-
公开(公告)号：CN118154593B
公开(公告)日：2024-07-30
申请号：CN202410571142.7
申请日：2024-05-10
Applicant: 吉林大学
Abstract: 本申请公开了一种基于数据分析的直肠术后吻合口并发症检测系统，涉及智能检测领域，其通过获取直肠术后吻合口X线图像，并利用基于人工智能的图像数据处理和分析算法来进行直肠术后吻合口X线图像分析，以根据直肠术后吻合口X线图像的高频成分浅层特征来自动地判断吻合口处是否有瘘管。这样，可以利用数据分析和人工智能技术实现对直肠术后吻合口X线图像的自动分析和判断，以检测吻合口处是否存在瘘管，通过这样的方式，可以为医生提供诊断和治疗的辅助决策和支持，有助于减少患者并发症的风险。
-
公开(公告)号：CN118154593A
公开(公告)日：2024-06-07
申请号：CN202410571142.7
申请日：2024-05-10
Applicant: 吉林大学
Abstract: 本申请公开了一种基于数据分析的直肠术后吻合口并发症检测系统，涉及智能检测领域，其通过获取直肠术后吻合口X线图像，并利用基于人工智能的图像数据处理和分析算法来进行直肠术后吻合口X线图像分析，以根据直肠术后吻合口X线图像的高频成分浅层特征来自动地判断吻合口处是否有瘘管。这样，可以利用数据分析和人工智能技术实现对直肠术后吻合口X线图像的自动分析和判断，以检测吻合口处是否存在瘘管，通过这样的方式，可以为医生提供诊断和治疗的辅助决策和支持，有助于减少患者并发症的风险。
-
公开(公告)号：CN116452958A
公开(公告)日：2023-07-18
申请号：CN202310283937.3
申请日：2023-03-22
Applicant: 吉林大学
IPC: G06V20/00 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V20/70
Abstract: 本发明提供了一种基于深度学习的直线目标体识别方法，包括以下步骤：S1：对图像、图片或视频构建数据集；S2：以车道线检测算法为基本框架，参照车道线检测算法中的网络结构和损失函数，搭建神经网络；S3：使用数据集对神经网络进行训练；S4：对训练结果进行后处理，将结果转化进行位置识别；S5：对训练好的网络进行评估；计算预测成功的比例作为准确率。本发明中，鉴于2D图像中的直线目标体物理特点，以及其在图像中的位置特点，选择深度学习的方法，使用卷积神经网络进行识别；参考车道线检测算法，以ResNet作为特征提取网络，训练时加入用于特征增强的网络层，提高特征提取效果，进而提高识别效果。
-
公开(公告)号：CN110187393B
公开(公告)日：2020-08-11
申请号：CN201910448705.2
申请日：2019-05-28
Applicant: 吉林大学
Abstract: 本发明提供了一种基于广义回归神经网络的航磁补偿方法，包括：根据T‑L方程数学模型和干扰产生原因，确定广义神经网络的输入输出指标因素；对标定飞行数据进行滤波处理后计算方向余弦及其导数，将输入、输出样本归一化处理，获得归一化的广义回归神经网络输入、输出向量；将预处理后的学习样本载入GRNN，采用十折交叉验证方法，循环验证，选取出最佳光滑因子、最佳输入样本和输出样本确定网络结构构建补偿模型。将标定飞行数据作为待补偿样本载入GRNN进行补偿计算，并将补偿网络的输出数据做反归一化处理，获得飞机干扰场的预测。本发明有效回避16项系数方程矩阵的病态问题，并且当标定飞行样本数据较少时，获得较好的补偿效果，实现无人机航磁干扰补偿。
-
公开(公告)号：CN107861151A
公开(公告)日：2018-03-30
申请号：CN201711384321.6
申请日：2017-12-20
Applicant: 吉林大学
IPC: G01V1/28
CPC classification number: G01V1/28
Abstract: 本发明公开了一种数据驱动的海上地震勘探检波器深度值检测方法，涉及地球物理领域，包括参数输入、数据读取、傅里叶变换得到频率域数据、计算初始频率及频率调整区间、计算更新的检波器深度值、判断地震数据处理的完整性等步骤，本发明以采集得到的地震数据为驱动，利用检波器深度值与频率之间的对应关系，通过技术处理手段最大程度还原真实检波器深度值。
-
Patent Agency Ranking
公开(公告)号：CN113820749A
公开(公告)日：2021-12-21
申请号：CN202111118628.8
申请日：2021-09-24
Applicant: 吉林大学
Abstract: 本发明公开了一种基于机器学习的地震数据速度场异常反演方法，包括以下步骤：建立面向地震数据的U‑Net深度学习网络并使用训练数据集对其进行训练，训练数据集由地震波形图、速度场图像、异常点图像三类组成；将生成的地震波形图输入至U‑Net深度学习网络，生成速度场图像和异常点图像，并进行特征标签集的预测。该基于机器学习的地震数据速度场异常反演方法，通过建立U‑Net深度学习网络并将获得的地震波图形输入至U‑Net深度学习网络，生成由该方法预测的速度场图像和异常点图像，与实际的速度场、异常点相比较而言，具有很高的精度，且是对偏移成像前的炮集地震数据开展研究，这样可以有效的避免由于偏移成像算法所带来的误差。
-
公开(公告)号：CN110187393A
公开(公告)日：2019-08-30
申请号：CN201910448705.2
申请日：2019-05-28
Applicant: 吉林大学
Abstract: 本发明提供了一种基于广义回归神经网络的航磁补偿方法，包括：根据T-L方程数学模型和干扰产生原因，确定广义神经网络的输入输出指标因素；对标定飞行数据进行滤波处理后计算方向余弦及其导数，将输入、输出样本归一化处理，获得归一化的广义回归神经网络输入、输出向量；将预处理后的学习样本载入GRNN，采用十折交叉验证方法，循环验证，选取出最佳光滑因子、最佳输入样本和输出样本确定网络结构构建补偿模型。将标定飞行数据作为待补偿样本载入GRNN进行补偿计算，并将补偿网络的输出数据做反归一化处理，获得飞机干扰场的预测。本发明有效回避16项系数方程矩阵的病态问题，并且当标定飞行样本数据较少时，获得较好的补偿效果，实现无人机航磁干扰补偿。
-
公开(公告)号：CN118964617A
公开(公告)日：2024-11-15
申请号：CN202411126888.3
申请日：2024-08-16
Applicant: 吉林大学
IPC: G06F16/35 , G06F18/241 , G06F40/284 , G06N3/0464 , G06N3/045 , G06F18/10 , G06F40/30
Abstract: 本发明适用于医疗信息处理技术领域，提供了一种基于改进的TextCNN的患者意图分类方法，包括以下步骤：对患者对话文本进行文本预处理，得到token列表；利用预训练的word2vec模型将每个token列表转换为词向量，生成词嵌入矩阵；构建改进的TextCNN模型并使用带有意图标注的语料数据对其进行训练，对文本向量进行分类；通过正则表达式匹配固定句式和关键词，对分类结果进行校正。本发明通过预处理步骤，减少了文本中的噪音，提升了模型的训练效果；使用word2vec模型和改进的TextCNN网络，能够更加有效地捕捉文本的语义信息，提高分类的准确性；通过正则表达式匹配校正步骤，提升了分类结果的可靠性。
-
公开(公告)号：CN117558455A
公开(公告)日：2024-02-13
申请号：CN202310993010.9
申请日：2023-08-08
Applicant: 吉林大学
Abstract: 本发明公开了一种具有脉冲输入项的传染病量化评估方法，涉及疾病传播与控制技术领域。建立脉冲微分方程模型，在高输入情形和低输入情形两种条件下量化分析不同方法对本土传染病控制的影响。三种方法包括：1.不采取筛查方法，入境人员直接通过关口进入我国；2.采取入境筛查，识别出传染病感染者，并进行医学观察；3.入境人员全部进行医学观察，待观察期满后再入境流动。本发明更加合理的给出了输入型病例引发本土传染病传播的量化评估。
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
