-
公开(公告)号：CN116597218A
公开(公告)日：2023-08-15
申请号：CN202310578843.9
申请日：2023-05-22
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V20/70 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种病理切片图像病变分级分类检测方法，所述方法包括如下步骤：步骤一：利用基于归一化互信息配准的自动化标签标注方法对裁剪后的图像标注标签，生成数据集；步骤二：对DenseNet121网络进行改进，引入焦点损失函数平衡多个组织样本之间的权重；步骤三：在改进后的DenseNet121中的每一个稠密块和转换层中间加入混合注意力模块，并将局部监督函数加入到修改后网络的损失函数中；步骤四：将步骤二和步骤三中的两个改进网络系统结合，形成针对病变的分级分类检测方案。本发明能够提高病变图像的检出速度和准确率，从而降低人工识别成本，扩展医学图像分类领域应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111309777A
公开(公告)日：2020-06-19
申请号：CN202010050602.3
申请日：2020-01-14
Applicant: 哈尔滨工业大学
IPC: G06F16/2458
Abstract: 一种基于互斥表达的改进关联规则报表数据挖掘方法，涉及数据科学领域的知识发现与数据挖掘方法，解决了传统关联规则算法在处理海量数据时内存消耗大、效率低的问题。本发明的步骤为：一、基于数据阈值范围将数据转换为事务数据，基于数据逻辑得到具有分组标签的二值稀疏矩阵；二、得到所有频繁项为1的集合，去除非频繁项集从而得到新的分组结果；三、对频繁项集进行自连接迭代搜索频繁项集，并对候选项集进行裁剪，迭代直到无法产生新的频繁项集，从而得到关联规则挖掘结果。本发明的基本思想是对结构化数据转换为事务数据，基于互斥关系产生分组，进行规则挖掘，从而减少计算内存并提高计算效率。应用场景广泛，具有很高的社会经济价值。
-
公开(公告)号：CN109284352A
公开(公告)日：2019-01-29
申请号：CN201811153438.8
申请日：2018-09-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于倒排索引的评估类文档不定长词句的查询方法，它涉及数据科学领域的索引方法以及NLP领域的分词方法，解决了评估类文档不定长词句的查询问题。本发明的步骤为：一、对待查询文档进行数据预处理，利用jieba分词方法进行分词处理，得到单词词典与词频信息；二、基于完全重建策略的倒排索引原理建立自适应倒排表；三、结合待查找不定长词句的信息，通过自适应倒排表索引词句中各个单词位置信息，识别不定长词句位置信息并索引其所在段落，来完成评估类文档不定长词句的查询功能。本发明的基本思想是对文本数据进行分词，建立倒排索引，进而实现快速搜索不定长词句，从而实现对评估类文档的查询功能。应用场景广泛，因而具有很高的社会经济价值。
-
公开(公告)号：CN116091832B
公开(公告)日：2023-10-20
申请号：CN202310124577.2
申请日：2023-02-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于自编码器网络的肿瘤细胞切片高光谱图像分类方法，所述方法包括如下步骤：步骤一：通过显微镜和高光谱成像仪得到肿瘤细胞切片的高光谱图像；步骤二：基于高光谱图像数据，分别进行基于线性回归的最小二乘拟合估计和基于非线性回归的高斯拟合估计，通过滑动窗口设置和三次样条插值法，将混合像元按线性和非线性混合程度进行区域划分；步骤三：基于变精度粗糙集方法处理高光谱图像解混数据，构建稀疏自编码器网络进行解混；步骤四：基于优化的卷积神经网络，对解混得到的端元及丰度结果进行分类，实现肿瘤细胞切片高光谱图像分类。本发明可以降低图像在空间分辨率上的精度要求，提高切片扫描效率，进一步缩短分析诊断时间。
-
公开(公告)号：CN116091832A
公开(公告)日：2023-05-09
申请号：CN202310124577.2
申请日：2023-02-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于自编码器网络的肿瘤细胞切片高光谱图像分类方法，所述方法包括如下步骤：步骤一：通过显微镜和高光谱成像仪得到肿瘤细胞切片的高光谱图像；步骤二：基于高光谱图像数据，分别进行基于线性回归的最小二乘拟合估计和基于非线性回归的高斯拟合估计，通过滑动窗口设置和三次样条插值法，将混合像元按线性和非线性混合程度进行区域划分；步骤三：基于变精度粗糙集方法处理高光谱图像解混数据，构建稀疏自编码器网络进行解混；步骤四：基于优化的卷积神经网络，对解混得到的端元及丰度结果进行分类，实现肿瘤细胞切片高光谱图像分类。本发明可以降低图像在空间分辨率上的精度要求，提高切片扫描效率，进一步缩短分析诊断时间。
-
公开(公告)号：CN109284352B
公开(公告)日：2022-02-08
申请号：CN201811153438.8
申请日：2018-09-30
Applicant: 哈尔滨工业大学
IPC: G06F16/31 , G06F40/289 , G06F40/242
Abstract: 一种基于倒排索引的评估类文档不定长词句的查询方法，它涉及数据科学领域的索引方法以及NLP领域的分词方法，解决了评估类文档不定长词句的查询问题。本发明的步骤为：一、对待查询文档进行数据预处理，利用jieba分词方法进行分词处理，得到单词词典与词频信息；二、基于完全重建策略的倒排索引原理建立自适应倒排表；三、结合待查找不定长词句的信息，通过自适应倒排表索引词句中各个单词位置信息，识别不定长词句位置信息并索引其所在段落，来完成评估类文档不定长词句的查询功能。本发明的基本思想是对文本数据进行分词，建立倒排索引，进而实现快速搜索不定长词句，从而实现对评估类文档的查询功能。应用场景广泛，因而具有很高的社会经济价值。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
