-
公开(公告)号：CN116152285B
公开(公告)日：2023-08-18
申请号：CN202310117871.0
申请日：2023-02-15
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习和灰度信息的图像分割系统，具体涉及一种用于小样本核磁共振数据图像的基于深度学习和灰度信息的分割系统，为了解决核磁共振影像分割时要依赖大量的影像数据，泛化性能差，且在灰度分布不均匀的核磁共振影像中分割准确率较低，或存在分割不全以及分割目标不连续的问题，它包括编码模块、空间注意力模块、灰度校正模块、分割模块、损失模块，编码模块分别与空间注意力模块、灰度校正模块和分割模块连接，空间注意力模块与灰度校正模块连接，损失模块分别与灰度校正模块和分割模块连接。本发明采用了深度学习技术和灰度偏置校正，利用深度学习技术将灰度偏置校正与分割两个任务协同进行。属于医学图像分割领域。
-
公开(公告)号：CN116012478B
公开(公告)日：2023-08-18
申请号：CN202211714237.7
申请日：2022-12-27
Applicant: 哈尔滨工业大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06N5/04
Abstract: 一种基于收敛型扩散模型的CT金属伪影去除方法，涉及一种CT金属伪影去除方法。为了解决现有金属伪影去除中的MAR方法无法有效应对零训练样本MAR场景的问题，本发明使用收敛型扩散模型进行金属伪影去除，首先对伴有金属伪影噪声的CT影像叠加达到时刻T的高斯噪声，即与待去噪影像对应的前向扩散过程；然后以伴有图像信息偏置的高斯噪声为输入通过神经网络估测当前时刻t的m和ξ，并进行时刻t到时刻t‑1的去噪推理，得到有偏置的高斯分布y′t‑1；从T时刻开始至0时刻结束，共计重复执行T次得到完成金属伪影去噪的CT影像。本发明用于CT影响的金属伪影去除。
-
公开(公告)号：CN114863104A
公开(公告)日：2022-08-05
申请号：CN202210480964.5
申请日：2022-05-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于标签分布学习的图像分割方法，它属于图像处理技术领域。本发明解决了现有方法无法充分利用神经网络中捕捉的先验信息导致分割结果的准确率低，且分割结果边界不连续的问题。本发明首先利用语义分割标签生成多分辨率的标签分布，并在分割网络不同的上采样层加入对应分辨率的标签分布监督，利用标签分布学习的方法训练网络，并得到不同细节的预测区域分布，最后基于上述预测区域分布实现逐像素的稠密分布预测。本发明方法能够充分利用分割网络中生成的先验信息，并能够有效的捕捉边界信息进而促进边界的分割，可以准确且高效地实现图像的语义分割任务，保证了图像分割的准确性。本发明方法可以应用于对图像进行分割。
-
公开(公告)号：CN107730497B
公开(公告)日：2021-09-10
申请号：CN201711024432.6
申请日：2017-10-27
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 一种基于深度迁移学习的血管内斑块属性分析方法，属于医学图像处理领域，具体涉及一种血管内斑块属性分析方法。本发明首先临床方式获取多模态血管内影像数据，人工标记血管内斑块的属性，然后对标记后的血管内影像进行预处理，将经预处理后的血管内影像数据作为深度卷积神经网络的输入，采用有监督的迁移学习方式进行深度卷积神经网络训练，并采用由基于反向传播算法的随机梯度下降方式进行网络参数的学习；接着采用训练好的多个跨模态的预测模型对步骤一中获取的血管内影像进行投票融合预测，最后生成斑块种类概率图谱。本发明解决了现有方法耗费人力多、存在人为差异、速率低的问题。本发明可运用于血管图像处理。
-
公开(公告)号：CN113221941A
公开(公告)日：2021-08-06
申请号：CN202110300345.9
申请日：2021-03-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/62
Abstract: 本发明提供了一种自适应对称图信息传播的鉴别回归分类方法，模型训练步骤包括：步骤1：采用范数归一化对训练数据进行预处理；步骤2：通过交替迭代优化得到回归分类模型的投影矩阵；测试数据分类步骤包括：步骤一：采用范数归一化策略对测试数据和训练数据进行预处理；步骤二：依据训练数据训练得到的投影矩阵，将训练数据集和测试数据投影到目标子空间；步骤三：计算投影后的测试数据与训练数据的欧式距离，然后依据该欧式距离得到测试数据的分类结果。本发明的有益效果：本发明引入自适应鉴别标签学习技术，根据数据给定的不灵活的标签信息自适应得到更灵活、更具鉴别力的标签矩阵，同时在自适应相似图挖掘和图信息扩散保持约束下，得到更具鉴别力的分类投影矩阵，进而获得更高的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN102839276B
公开(公告)日：2014-12-10
申请号：CN201210349683.2
申请日：2012-09-19
Applicant: 哈尔滨工业大学
IPC: C21D10/00
CPC classification number: Y02P10/212
Abstract: 一种超声松弛金属构件螺栓连接处残余应力的方法，涉及松弛金属构件螺栓连接处残余应力的方法。本发明解决了现有的松弛金属构件螺栓连接处残余应力的方法，处理效率低，处理时间长的问题。一种超声松弛金属构件螺栓连接处残余应力的方法：一、将材质为金属的超声探头与金属构件螺栓的螺帽的表面形成刚性的接触，或将材质为金属的超声探头与金属构件螺栓的临近螺帽的区域的表面形成刚性的接触；二、进行超声处理。本发明提供的一种超声松弛金属构件螺栓连接处残余应力的方法应用于高精度仪器仪表制造领域。
-
公开(公告)号：CN118247374B
公开(公告)日：2025-05-16
申请号：CN202410414616.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学
IPC: G06T11/00 , G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/047 , G06N3/094 , G06N3/084 , G16H30/20
Abstract: 一种基于对抗概率扩散模型的医学图像生成方法，它属于图像生成技术领域。本发明解决了现有医学图像生成方法存在的生成图像效率低、清晰度低以及无法确保真实性的问题。本发明具体为：步骤S1、分别统计每张患病医学图像中病灶区域所占的像素数量；步骤S2、分别为每张患病医学图像生成病灶区域所占像素数量的变化序列；步骤S3、构建医学图像生成模型，利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练；步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入，生成患病医学图像。本发明可以应用于图像生成技术领域。
-
公开(公告)号：CN119839499A
公开(公告)日：2025-04-18
申请号：CN202510277605.3
申请日：2025-03-10
Applicant: 哈尔滨工业大学
IPC: B23K35/26
Abstract: 一种高强高韧的Sn‑Ag‑Cu‑Ge‑Zr‑X无铅钎料及其制备方法，属于微电子封装领域。所述无铅钎料中各元素及其质量百分比为：Ag：0.5～4％，Cu：0.1～1.2，Ge：0.05～1％，Zr：0.01～1％，X为La、In、Al、Fe中的一种或几种，其中La添加量为0.001～0.1％，In添加量为0.5～6％，Al、Fe的添加量均为0.001～0.5％，余量为Sn。本发明的Sn‑Ag‑Cu‑Bi‑Mn‑X系无铅钎料具有高强高韧的特点，其拉伸强度和延伸率均高于Sn3.0Ag0.5Cu钎料。本发明通过成分设计，再辅助实验最终确定了具有高强韧的Sn‑Ag‑Cu系钎料的成分配比，在Ge、Zr以及La、In、Al、Fe中的一种或几种的协同作用下，使Sn‑Ag‑Cu系钎料的强度和延伸率均高于SAC305。
-
公开(公告)号：CN118447994A
公开(公告)日：2024-08-06
申请号：CN202410654310.9
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G16H15/00 , G06T9/00 , G06F40/126 , G06F40/30 , G06V10/74
Abstract: 一种基于医学图像和疾病属性描述对的诊断报告生成系统，它属于医学图像处理领域。本发明解决了通过医务人员对图像进行分析来获得诊断报告的方式存在准确率和效率低的问题。本发明采用先进的大语言模型对诊断报告进行深度疾病信息提取，并通过注入医学领域的知识，进一步增强模型对不同疾病类别视觉属性的理解能力，将这些知识成功应用于未知类别的学习中。通过构建描述图像与疾病之间相关性的语义相似度矩阵，以实现更精准的对比学习，作为一种高效且精确的医学视觉‑语言预训练方法，本发明通过利用自然配对的医学图像和诊断报告数据，显著地提升了医学图像分析任务的效率和准确性。本发明方法可以应用于医学图像诊断报告生成。
-
公开(公告)号：CN116908760B
公开(公告)日：2024-05-14
申请号：CN202310846071.2
申请日：2023-07-11
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度解耦网络的MRI偏置场修正方法及系统，属于医学图像分析技术领域。本发明主要是从算法的角度，解决由于磁共振设备固有的射频线圈不均匀性、磁场分布不同质性等导致的磁共振影像灰度分布不均匀的问题。现有的偏置场修正方法认为偏置场是一种低频信息，并提出了一种“削弱低频，恢复高频”的偏置场修正框架，然而高频信息也包括噪声等干扰信息，低频信息亦包括亮度变化等有用信息，此类方法忽略了图像本身的结构细节，且处理速度慢，容易出现亮度失真等问题。本发明提出的基于深度解耦的偏置场修正方法通过无监督学习框架，挖掘图像的同质性区域分布特点和偏置场平滑性约束关系，学习并优化网络参数，能够解决现有方法所存在的共性问题，在保留图像细节的同时降低颜色失真的风险，具有泛化能力强，处理速度快，恢复效果好等特点，更适用于复杂多变的临床应用。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.035 seconds)
