-
公开(公告)号：CN116012478A
公开(公告)日：2023-04-25
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：CN113662664B
公开(公告)日：2022-08-16
申请号：CN202111151614.6
申请日：2021-09-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于仪器追踪的外科手术质量客观自动化评估方法，涉及一种外科手术质量的自动化评估方法。为了解决现有的外科手术质量人工评估方式存在效率低的问题，以及现有的外科手术质量客观自动评估方式存在可靠性较差、准确性较低的问题。本发明首先收集数据，然后使用深度学习方法对手术过程中的仪器位置、出血区域位置进行追踪并对手术所处阶段、进行的手术动作进行识别；之后基于得到的上述数据分析手术的熟练性、灵活性、安全性、效率、流程规划等指标，并基于手术指标对手术的整体质量进行评估。主要用于外科手术质量的评估。
-
公开(公告)号：CN114159083A
公开(公告)日：2022-03-11
申请号：CN202111501414.9
申请日：2021-12-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度树模型的冠状动脉自动解剖标注方法及系统，它属于医学图像处理技术领域。本发明解决了现有标注方法并未考虑到不同患者冠脉树拓扑结构的差异性的问题。本发明通过冠状动脉CT造影技术获取CCTA影像，再人工提取CCTA影像中的冠脉树各个分支的中心线，并对不同类型分支的中心线进行标注，构建深度树模型并进行训练，以准确且高效地实现冠状动脉的自动解剖标注。本发明能够根据CCTA检查获得的体数据和冠脉分支中心线生成每个患者对应的冠脉树拓扑结构，能够有效应对不同患者冠脉树拓扑结构的差异，并克服了未收录分支类别无法标注的问题。本发明可以应用于对冠状动脉进行自动解剖标注。
-
公开(公告)号：CN111419213A
公开(公告)日：2020-07-17
申请号：CN202010167627.1
申请日：2020-03-11
Applicant: 哈尔滨工业大学
IPC: A61B5/0402 , A61B5/0472 , A61B5/00
Abstract: 一种基于深度学习的ECG心电信号生成方法，涉及一种ECG心电信号生成技术，为了解决现有带标签的ECG心电信号数据库数据量不足以及数据质量不齐，无法为ECG预测心脏疾病算法提供足够有效的训练数据的问题。本发明通过从数据库中筛选获取原始带标注的ECG心电信号，对ECG心电信号进行数据预处理；使用短时傅里叶变换将经过预处理的ECG心电信号转化成二维信号；使用改进的生成对抗网络对二维信号进行训练，并生成新的二维ECG心电信号时频图谱；使用Griffin Lim相位重构算法还原二维ECG心电信号时频图谱，得到自动生成的一维ECG心电信号。有益效果为极大的扩充ECG心电信号数据库，从而推动心电疾病诊断算法的发展，最终为临床心脏疾病诊断提供有效的辅助和支持。
-
公开(公告)号：CN102839276A
公开(公告)日：2012-12-26
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。
-
Patent Agency Ranking
公开(公告)号：CN118851194B
公开(公告)日：2025-04-15
申请号：CN202410850213.7
申请日：2024-06-27
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种抗氧化耐烧蚀SiBONC气凝胶及其制备方法，该方法包括：(1)将硅烷类助溶剂、醇溶剂和改性剂搅拌混匀，得到混合溶液；其中，所述改性剂为含有硼元素的化合物，所述硅烷类助溶剂为含有氮元素的硅烷类助溶剂；(2)向所述混合溶液中加入交联剂和水，反应后得到反应溶液；(3)将所述反应溶液依次进行固化和干燥，得到所述抗氧化耐烧蚀SiBONC气凝胶。本发明中利用含有氮元素的硅烷类助溶剂与改性剂之间的配位作用，从而将大量的硼元素引入气凝胶中实现气凝胶的改性，如此使得制备得到的气凝胶具有较好的抗氧化性、耐烧蚀性和力学性能。
-
公开(公告)号：CN119672049A
公开(公告)日：2025-03-21
申请号：CN202411808821.8
申请日：2024-12-10
Applicant: 哈尔滨工业大学
IPC: G06T7/11 , G06T7/00 , G06T5/70 , G06T5/50 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/18
Abstract: 一种医学图像分割不确定性估计系统，它属于医学图像分割技术领域。本发明解决了现有医学图像分割不确定性估计技术的准确性、通用性和灵活性差的问题。本发明通过数据的逻辑映射建立数据的概率空间分布，对于分割结果中语义的合理性和所存在的模型不确定性及任意不确定性都能够实现更好的建模，提高了不确定性估计技术的准确性。而且本发明的不确定性感知模块M2能够灵活集成到现有的分割框架中，即能够连接到任意确定性医学图像分割骨干网络M1之后，将二者连接在一起进行使用，形成不确定性感知的医学图像分割模型，实现了对于确定性医学图像分割算法的通用改进。本发明方法可以应用于医学图像分割。
-
公开(公告)号：CN118637937B
公开(公告)日：2024-11-29
申请号：CN202410830366.5
申请日：2024-06-25
Applicant: 哈尔滨工业大学
IPC: C04B35/83 , C04B35/84 , C04B35/82 , C04B35/80 , C04B35/624 , C04B35/524 , B01J13/00 , C04B38/00
Abstract: 本发明涉及一种耐烧蚀隔热碳气凝胶复合材料的制备方法。所述方法为：碳气凝胶复合材料的制备；将酚醛树脂、酚醛气凝胶粉末、分散剂和溶剂混合均匀，得到酚醛溶液，用酚醛溶液浸渍碳气凝胶复合材料后静置，再在400～600℃下预碳化处理；将酚醛树脂、固化剂、溶剂和分散剂混合均匀，得到修复溶液，用修复溶液一次浸渍预处理的碳气凝胶复合材料，然后进行超声处理与二次浸渍，最后依次进行凝胶、老化和碳化，重复该步骤2～5次，实现对碳气凝胶复合材料的纳米修复，制得耐烧蚀隔热碳气凝胶复合材料。本发明对传统碳气凝胶复合材料进行了微观结构优化，通过纳米修复制备工序，获得了密度低、隔热性好、烧蚀率低的耐烧蚀隔热碳气凝胶复合材料。
-
公开(公告)号：CN118447305A
公开(公告)日：2024-08-06
申请号：CN202410547826.3
申请日：2024-05-06
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06F18/22 , G06V10/774 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/098
Abstract: 一种基于多任务学习的痤疮严重程度自动分级系统，它属于医学图像处理领域。本发明解决了现有痤疮严重程度分级方法的准确率且效率低的问题。本发明通过设计序列树构建方法可以构建合适的序列树，并大幅度降低了寻找合适序列树的时间成本，提升了分级的效率。通过引入标签分布学习，并将标签分布学习与序列树进行结合，可以更好地区分相邻的痤疮严重程度，解决了相邻痤疮严重程度难以区分的问题，显著提升了痤疮严重程度整体分级的效果，保证了痤疮严重程度分级的准确率。本发明方法可以应用于痤疮严重程度分级。
-
公开(公告)号：CN116993770B
公开(公告)日：2024-05-28
申请号：CN202311031721.4
申请日：2023-08-16
Applicant: 哈尔滨工业大学
IPC: G06T7/194 , G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/09
Abstract: 一种基于残差扩散模型的图像分割方法，它属于图像处理技术领域。本发明解决了现有模糊图像分割算法的分割效果差的问题。本发明的主要方案为：步骤S1、对已知目标区域的三维图像进行预处理，将预处理后的图像作为训练数据；步骤S2、将步骤S1中预处理后图像的目标区域标签转换成体素级的独热编码分割标签向量y0；步骤S3、构建残差扩散模型，所述残差扩散模型包括扩散先验网络和噪声估计网络两个部分；利用训练数据和分割标签向量y0对扩散先验网络和噪声估计网络进行联合训练；步骤S4、对待分割图像进行预处理操作后，利用训练好的残差扩散模型的参数对预处理后的待分割图像进行分割。本发明方法可以应用于图像分割。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.034 seconds)
