-
公开(公告)号：CN111179275B
公开(公告)日：2023-04-25
申请号：CN201911409096.6
申请日：2019-12-31
摘要： 本发明属于深度学习计算机视觉和医学信息处理技术领域，具体涉及一种医学超声图像分割方法。本发明的方法在通用图像分割神经网络模型基础上，融合多输入多输出技术、孔洞卷积技术、小样本医学数据增强等多种新型技术，重点解决小样本学习，超声图像对比度低，结节边缘模糊等难点痛点问题，得到本发明最优分割策略。
-
公开(公告)号：CN111179275A
公开(公告)日：2020-05-19
申请号：CN201911409096.6
申请日：2019-12-31
摘要： 本发明属于深度学习计算机视觉和医学信息处理技术领域，具体涉及一种医学超声图像分割方法。本发明的方法在通用图像分割神经网络模型基础上，融合多输入多输出技术、孔洞卷积技术、小样本医学数据增强等多种新型技术，重点解决小样本学习，超声图像对比度低，结节边缘模糊等难点痛点问题，得到本发明最优分割策略。
-
公开(公告)号：CN111161273B
公开(公告)日：2023-03-21
申请号：CN201911416817.6
申请日：2019-12-31
IPC分类号： G06T7/10
摘要： 本发明属于深度学习计算机视觉和医学信息处理技术领域，具体涉及一种基于深度学习的医学超声图像分割方法。本发明的方法在通用图像分割神经网络模型基础上，融合多输入多输出技术、注意力机制、孔洞卷积技术、小样本医学数据增强等多种新型技术，重点解决小样本学习，超声图像对比度低，结节边缘模糊等难点痛点问题，得到本发明最优分割策略。
-
公开(公告)号：CN111145170B
公开(公告)日：2022-04-22
申请号：CN201911416961.X
申请日：2019-12-31
摘要： 本发明属于医学图像处理和计算机视觉技术领域，具体涉及一种基于深度学习的医学影像分割方法。本发明的方法在在U‑Net Baseline基础上，融合多尺度框架、密集卷积网络、注意力机制、金字塔模型、小样本增强等多种技术，有助于实现特征重用、恢复丢失的上下文信息、抑制无关区域的响应、提高小ROI的性能，解决了超声图像样本少、像素低、边界模糊、差异性大等痛点问题，获得了最优分割效果。
-
公开(公告)号：CN111161271A
公开(公告)日：2020-05-15
申请号：CN201911409153.0
申请日：2019-12-31
IPC分类号： G06T7/10
摘要： 本发明属于医学图像处理技术领域，具体涉及一种超声图像分割方法。本发明的方法在U-Net Baseline基础上，融合多尺度框架、密集卷积网络、注意力机制、小样本增强等多种技术，有助于实现多维特征的提取、抑制无关区域的响应、提高小ROI的性能，解决了超声图像样本少、像素低、边界模糊等痛点问题，获得了最优分割效果。
-
公开(公告)号：CN111161273A
公开(公告)日：2020-05-15
申请号：CN201911416817.6
申请日：2019-12-31
IPC分类号： G06T7/10
摘要： 本发明属于深度学习计算机视觉和医学信息处理技术领域，具体涉及一种基于深度学习的医学超声图像分割方法。本发明的方法在通用图像分割神经网络模型基础上，融合多输入多输出技术、注意力机制、孔洞卷积技术、小样本医学数据增强等多种新型技术，重点解决小样本学习，超声图像对比度低，结节边缘模糊等难点痛点问题，得到本发明最优分割策略。
-
公开(公告)号：CN111145170A
公开(公告)日：2020-05-12
申请号：CN201911416961.X
申请日：2019-12-31
摘要： 本发明属于医学图像处理和计算机视觉技术领域，具体涉及一种基于深度学习的医学影像分割方法。本发明的方法在在U-Net Baseline基础上，融合多尺度框架、密集卷积网络、注意力机制、金字塔模型、小样本增强等多种技术，有助于实现特征重用、恢复丢失的上下文信息、抑制无关区域的响应、提高小ROI的性能，解决了超声图像样本少、像素低、边界模糊、差异性大等痛点问题，获得了最优分割效果。
-
公开(公告)号：CN109396159B
公开(公告)日：2024-05-21
申请号：CN201811326040.X
申请日：2018-11-08
申请人： 杭州电子科技大学
摘要： 本发明涉及一种用于实验室的自制液化水解发酵罐的发酵方法。它解决了现有技术设计不合理等技术问题。本发酵方法采用自制液化水解发酵罐，自制液化水解发酵罐包括恒温磁力搅拌器，在恒温磁力搅拌器的上端内部设有定位孔，以及下端插于定位孔内的发酵瓶，在发酵瓶上端瓶口内设有橡胶塞，在橡胶塞上设有两个相互平行的竖直通孔，以及插于任意一个竖直通孔内且下端伸入至发酵瓶内底部的取样导管，在取样导管的上端连接有取样装置，插于另外一个竖直通孔内的压力释放管，在压力释放管内设有滤膜，在压力释放管的上端套接有橡胶软管，以及能够使橡胶软管径向发生形变从而将橡胶软管内部通道封闭的径向形变驱动装置。本发明的优点在于：成本更低。
-
公开(公告)号：CN115758090A
公开(公告)日：2023-03-07
申请号：CN202211425735.X
申请日：2022-11-15
申请人： 电子科技大学长三角研究院(湖州)
摘要： 本发明提供了一种基于深度展开神经网络的压缩感知方法，包括以下步骤：S1，对稀疏信号恢复问题进行建模；S2，确定模型的隐变量，为各隐变量赋予先验条件；S3，利用平滑函数的性质最大化证据下界(ELBO)，得到一个松弛的证据下界；S4，利用期望最大化(EM)算法去最大化松弛证据下界，从而求得各隐变量的后验概率；S5，对IF‑SBL算法进行深度展开，利用深度神经网络学习最优的参数。本发明的深度展开网络能在更低的计算复杂度上，实现对稀疏信号更有效的恢复，并且能用较少的训练样本，可以得到更好的性能表现。
-
公开(公告)号：CN113794660B
公开(公告)日：2022-06-07
申请号：CN202111061017.4
申请日：2021-09-10
申请人： 电子科技大学
摘要： 本发明属于无线通信技术领域，具体涉及一种面向多输入多输出检测的模型驱动的深度神经网络方法。符号检测方法是提高系统频谱效率的重要一环，所以本发明致力于设计更优的符号检测器，以此来提升系统性能以及降低时间复杂度。本发明采用基于模型驱动的深度学习方法，将贝叶斯估计算法展开成多层深度学习网络，通过最大化松弛的证据下界(ELBO)来优化学习参数，可以获得具有性能优势和较低时间复杂度的检测器。不同于现有深度学习方案，本发明所提出的方案无需知道噪声方差，这是由于本发明所提出的方法可以自动更新噪声，这具有现实意义。同时，本发明所提出方案适用于离线和在线训练两种模式。
-
-
-
-
-
-
-
-
-
搜索结果
100 条记录 (耗时 0.058 秒)
