-
公开(公告)号：CN105279508A
公开(公告)日：2016-01-27
申请号：CN201510566372.5
申请日：2015-09-08
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/3233 , G06K9/6267
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于KAP有向图模型的医学图像分类方法。本发明包括：待分类图像提出分类请求：待分类图像应为原始医学图像数据；图像预处理过程：对原始医学图像提取感兴趣ROI区域，计算图像ROI区域的灰度直方图，得到图像ROI区域的灰度直方图的波谷列表，根据波谷列表对图像分级提取纹理特征，根据实际需要将得到的分级纹理图像规范化到统一的大小，并在纹理部位提取出图像的角点。本发明提出的面向纹理的角点提取方法有效的降低了角点的提取时间，同时由于纹理部位是图像中灰度变化最剧烈的位置，也是图像中反应信息量最重要的位置，进而提高了角点的代表性。
-
Patent Agency Ranking
公开(公告)号：CN105184074A
公开(公告)日：2015-12-23
申请号：CN201510551820.4
申请日：2015-09-01
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于多模态医学影像数据模型的医学数据提取和并行加载方法。本发明包括：数据准备；数据建模；数据提取；数据加载；数据使用。本发明提出的多模态数据模型是对医学影像数据的一个统一模型。提出的基于多模态数据模型的DICOM提取和并行加载技术实现了医学影像数据的统一建模和存储。这种统一建模的数据提取和加载技术对原始数据的利用率很高，不同类型数据之间的关系也被精确完整地表达，从而扩展了基于医学影像数据的数据挖掘的挖掘范围和深度。采用统一模型对所有模态的数据建模，使数据的后期使用和更新具有更好的通用性和一致性。
-
公开(公告)号：CN105184074B
公开(公告)日：2018-10-26
申请号：CN201510551820.4
申请日：2015-09-01
Applicant: 哈尔滨工程大学
IPC: G16H30/20
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于多模态医学影像数据模型的医学数据提取和并行加载方法。本发明包括：数据准备；数据建模；数据提取；数据加载；数据使用。本发明提出的多模态数据模型是对医学影像数据的一个统一模型。提出的基于多模态数据模型的DICOM提取和并行加载技术实现了医学影像数据的统一建模和存储。这种统一建模的数据提取和加载技术对原始数据的利用率很高，不同类型数据之间的关系也被精确完整地表达，从而扩展了基于医学影像数据的数据挖掘的挖掘范围和深度。采用统一模型对所有模态的数据建模，使数据的后期使用和更新具有更好的通用性和一致性。
-
公开(公告)号：CN104933712B
公开(公告)日：2017-12-01
申请号：CN201510324245.4
申请日：2015-06-12
Applicant: 哈尔滨工程大学
IPC: G06T7/11
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于脑部CT图像的图模型展示方法。本发明包括：待建模图像提出建模请求：待建模图像为原始脑部CT图像；图像预处理；ROIs的分割和标记；确定ROI所处区域；确定ROI的区域优先级；顶点的建立以及顶点上特征向量的定义；边的建立规则以及边上特征向量的定义；展示结果。本发明提出一种基于脑部CT图像的TRVL图模型展示方法，此模型是依据侧脑室之间的空间关系以及病变区域对侧脑室的影响建立的拓扑关系图，它不仅准确地表示大脑颅内侧脑室之间的关系，同时也展现了病变区域对侧脑室的影响等病理信息，很好地将图像信息转变为计算机视觉信息。
-
公开(公告)号：CN104933712A
公开(公告)日：2015-09-23
申请号：CN201510324245.4
申请日：2015-06-12
Applicant: 哈尔滨工程大学
IPC: G06T7/00
CPC classification number: G06T7/168 , G06T2207/10081 , G06T2207/20104 , G06T2207/30016
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于脑部CT图像的图模型展示方法。本发明包括：待建模图像提出建模请求：待建模图像为原始脑部CT图像；图像预处理；ROIs的分割和标记；确定ROI所处区域；确定ROI的区域优先级；顶点的建立以及顶点上特征向量的定义；边的建立规则以及边上特征向量的定义；展示结果。本发明提出一种基于脑部CT图像的TRVL图模型展示方法，此模型是依据侧脑室之间的空间关系以及病变区域对侧脑室的影响建立的拓扑关系图，它不仅准确地表示大脑颅内侧脑室之间的关系，同时也展现了病变区域对侧脑室的影响等病理信息，很好地将图像信息转变为计算机视觉信息。
-
公开(公告)号：CN104899292A
公开(公告)日：2015-09-09
申请号：CN201510306230.5
申请日：2015-06-08
Applicant: 哈尔滨工程大学
IPC: G06F17/30
CPC classification number: G06F17/30247
Abstract: 本发明属于图挖掘技术领域，具体涉及一种面向属性图集的频繁近似子图挖掘方法。本发明包括：输入属性图集D；构造属性图集S；挖掘频繁近似顶点；子图扩展；计算扩展子图P’在属性图集D中的支持度；输出频繁近似子图集F。本发明提出一种面向属性图集的频繁近似子图挖掘方法，首先利用聚类算法将属性图集中连续数值型特征向量分割成离散特征向量，从而构建一个新的属性图集S，方便子图的搜索；然后在图近似匹配过程中采用具有较强容错能力的图编辑距离，符合现实世界中噪声和图失真普遍存在的现象，可以发现更多重要模式，具有更实际的应用前景。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
