-
公开(公告)号:CN116862928A
公开(公告)日:2023-10-10
申请号:CN202310848187.X
申请日:2023-07-12
申请人: 青岛科技大学
IPC分类号: G06T7/11 , G06T7/00 , G06T7/194 , G06N3/0464 , G06N3/08
摘要: 本发明提出了一种图卷积神经网络的眼底图像血管分割方法。通过特征提取网络提取眼底图像特征信息,建立四层多尺度特征表示网络;其中,低三层的特征图作为图的低层次卷积特征聚合模块的输入;高三层的特征图作为图的高层次卷积特征聚合模块的输入,特征图上的像素作为图的结点,像素之间的关系作为边。高层次卷积特征聚合模块利用更多的语义信息重构无血管视网膜图像,低层次卷积特征聚合模块利用更多的细节信息对血管进行分割。本发明还通过低秩矩阵的矩阵填充法得到无血管的眼底图像,作为标签来训练基于图的高层次卷积特征聚合模块,增强前景背景的对比,提高算法分割精度。
-
公开(公告)号:CN116496185A
公开(公告)日:2023-07-28
申请号:CN202310525963.2
申请日:2023-05-11
申请人: 青岛科技大学
IPC分类号: C07C303/44 , C07C309/14 , C01D7/24 , B01D9/02
摘要: 本发明公开了一种牛磺酸反应液中碳酸钠的分离方法及其自动循环结晶装置,属于有机化学技术领域,利用霍夫曼重排方法进行牛磺酸合成过程中产生大量碳酸钠,本发明通过浓缩、降温、连续自循环控制结晶的方式,在连续自动循环结晶装置中对碳酸钠与牛磺酸母液进行分离,极大的降低了废盐的产生,同时解决了碳酸钠产生过程中包夹的问题;提高了牛磺酸生产的效率,使得霍夫曼重排法制牛磺酸在工业生产中更具有竞争力。
-
公开(公告)号:CN115772102B
公开(公告)日:2024-09-20
申请号:CN202211704384.6
申请日:2022-12-29
申请人: 青岛科技大学
IPC分类号: C07C303/44 , C07C309/30
摘要: 本发明公开了一种高纯度无水对甲苯磺酸的制备工艺,属于有机物提纯技术领域,具体涉及在SO3磺化制备对甲苯磺酸基础上,利用三级串联重结晶制备高纯无水对甲苯磺酸的方法,包括以下步骤:通过调节甲苯和烷烃比例、重结晶温度,进行三级串联重结晶,有效分离邻、间位对甲苯磺酸及过磺化产物,得到高纯度的无水对甲苯磺酸产品,本发明设备简单,可操作性强,溶剂套用损失小,适合大规模生产。
-
公开(公告)号:CN117611918A
公开(公告)日:2024-02-27
申请号:CN202311741227.7
申请日:2023-12-18
申请人: 中国科学院海洋研究所 , 青岛科技大学 , 南麂列岛国家海洋自然保护区管理局
IPC分类号: G06V10/764 , G06V20/05 , G06V10/44 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
摘要: 本发明公开一种基于层次神经网络模型的海洋生物分类方法,通过构建层次神经网络模型自动提取数据高质量特征,解决海洋生物识别的问题;层次神经网络模型包括视觉树构建模块、全通道学习变维部分卷积模块、相对注意力模块;首先基于无监督学习与先验知识构造两种层次结构,分别拟合特征关系与生物关系;主干网络根据特征复杂程度,基于全通道学习变维部分卷积模块、相对注意力模块垂直设计层次化神经网络,粗分类辅助细分类,实现海洋生物分类,本方案可以提高海洋生物分类准确率,同时能够保证准确率与参数量等网络性能的均衡。
-
公开(公告)号:CN116912617A
公开(公告)日:2023-10-20
申请号:CN202310695036.5
申请日:2023-06-12
申请人: 青岛科技大学
IPC分类号: G06V10/774 , G06V10/26 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/096 , G06N3/0985
摘要: 本发明公开一种基于深度多模态网络模型的脑肿瘤注释方法,通过构建深度多模态网络模型来模仿人类专家在机器中手动注释脑肿瘤的规则来复制整个脑肿瘤的分割过程;深度多模态网络模型包括细粒度模态注意力模块、深度特征传播模块和位置信息传播模块;首先将任务分为TC、ET和WT三个子任务,以模仿顺序分割,基于深度特征传播模块和位置信息传播模块使得TC、ET子任务重用WT子任务的粗细尺度特征;融合到三个子任务中的细粒度模态注意力模块用来对不同的模态进行关注和加权,融合三个子任务的多模态数据,实现脑瘤分割,本方案可以提高脑肿瘤分割性能,同时在多模态MRI的脑肿瘤分割中起到较好的应用效果。
-
公开(公告)号:CN115082626A
公开(公告)日:2022-09-20
申请号:CN202210854174.9
申请日:2022-07-14
申请人: 青岛科技大学
摘要: 本发明涉及一种多孔介质微孔结构提取方法及应用,属于图像处理技术领域,由二维图像重建三维模型,通过积分几何中已知的Minkowski泛函,在形状(几何)和连通性(拓扑)方面表征黑白图像这些函数与常见的度量有关:求解不同多孔介质材料的欧拉数和平均孔隙率,分别计算不同多孔介质平均孔隙率的平均绝对误差和欧拉数的平均绝对误差,根据平均孔隙率和欧拉数选择多孔介质材料,在仿生材料的选取上更加准确。
-
公开(公告)号:CN112347742B
公开(公告)日:2022-05-31
申请号:CN202011178681.2
申请日:2020-10-29
申请人: 青岛科技大学
IPC分类号: G06F40/166 , G06F40/189 , G06F40/151 , G06T11/60 , G06N3/04 , G06N3/08
摘要: 本发明公开一种基于深度学习生成文档图像集的方法:首先将页面对象类型序列从一维向量空间投影至二维向量空间;然后进行深度卷积生成对抗网络建模;训练网络参数并使用训练好的网络模型生成对象类型序列;根据网络生成的对象类型序列生成文档对象内容;最终将文档转换成文档图像,生成文档图像集。基于深度学习框架的卷积生成对抗网络自动生成图像文档,使用对抗网络中的判别网络学习现存的文档图像,用对抗网络中的生成网络自动生成新的文档图像,从而得到文档图像集;由于采用现存的文档图像训练网路参数,生成的文档图像更贴近出版物,且与人工标注相比能够自动生成文档图像集及标注信息,节省时间和人力成本,避免由于人工标注带来的无效标注。
-
公开(公告)号:CN111783416A
公开(公告)日:2020-10-16
申请号:CN202010511448.5
申请日:2020-06-08
申请人: 青岛科技大学
IPC分类号: G06F40/189
摘要: 本发明公开一种利用先验知识构建文档图像数据集的方法,首先采用条件随机场对文档版面进行建模;然后训练条件随机场模型参数,获取文档版面先验知识;使用训练好的模型自动生成文档版面布局;进而根据生成的版面布局,生成文档对象的具体内容;最终将文档转换成文档图像,实现对文档图像数据集的构建。本方案基于条件随机场对文档版面结构进行建模,获取文档版面的先验知识,并利用先验知识自动生成文档图像数据集,节省时间和人力成本,避免由于人工标注带来的无效标注;通过条件随机场及先验知识指导生成文档图像的版面结构,使生成的版面更贴近出版物、符合阅读习惯,提高数据集的利用率及深度学习精度;并且,生成文档图像集的同时,能够提供文档图像中文本对象的文字编码信息。
-
公开(公告)号:CN114105871B
公开(公告)日:2023-11-14
申请号:CN202111511316.3
申请日:2021-12-06
申请人: 青岛科技大学
IPC分类号: C07D215/26
摘要: 本专利公开了一种8‑羟基喹啉的制备方法,制备方法包括以下步骤:(1)将喹啉和三氧化硫溶液混合均匀,进行磺化反应,得到磺化产物;(2)将磺化产物过滤、干燥得到8‑喹啉磺酸;(3)将上述步骤中得到的8‑喹啉磺酸与无机强碱和水加热反应,反应产物用稀硫酸调节体系pH至中性;(4)在上述体系中加入甲苯萃取,将上层有机相蒸馏除去溶剂得到8‑羟基喹啉。本发明使用三氧化硫溶液作为磺化剂,方法收率高,产品质量稳定,其中的有机溶剂可以重复使用,避免了环境污染且节约了成本。
-
公开(公告)号:CN116310125A
公开(公告)日:2023-06-23
申请号:CN202310294064.6
申请日:2023-03-24
申请人: 青岛科技大学
IPC分类号: G06T17/00 , G06T7/90 , G06N3/0464 , G06N3/084 , G06N3/094 , G06V10/764 , G06V10/82
摘要: 本发明涉及一种基于二维能谱信息的三维空间矿物重建方法,属于图像处理技术领域,本发明通过使用真实成对的多模态能谱图像数据设计结构约束的图像三维重建网络,从不同模态的高分辨率图像提取空间重要特征重建更高分辨率的能谱图像。将2D高分辨能谱图像作为主要模态使用图像全部信息,2D高分辨图像作为补充模态。通过比较重建图像与真实的高分辨图像之间的RGB信息和结构相似性来确定网络的学习方向,同时通过损失函数获取重建图像和高分辨率图像的空间结构信息,并将其作为重要约束条件来让重建模型自适应的学习图像的空间结构特征,从而有效提升模型的重建性能。对于相同的任务,我们的方法明显比以前的方法更加准确和高效。
-
-
-
-
-
-
-
-
-