-
公开(公告)号：CN119818090A
公开(公告)日：2025-04-15
申请号：CN202411778390.5
申请日：2024-12-05
Applicant: 清华大学
Inventor： 陆文凯
IPC: A61B8/08
Abstract: 本发明提供一种基于凸阵合成孔径超声的成像方法、装置、凸阵合成孔径超声设备及存储介质，涉及医学超声成像技术领域。所述方法包括：获取三维通道数据，根据所述三维通道数据对应的多个发射阵元‑接收阵元对的延迟时间进行延时累加，得到二维射频数据，根据所述二维射频数据进行波束形成，得到成像结果。该方法能够将三维数据压缩为二维数据进行传输，在减少数据传输量的情况下保持成像图像质量。
-
公开(公告)号：CN118884558A
公开(公告)日：2024-11-01
申请号：CN202410158631.X
申请日：2024-02-04
Applicant: 清华大学
IPC: G01V11/00 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/098 , G01V1/28 , G01V1/30 , G01V3/08
Abstract: 本申请提供的基于多尺度特征融合网络的电磁地震联合反演方法和装置，属于地球物理反演技术领域。所述方法包括：生成具有随机断层和盐丘结构的电阻率模型和速度模型；对所述速度模型和所述电阻率模型进行正演模拟，得到样本数据集；利用所述样本数据集，对多尺度特征融合网络模型进行迭代训练，得到联合反演网络模型；利用所述联合反演网络模型对地震电磁数据进行联合反演。
-
公开(公告)号：CN117852585A
公开(公告)日：2024-04-09
申请号：CN202410193117.X
申请日：2024-02-21
Applicant: 清华大学
IPC: G06N3/0455 , G06N3/0475 , G06N3/096 , G06N3/094 , G06V10/82
Abstract: 本发明提供了一种模型生成方法、井震联合速度建模方法、装置及设备，搭建纹理迁移网络模型，纹理迁移网络包括生成器、判别器和自编码器；生成器和判别器用于构成条件生成对抗网络，自编码器用于重构测井速度；获取样本数据，基于生成器和判别器构成的条件生成对抗网络，对纹理迁移网络模型进行训练；样本数据包括：初始速度和深度剖面；将测井速度输入自编码器，对纹理迁移网络模型进行参数优化；纹理迁移网络模型用于根据输入的初始速度和深度剖面输出速度建模图像，速度建模图像中速度和反射面形态匹配。本申请仅利用人工合成数据训练网络即可应用于未见数据，提高了网络的泛化能力；仅利用少量测井标签，通过少量数据实现了高精度的速度建模。
-
公开(公告)号：CN116843639A
公开(公告)日：2023-10-03
申请号：CN202310769252.X
申请日：2023-06-27
Applicant: 清华大学
Abstract: 本发明提供了一种针对超声图像的交互式肿瘤分割方法、装置、电子设备及存储介质，涉及医学图像处理领域。该方法包括：获取原始超声图像；获取第一用户点击信息，将第一用户点击信息、原始超声图像输入预先训练的肿瘤分割模型，得到第一分割结果；在第一分割结果满足预设精度的情况下，输出第一分割结果。基于本发明提出的分割方法，用户可以基于原始超声图像和对原始超声图像中分割目标的位置点击指示，方便快捷地从原始超声图像中，获得目标肿瘤分割结果。本发明实施例提出的针对超声图像的交互式肿瘤分割方法，利用深度学习算法实现高效的交互式肿瘤分割，利用了目标驱动的图像增强算法，克服了超声图像质量低所造成的分割精度较差的问题。
-
公开(公告)号：CN113296150A
公开(公告)日：2021-08-24
申请号：CN202110752889.9
申请日：2021-07-02
Applicant: 清华大学
Abstract: 本发明公开了属于地球物理技术领域的一种测井约束下的高维闭环网络地震反演方法。该方法具体包括如下步骤：步骤1：搭建卷积神经网络；包括一个正演网络和一个反演网络；步骤2：准备训练数据；包括测井波阻抗数据、插值波阻抗数据和合成地震数据；步骤3：训练网络并进行微调：对正演网络和反演网络进行训练，然后将一维的测井数据应用到二维模型和三维模型上，并进行微调；步骤4：预测及评估：首先对地震数据进行反演；然后对反演结果进行正演得到重构地震数据；最后使用该重构地震数据对反演结果的有效性进行评估。本方法无需额外收集输入和参考图像，能够保证良好的横向连续性，精度高于传统及其他深度学习反演方法。
-
Patent Agency Ranking
公开(公告)号：CN111461988A
公开(公告)日：2020-07-28
申请号：CN202010253987.3
申请日：2020-04-02
Applicant: 清华大学
Abstract: 本发明公开了一种基于多任务学习的地震速度模型超分辨率技术，所述技术包括以下步骤:步骤1：搭建多任务超分辨率深度网络；步骤2：准备训练数据，利用速度模型数据构建标签数据；步骤3：训练多任务超分辨率深度网络，使用均方误差和全变差组合构成多任务深度网络的损失函数，投入训练数据，使用优化器进行训练，训练过程中采用衰减学习率；步骤4：应用多任务超分辨率深度网络，输入真实低分辨率地震速度模型及其梯度，得到高分辨率地震速度模型及其梯度。
-
公开(公告)号：CN105158800A
公开(公告)日：2015-12-16
申请号：CN201510447167.7
申请日：2015-07-27
Applicant: 清华大学
Abstract: 本发明公开了一种基于分频主成分分析的多次波消除方法及装置，该方法包括：对预测得到的多次波进行分频处理，得到多个多次波频段；分别从每个多次波频段中提取多次波特征；将从多个多次波频段中提取的多次波特征进行合成；根据合成结果重建实际数据中的真实多次波；将实际数据减去真实多次波，得到实际数据的完整一次波。该方法利用不同频率的预测多次波学习出不同的基向量，可以有效提取出多次波各个频率的显著特征，在多次波相减过程中，可以尽可能多减去多次波，而不损伤一次波。
-
公开(公告)号：CN101923178B
公开(公告)日：2012-05-23
申请号：CN201010255258.8
申请日：2010-08-16
IPC: G01V1/36
Abstract: 一种基于亚像素匹配的拖缆动态采集影响消除方法，包括以下步骤：1、向计算机输入所需参数；2、逐条测线进行校正：将该测线的数据抽成Y个共偏移距道集g；叠加得到叠加剖面m；对每个共偏移距道集g横向上作道内插，时间方向上作线性插值，求叠加剖面m中每个数据集中附近数据的最大互相关，并将其存为一个数据集d；再对d进行中值滤波；3、处理完所有共偏移距道集后，将数据抽成共成像点道集保存，即完成拖缆动态采集影响的消除。本发明采用的方法在共偏移距道集上进行匹配，从而在亚像素范围内校正数据，克服拖缆漂移带来的影响，能够使共成像点道集上的同相轴更平直，远近道的数据一致性更好，并扩展叠加剖面有效频带的范围，提高分辨率。
-
公开(公告)号：CN101334482A
公开(公告)日：2008-12-31
申请号：CN200810117757.3
申请日：2008-08-05
IPC: G01V1/28
Abstract: 本发明公开了一种预测地震波中的多次波和一次波信号的方法，属于地震观测信号处理技术领域。本发明所提供的预测地震波中的多次波信号的方法，包括以下步骤：1)用式(9)的目标函数优化滤波器系数a(i)；2)将步骤1)中得到的优化滤波器系数a(i)代入式(1)，得到多次波信号。用地震观测信号减去所述多次波的信号还可以得到地震波中的一次波信号。本发明克服了传统的预测方法需要假设预测多次波和一次波是正交的限制，更有效地消除了地震信号中的多次波。，(1)；max J(a(i))＝[E{G(ε0(n))}－E{G(v(n))}]2，i＝1，2，…，m，(9)。
-
公开(公告)号：CN1190754C
公开(公告)日：2005-02-23
申请号：CN02155462.5
申请日：2002-12-13
Applicant: 清华大学
Inventor： 陆文凯
IPC: G06T5/00
Abstract: 基于子空间分解的高效数字图像大尺度放大方法属于数字图像处理技术领域，其特征在于：它是把二维图像插值转换成若干奇异向量的一维插值的一种插值方法，它依次含有奇异值分解、奇异值向量的一维插值和奇异值重构三个步骤，它还通过分块处理算法大大地降低了在大尺度放大情况下的插值复杂度。同时，在同样的图像尺寸和分块尺寸条件下，本方法的运算时间和图像二维三次插值方法的运算时间的比值随放大尺度的增加而减少。如在分块尺寸为16*8，放大尺度为120时，设图像三次插值需要时间为1，则图像线性插值时间为0.42，图像最近邻插值时间为0.295，而本方法采用三次一维插值时所用的时间仅为0.0158。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.027 seconds)
