-
公开(公告)号：CN118013249A
公开(公告)日：2024-05-10
申请号：CN202410138713.8
申请日：2024-02-01
Applicant: 北京理工大学
IPC: G06F18/2115 , G06F18/10 , G06F18/2136 , G16H70/60
Abstract: 本发明提供一种基于高光谱和跨域学习的肾小球免疫复合物识别方法，包括以下步骤：步骤S1：图像数据数据预处理进行归一化；步骤S2：针对源域数据构建类分布模块，保持源域判别结构信息；针对目标域数据构建流形分布模块，保持目标域局部结构信息；步骤S3:构建初始化变量；步骤S4:针对源域和目标域数据构建交互模块，对齐源域和目标域结构信息；步骤S5:计算特征转换矩阵，提取源域和目标域重要特征；步骤S6：更新步骤3的初始化变量；步骤S7：重复步骤4、步骤5、步骤6，直到迭代次数大于给定数值停止；步骤8：输出源域投影矩阵和目标域投影矩阵，识别目标域新数据。本发明检测识别效率高、准确性高、计算复杂性低。
-
公开(公告)号：CN117761026A
公开(公告)日：2024-03-26
申请号：CN202311787169.1
申请日：2023-12-25
Applicant: 中国人民解放军军事科学院军事医学研究院 , 北京理工大学
Abstract: 本发明提供了一种基于生物荧光的生物气溶胶粒子浓度测定方法、系统、设备、介质和程序产品，涉及生物气溶胶监测领域。方法包括：获取待测生物气溶胶；基于气溶胶粒子计数系统确定待测生物气溶胶的频次值；基于气溶胶粒子计数系统确定待测生物气溶胶粒子的信号种类，根据信号种类确定待测生物气溶胶的种类，并得到确定结果；根据待测生物气溶胶属于第一种类样品或第二种类样品或第三种类样品的确定结果，分别将待测生物气溶胶的频次值对应输入到构建好的第一预测模型或第二预测模型或第三预测模型中进行处理，得到粒子浓度值。
-
公开(公告)号：CN117740729A
公开(公告)日：2024-03-22
申请号：CN202311784337.1
申请日：2023-12-23
Applicant: 中国人民解放军军事科学院军事医学研究院 , 北京理工大学 , 华中科技大学
Abstract: 本发明提供了一种生物气溶胶检测系统及检测方法，涉及气溶胶粒子检测技术领域。系统中的腔室，用于容纳由待测气溶胶粒子流形成的气溶胶微束；双红外激光定位触发模块，用于确定待测气溶胶粒子流的瞬时位置，并提供触发信号；双紫外激光诱导荧光模块，接收触发信号后开始运行，其包括：双紫外激光发射模块，用于产生至少两路不同波段的紫外脉冲激光照射腔室，并在气溶胶微束上形成不同探测点，激发气溶胶粒子流产生不同信号；紫外脉冲激光射入腔室的方向与气溶胶微束的射入方向之间呈第二夹角；双紫外激光诱导荧光接收模块，用于接收不同信号并生成荧光光谱；基于荧光光谱得到待测气溶胶是否为生物气溶胶的结果。
-
公开(公告)号：CN117805062A
公开(公告)日：2024-04-02
申请号：CN202311784333.3
申请日：2023-12-23
Applicant: 中国人民解放军军事科学院军事医学研究院 , 北京理工大学
Abstract: 本发明提供了一种气溶胶粒子多模态谱学控制方法，方法包括：获取探测范围内是否存在待测气溶胶的结果，如果探测范围内存在待测气溶胶，继续下一步骤；响应作用于脉冲发生器的第一操作指令，控制脉冲发生器发送发射信号到紫外激光器，使紫外激光器开始发射紫外激光，紫外激光照射待测气溶胶微束；具体地，其包括：响应作用于紫外激光器的第奇数次操作指令，控制第一紫外激光器发射第一紫外激光，控制多通道采集系统采集第一紫外激光对应的第一荧光光谱数据；响应作用于紫外激光器的第偶数次操作指令，控制第二紫外激光器发射第二紫外激光，控制多通道采集系统采集对应的第二荧光光谱数据；显示或保存第一荧光光谱数据和/或第二荧光光谱数据。
-
公开(公告)号：CN117456203A
公开(公告)日：2024-01-26
申请号：CN202311488275.X
申请日：2023-11-09
Applicant: 北京理工大学
IPC: G06V10/58 , G06V10/764 , G06N20/10
Abstract: 本发明公开了一种用于高光谱图像的血管检测敏感波段选择方法，首先获得组织部位的高光谱图像样本数据，手动标记血管像素点，对每个标记像素点进行光强‑波长的曲线拟合。然后基于一阶导数零点的敏感波段选择方法、基于二阶导数绝对值极小值点的敏感波段选择方法、基于置信区间的敏感波段选择方法。最后提取敏感波段部分的高光谱原始数据，输入支持向量机分类器SVM进行分类训练和测试。本发明专利提出的技术方案完全利用了数据的光谱曲线趋势，且不需要手动选择敏感波段数目，能够显著降低计算复杂度、提高计算效率、具有更高的全局性、在较少波段区间划分点下能够使血管检测获得更高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115690783A
公开(公告)日：2023-02-03
申请号：CN202211091197.5
申请日：2022-09-07
Applicant: 北京理工大学
IPC: G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习的医学高光谱图像微流控单细胞识别方法，包括以下步骤：S1、数据采集；S2、数据标记；S3、细胞定位，包括数据预处理，模板匹配，凹槽中背景、细胞分离；S4、细胞分类，包括数据准备，卷积神经网络搭建，模型训练与测试，实现细胞层面分类。本发明使用的细胞、背景分离，利用微流控芯片的形态学优势定位凹槽，利用高光谱图像包含丰富的光谱信息筛选特殊波段，实现迅速细胞、背景分离。采用了ResNext50网络结构并加宽网络，结合注意力模块提取更深层次的特征；训练过程中，采用Kaiming正态分布初始化方法，使用Mix‑up数据增强方法提升模型分类精度。
-
公开(公告)号：CN111899166A
公开(公告)日：2020-11-06
申请号：CN202010570530.5
申请日：2020-06-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的医学高光谱显微图像超分辨重构方法，实现该方法的重构网络分为两个分支：主分支和反馈分支，两者都是由增强残差块堆叠而成的，区别是使用不同个数的残差块。将输入的低分辨图像经过bicubic插值算法放大到目标尺寸，得到网络的输入，主分支依据低分辨输入图像，重构出中间结果，其质量有所改善，反馈分支获取中间结果，并提取其高级特征，将所提特征融合到主分支的相应位置，最终网络输出具有清晰边缘和梯度的超分辨重构结果。本发明主分支产生的结果能在一定程度上恢复出高频信息，而反馈分支能够进一步增强中间结果的梯度信息，改善重构图像的质量。
-
公开(公告)号：CN119229397A
公开(公告)日：2024-12-31
申请号：CN202411264843.2
申请日：2024-09-10
Applicant: 北京理工大学
IPC: G06V20/56 , G06V10/44 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/096
Abstract: 本发明提供一种基于动量蒸馏的事件流数据车道线提取检测方法，包括：步骤1：对稀疏的事件流数据进行预处理，确定事件流表征方式；步骤2：搭建多尺度事件流特征提取器以及回归模块，作为为基础模型；步骤3：将基础模型复制作为动量模型；将步骤1得到的事件流表征方式同时输入到基础模型和动量模型中，得到两个车道线提取结果，动量模型得到的结果作为伪标签，和真实标签一起监督基础模型的训练；只更新基础模型网络的参数；步骤4：采取指数移动平均策略更新动量模型的参数；步骤5：重复步骤3和步骤4，直至总损失收敛。本发明解决误判问题和事件流数据的稀疏性以及车道线形状的特殊性问题。
-
公开(公告)号：CN115406841A
公开(公告)日：2022-11-29
申请号：CN202211049474.6
申请日：2022-08-30
Applicant: 北京理工大学
IPC: G01N21/25 , G01N21/84 , G06V40/14 , G06V20/69 , G06V10/82 , G06V10/25 , G06V10/30 , G06V10/764 , G06V10/774 , G06N3/08
Abstract: 本发明提供一种基于高光谱和深度学习的肾小球区域精准检测方法及系统，包括：步骤1.获取已标注的高光谱显微图像；步骤2.基于区域标注，对实例分割网络进行训练；步骤3.获取待分析图片，将其输入训练好的实例分割网络中，得到待分析图片中各个系膜基质和与其关联的毛细血管袢区域的位置；步骤4.计算各个系膜基质和与其关联的毛细血管袢区域的面积比；步骤5.输出彩色病理图文报告。本发明将根据医生的临床经验主观阅片变为根据计算机的深度学习客观阅片——自动划分高光谱图像上的系膜基质和与其关联的毛细血管袢，计算二者的面积比，实现定量化分析。
-
公开(公告)号：CN112082957A
公开(公告)日：2020-12-15
申请号：CN202010710574.3
申请日：2020-07-22
Applicant: 北京理工大学
Abstract: 本发明涉及一种检测单克隆抗体的方法及其应用，所述检测单克隆抗体的方法包括：通过高光谱成像检测获取待测细胞的高光谱数据，将所述高光谱数据输入机器学习模型，获得所述待测细胞的抗体分泌类型。本发明通过引入高光谱成像技术和微流控技术，实现单细胞的分离，快速获取单个细胞的高光谱图像，运用机器学习算法从大量高光谱数据中快速而准确地挖掘出所需要的特征信息、自动实现单细胞的高精度识别及分类。分析过程具有高通量化、智能化特点，结果准确性高、灵敏度高，为发现抗体药物及细胞分析提供一种快速、非接触、无损伤的鉴定方法。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
