试集；建立分析处理模型，所述分析处理模型包括特征提取模块、特征融合模块和分类模块；将训练集输入分析处理模型训练，再经测试集测试合格后得到最终模型将待处理数据输入最终模型。本发明解决了现有技术中多模态的融合中也存在融合不充分、诊断的错误率高等问题。
-
公开(公告)号：CN116664614A
公开(公告)日：2023-08-29
申请号：CN202310526366.1
申请日：2023-05-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于图像处理的技术领域，提供了一种宫颈液基病理细胞检测少样本图像数据增强方法，包括将采集到的方形图像剔除非关键信息，固定图像大小，并进行预处理增强数据集；从数据集取出一个batch的图像后，使用双峰法计算每张图像前景与背景分隔的阈值；根据前景的像素占比与背景的像素占比计算出每张图像的前景与背景之间的对比度；设定对比度阈值P1、P2，且P1
-
Patent Agency Ranking
公开(公告)号：CN119991677A
公开(公告)日：2025-05-13
申请号：CN202510474235.2
申请日：2025-04-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06T7/136 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0455
Abstract: 本发明属于图像处理的技术领域，具体涉及一种基于多视角异常检测的木材表面缺陷检测方法及装置，其方法包括：基于原始木材图像获取目标图像；构建包含编码器、解码器和缺陷标记模块的木材表面缺陷检测模型，基于目标图像构建正负样本，利用该正负样本通过对比学习训练编码器；利用编码器的输出作为解码器的输入，通过均方误差和结构相似性指数构建损失函数训练解码器，解码器输出重构图像；通过缺陷标记模块获取重构图像与目标图像之间的残差图，以得到融合残差图，并将其中超过动态阈值的像素区域标记为缺陷；利用训练好的木材表面缺陷检测模型对预处理后的待检测木材图像进行检测，实现木材缺陷检测和像素级定位。
-
公开(公告)号：CN115248570B
公开(公告)日：2024-10-29
申请号：CN202210532348.X
申请日：2022-05-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G05B19/05
Abstract: 一种编译型可编程逻辑控制器的开发环境包括：S1：将梯形图分类：S2：设计翻译模板；S3：驱动设计；S4：生成C语言程序；S5：编译C语言程序；S6：下载可执行文件。本发明效率高，将梯形图的图元直接翻译成C语言，再编译执行，属于直接编译执行，大大提高了执行效率。满足多种开发场景，本发明属于低代码开发的一种形式，不仅适用于梯形图，更为基于图形的低代码开发科研人员提供一种技术思路，因此，更易实现梯形图与C语言的混合编程，由于C语言的灵活性，可最大程序地满足工程技术人员的实际需求，特别是需要算法集成的场合。满足市场应用的预期：本发明对于PLC研发人员来说，更易新增新的功能指令，快速适应市场的应用需求。
-
公开(公告)号：CN117370648A
公开(公告)日：2024-01-09
申请号：CN202311257644.4
申请日：2023-09-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/9535 , G06F16/335 , G06F16/33 , G06F40/211 , G06F40/289 , G06F18/22 , G06F18/2431 , G06N3/0455 , G06N3/08 , G06Q50/18
Abstract: 本发明属于基于特定计算模型的专利推荐技术领域，更具体地，涉及基于Transformer编码器和正则化策略的专利推荐方法。所述方法包括：根据多个搜索文本建立一定数量的专利数据集，并按照搜索语句分类；对搜索文本以及数据集中的专利文本进行数据预处理；建立基于Transformer编码器和正则化策略的词句双处理模型，使用基于Dropout与对称JS散度的正则化策略对模型结构和输出结果进行优化；句粒度层面处理词粒度层面处理；对句粒度层面结果与词粒度层面结果进行线性加权，输出分类结果。本发明解决了现有技术中专利文本和搜索文本长度不一致导致的信息匹配不准确的问题以及传统专利推荐准确率低的问题。
-
公开(公告)号：CN117252813A
公开(公告)日：2023-12-19
申请号：CN202311086862.6
申请日：2023-08-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于神经网络检测图像的技术领域，更具体地，涉及基于深度学习的宫颈液基细胞检测与识别方法及系统。所述方法包括采集宫颈液基细胞图像数据，并经裁剪生成子图像集；对宫颈液基细胞病理图像的子图像集使用矩形框作为边界框进行异常细胞标注；将标注完成的数据进行数据增强处理得到数据集，再将数据集划分为训练集、验证集和测试集；通过数据集对改进的YOLOv5网络模型进行训练、验证和测试，得到训练好的改进的YOLOv5网络模型；将待分析宫颈液基细胞病理图像输入训练好的改进的YOLOv5网络模型进行识别。本发明解决了现有技术中存在漏检测和误检测的情况，并目标检测的准确性和鲁棒性不足的问题。
-
公开(公告)号：CN116778245A
公开(公告)日：2023-09-19
申请号：CN202310751471.5
申请日：2023-06-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06N3/08 , G16H50/20 , G16H30/00
Abstract: 本发明公开了一种基于医学影像的帕金森预测方法，属于医学图像处理技术领域，所述方法包括：获取待评估的MRI影像；对所述MRI影像进行预处理；将预处理后的MRI影像输入至预先构建好的人工智能分类预测模型中，得到预测结果，其中所述人工智能分类预测模型为改进的ResNet18网络模型。本发明将逐渐成熟的医学影像和深度学习进行结合，发挥人工智能的优势并将其应用于实际生活中，以残差网络为基础架构，根据帕金森病的医学影像特点对其进行改进，实现帕金森病的自动分类，准确度高。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.01 seconds)
