一种利用地震瞬时质心频率进行含气性检测的方法

    公开(公告)号:CN107315193B

    公开(公告)日:2019-01-29

    申请号:CN201710364806.2

    申请日:2017-05-22

    Abstract: 本发明涉及天然气地球物理勘探领域,是一种利用地震数据来提取地震波瞬时质心频率,进而利用地震瞬时质心频率可靠地指示天然气存在的方法,具体为:(1)综合利用地质、测井及合成地震记录资料准确标定目标层;(2)利用基于CEEMD的地震瞬时质心频率方法沿着目标层开时窗提取地震瞬时质心频率属性体;(3)利用地震瞬时质心频率属性体确定目标层的含气性;本发明通过对地震波瞬时质心频率图像的分析,可以有效地进行含气性检测。本发明对于含气性检测的结果具有较高的时空分辨率,同时避免了常规的基于短时傅里叶分析、小波变换的谱分解方法需要大量分频剖面进行分析然后利用最佳的分频剖面进行烃类解释的情况。

    基于机器学习的医学影像自动分类方法及系统

    公开(公告)号:CN119851047A

    公开(公告)日:2025-04-18

    申请号:CN202510322354.6

    申请日:2025-03-19

    Abstract: 本发明涉及医学影像分类技术领域,具体涉及一种基于机器学习的医学影像自动分类方法及系统,采集医学影像数据,并增强医学影像数据数量;对增强后的医学影像数据进行降维处理;对降维后的特征进行分类,获得医学影像数据类别。数据扩充使用基于量子干涉的生成对抗网络,通过多维度上的调制和控制来模拟真实医学影像的复杂模式和纹理,增加医学影像数据的数量和多样性,同时维持影像的细节质量。自适应调整降维强度,优化信息的保存。分类器使用基于动态惩罚项的分数阶神经网络,结合动态惩罚项和门控向量正则化技术,优化分类精度和模型的泛化能力。解决了现有技术的不足。

    一种基于同步挤压小波变换估计地层等效品质因子的方法

    公开(公告)号:CN108845357B

    公开(公告)日:2020-12-22

    申请号:CN201810605738.9

    申请日:2018-06-13

    Abstract: 本发明公开了一种基于同步挤压小波变换估计地层等效品质因子的方法,该方法是一种基于Q补偿原理的品质因子提取方法。通过采用具有极高时频分辨率和能量聚集性的同步挤压小波变换首先将相邻层位(叠后地震数据)或者相邻地震记录(垂直地震剖面)的地震数据变换到时频域,然后在一定Q值预设范围内进行反Q滤波,通过计算时频域Q补偿后的结果与参考波形频谱之间的均方误差,寻找满足最小均方误差时对应的品质因子作为最佳等效品质因子,实现品质因子的最优化估计。本发明避免了常规谱比法估计品质因子频段选择的难点,也不存在类似质心频率法等关于震源频谱为高斯谱的假设等,拓展了品质因子估计的方法,提高了品质因子的估算精度。

    一种基于深度学习的医疗图像增强处理方法及系统

    公开(公告)号:CN119671884B

    公开(公告)日:2025-05-16

    申请号:CN202510175817.0

    申请日:2025-02-18

    Abstract: 本发明涉及医疗图像处理技术领域,具体涉及一种基于深度学习的医疗图像增强处理方法及系统,根据是否需要进行样本数量的扩充,选择图像增强的模型;若需要进行样本数量的扩充,则采用生成对抗网络进行图像增强,否则采用自编码器进行图像增强;采用联邦学习架构训练模型,模型在多个分散的设备或服务器上进行训练。使用生成对抗网络,生成多样化的医疗图像样本,提高样本的多样性。自编码器提取关键特征并生成新的样本,增加数据的多样性。通过联邦学习架构,利用分散的数据源,增强模型的训练样本多样性,同时保护数据隐私。有效增加样本的多样性,从而提升模型的泛化能力,使其在实际应用中更具鲁棒性和准确性。

    一种基于深度学习的医疗图像增强处理方法及系统

    公开(公告)号:CN119671884A

    公开(公告)日:2025-03-21

    申请号:CN202510175817.0

    申请日:2025-02-18

    Abstract: 本发明涉及医疗图像处理技术领域,具体涉及一种基于深度学习的医疗图像增强处理方法及系统,根据是否需要进行样本数量的扩充,选择图像增强的模型;若需要进行样本数量的扩充,则采用生成对抗网络进行图像增强,否则采用自编码器进行图像增强;采用联邦学习架构训练模型,模型在多个分散的设备或服务器上进行训练。使用生成对抗网络,生成多样化的医疗图像样本,提高样本的多样性。自编码器提取关键特征并生成新的样本,增加数据的多样性。通过联邦学习架构,利用分散的数据源,增强模型的训练样本多样性,同时保护数据隐私。有效增加样本的多样性,从而提升模型的泛化能力,使其在实际应用中更具鲁棒性和准确性。

Patent Agency Ranking