-
公开(公告)号：CN110264476B
公开(公告)日：2022-11-15
申请号：CN201910533172.8
申请日：2019-06-19
Applicant: 东北大学
Abstract: 一种多尺度串行的卷积深度学习显微图像分割方法，包括以下步骤：步骤S1、获取环境微生物显微图像，对图像进行灰度化处理；步骤S2、将灰度化处理后的图像输入预先训练的MIaMIA‑Net模型，输出图像分割结果；MIaMIA‑Net模型为基于Inception结构和U‑Net结构的一种以串行卷积操作获取多尺度卷积核共同作用效果的神经网络模型。在提高对于多尺度目标适应性的同时降低了模型的参数量及内存占用，并且对环境微生物显微图像的分割精度高。
-
公开(公告)号：CN115272191A
公开(公告)日：2022-11-01
申请号：CN202210773085.1
申请日：2022-06-30
Applicant: 东北大学
Abstract: 本申请涉及一种基于腋窝血管‑淋巴结DCE‑MRI图像的图像处理方法，包括：针对DCE‑MRI图像显示窗口中的初始腋窝血管‑淋巴结图像进行预处理，并基于预处理后的初始腋窝血管‑淋巴结图像获得Hessian矩阵；基于Hessian矩阵构建第一极大似然函数，基于所述第一极大似然函数提取预设时间序列的血管目标图像；基于Hessian矩阵构建第二极大似然函数，基于所述第二极大似然函数确定初始腋窝血管‑淋巴结图像中淋巴结的所处位置，并通过三维区域生长算法提取预设时间序列的淋巴结目标图像；基于预设时间序列的血管目标图像和淋巴结目标图像，通过计算图像对应的灰度均值绘制血管‑淋巴结TIC曲线图。本申请中，通过获取的TIC曲线面积差值，对乳腺癌腋窝淋巴结的是否发生转移进行判断。
-
公开(公告)号：CN111143838B
公开(公告)日：2022-04-12
申请号：CN201911378249.5
申请日：2019-12-27
Applicant: 北京科东电力控制系统有限责任公司 , 国网福建省电力有限公司 , 东北大学
Abstract: 本发明公开了数据库用户异常行为检测方法，包括：将数据库事务数据集中数据库事务记录的属性转化为纯数值型属性的元组；将数据库事务特征集合作为OPTICS算法的聚类数据进行聚类；根据聚类结果，将被标记为簇标签的记录标记为正常的用户行为，对于未能获得簇标签的记录作为离群元组集合记录的LOF值计算，对于LOF值小于设定值的记录将其标记为正常的用户行为；对于其他未被标记的记录输入至预先训练完成的集成学习分类模型进行分类获得分类结果；所有数据库事务特征都标记完成获得最终确定用户行为模式库；利用用户行为模式库匹配数据库事务数据完成用户异常行为检测。本发明能够明显提高入侵检测能力降低误报率，提高数据库用户异常行为检测效率。
-
公开(公告)号：CN112257805A
公开(公告)日：2021-01-22
申请号：CN202011194005.4
申请日：2020-10-30
Applicant: 东北大学
Abstract: 本发明涉及一种数据扩充方法，包括如下步骤：S1、获取原始图像数据，并给出其标签图像数据；S2、分别将原始图像数据和标签图像数据进行镜像扩充，分别获得n倍原始图像镜像数据集和n倍标签图像镜像数据集；S3、将获得的n倍原始图像镜像数据集和n倍标签图像镜像数据集送入深度学习得到扩充n倍数据的肿瘤分割结果；S4、将扩充n倍数据的肿瘤分割结果进行数据重建得到原始图像对应的图像分割结果。本发明提供的数据扩充方法不仅提高了基于深度学习的肿瘤分割的准确性，而且扩充的数据完全是来源于真实的医学影像数据，保证图像像素之间的空间位置关系不变。
-
公开(公告)号：CN107296645B
公开(公告)日：2020-04-14
申请号：CN201710654057.7
申请日：2017-08-03
Applicant: 东北大学
Abstract: 本发明公开一种肺穿刺手术最优路径规划方法，涉及计算机技术领域。该方法包括以下步骤：S1、基于患者术前的CT图像进行肺穿刺手术临床标准的约束性条件定量化分析，并将不满足约束性条件的穿刺手术路径筛除；S2、基于患者术前的CT图像进行肺穿刺手术临床标准的目标性条件定量化分析，并建立基于路径风险的子目标函数；S3、基于上述约束性条件和目标性条件建立最优路径模型，求得最优路径的解集。同时，本发明还公开一种运用上述肺穿刺手术最优路径规划方法规划术前手术路径的肺穿刺手术导航系统。本发明无需人为设定子目标之间的权重参数而求得肺穿刺手术的最优路径解集，避免主观因素干扰，为肺穿刺手术导航提供最优的手术路径引导。
-
Patent Agency Ranking
公开(公告)号：CN108460748A
公开(公告)日：2018-08-28
申请号：CN201810398258.X
申请日：2018-04-28
Applicant: 东北大学
Abstract: 本发明涉及医疗技术领域，尤其提供一种乳腺肿瘤分析用特征训练参数获取方法及系统来提高后续分类的准确率，以及提供一种乳腺肿瘤诊断系统来提高乳腺肿瘤诊断的准确率。乳腺肿瘤分析用特征训练参数获取方法包括获取乳腺影像序列并对其进行降噪处理，从降噪处理后的乳腺影像序列中分割获取乳腺肿瘤区域，然后获取对侧乳腺所对应的感兴趣区域，之后通过计算乳腺影像序列中乳腺肿瘤区域和感兴趣区域内的信号平均强度绘制双侧时间强度曲线，并基于双侧时间强度曲线分别提取多个特征，并且获得双侧差异特征，然后从双侧差异特征中筛选出多个有效差异特征，多个有效差异特征作为特征训练参数。获取系统用于上述方法，乳腺肿瘤诊断系统包括获取系统。
-
公开(公告)号：CN119747679A
公开(公告)日：2025-04-04
申请号：CN202510264760.1
申请日：2025-03-07
Applicant: 东北大学
IPC: B22F10/25 , C22C30/00 , C22C1/04 , B22F1/052 , B22F10/64 , B33Y10/00 , B33Y40/10 , B33Y40/20 , B33Y70/00 , C22F1/02
Abstract: 本发明属于金属粉末增材制造领域，具体涉及一种TiZr基高熵合金增材制造及热处理方法。本发明采用增材制造的方式制备TiZrNbVAl高熵合金，其打印态合金内部几乎没有气孔、裂纹等缺陷，相对密度达到96%以上；微观组织由等轴晶和柱状晶组成，搭接处组织致密，无搭接不良等现象。相比于传统的电弧熔炼，本发明所制备的打印态高熵合金屈服强度超过900MPa，断裂延伸率超过28%，固溶热处理后冲击韧性大幅提升，达到55J/cm2以上，该性能超过了目前绝大多数同体系高熵合金，这极大地拓宽了其应用范围。且双桶打印方式极大地提升了制备效率，是一种绿色高效的生产方式。
-
公开(公告)号：CN119260020A
公开(公告)日：2025-01-07
申请号：CN202411459121.2
申请日：2024-10-18
Applicant: 东北大学
IPC: B22F10/25 , B22F10/366 , B22F1/065 , B22F10/322 , C22C30/00 , B33Y10/00 , B33Y70/00
Abstract: 本发明提供了一种高熵‑钛铝合金及其激光熔融沉积制备方法，涉及合金制备技术领域。本发明利用激光熔融沉积制备高熵‑钛铝合金，激光熔融沉积具有温度梯度大、冷却速度快的优点，因此制备的材料往往晶粒细小、组织致密、力学性能优异。本发明将钛铝合金与高熵合金复合，提高了合金整体的强度，且由于钛铝合金的密度低，能够降低合金整体的密度，满足轻量化的要求。本发明通过改变不同粉末材料的送粉速率来改变最终高熵‑钛铝合金成分，相比于将不同含量的粉末混合后放入一个送粉桶中的激光熔融沉积方式，本发明节省了称量粉末和机械混粉的过程，而且该方法的设计更具灵活性，可以批量制备不同成分的合金，其效率要明显高于机械混粉法。
-
公开(公告)号：CN119943912A
公开(公告)日：2025-05-06
申请号：CN202510115055.5
申请日：2025-01-24
Applicant: 东北大学
IPC: H01M4/36 , H01M4/38 , H01M4/62 , H01M10/054 , C01B32/05 , B22F1/16 , B22F1/054 , B22F1/05 , B22F9/20 , B82Y30/00 , B82Y40/00
Abstract: 一种多元合金负载丝瓜络硬碳的钠电负极材料及制备方法，属于碳热冲击材料快速制备和新能源领域，通过快速生成负载有大量多元合金微纳米颗粒的碳复合材料，从而降低锡基钠电负极材料储钠过程中的体积膨胀，提高锡基钠电负极材料的储钠性能和循环稳定性。本发明可以在0.5s～5s内快速制备出大量微纳米级合金颗粒负载于丝瓜络硬碳的钠电负极材料，加热时间短，能耗较少，所制备的复合材料中合金颗粒的比重可达到60％以上。所制备丝瓜络硬碳基体为材料提供了良好的导电性，且合成的多元合金颗粒由于其微纳米尺寸和多元合金复合的特点，作为钠电负极的性能相对于纯锡负极材料有了很大的提升。
-
公开(公告)号：CN112257805B
公开(公告)日：2023-06-27
申请号：CN202011194005.4
申请日：2020-10-30
Applicant: 东北大学
IPC: G06V10/774 , G06V10/26 , G06T7/10 , G06T11/40 , G06V10/82
Abstract: 本发明涉及一种数据扩充方法，包括如下步骤：S1、获取原始图像数据，并给出其标签图像数据；S2、分别将原始图像数据和标签图像数据进行镜像扩充，分别获得n倍原始图像镜像数据集和n倍标签图像镜像数据集；S3、将获得的n倍原始图像镜像数据集和n倍标签图像镜像数据集送入深度学习得到扩充n倍数据的肿瘤分割结果；S4、将扩充n倍数据的肿瘤分割结果进行数据重建得到原始图像对应的图像分割结果。本发明提供的数据扩充方法不仅提高了基于深度学习的肿瘤分割的准确性，而且扩充的数据完全是来源于真实的医学影像数据，保证图像像素之间的空间位置关系不变。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.076 seconds)
