-
公开(公告)号：CN112884737A
公开(公告)日：2021-06-01
申请号：CN202110183836.X
申请日：2021-02-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于多级迭代的乳腺癌病理图像中有丝分裂自动检测方法，含步骤：S1：筛选有丝分裂与非有丝分裂候选集；S2：对训练集中的有丝分裂候选集进行数据增强；S3：搭建深度神经网络模型，随机初始化参数；S4：将S2的训练集放入S3搭建的模型中L轮训练，保存验证集F1值最高一轮的值及参数；S5：将前一步保存的参数作为初始化参数重新放入S3搭建的模型中再次训练L轮，保存该次最高的F1值及参数；S6:比较前两步保存的F1值，若后者提高，重复S5，直至验证集中F1值不再提高。本发明实现了高准确性的乳腺癌组织病理图像中有丝分裂自动检测功能，辅助病理医生对病人快速诊断。
-
公开(公告)号：CN112488234A
公开(公告)日：2021-03-12
申请号：CN202011454778.1
申请日：2020-12-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于注意力池化的端到端组织病理图像分类方法，该方法的具体步骤包括：S1：将组织病理图像切分成指定大小的切片，去除背景区域过多的切片，剩余的切片组成一个包。S2：将S1中得到的包作为输入，利用标准的多示例学习的方法训练一个深度神经网络。S3：使用训练后的深度神经网络对所有的切片打分，取每张全玻片图像得分最高和最低的m张切片，集合为一个新的包。S4：搭建一个包含注意力模块的深度神经网络，使用步骤S3得到的新包训练该网络。S5：将待分类的组织病理图像经S1和S3处理后，使用S4得到的模型进行分类。本发明可以在当前只有少量样本的情形下得到较好的分类效果，为医生提供辅助诊断机制，缓解医疗资源紧张的问题。
-
公开(公告)号：CN110584649B
公开(公告)日：2021-01-15
申请号：CN201910849077.9
申请日：2019-09-09
Applicant: 武汉大学
Abstract: 本发明公开了一种动态单导心电图中异常心电信号识别方法及系统，首先对获得的原始动态单导心电数据进行预处理；然后对预处理后的心电信号数据进行质量评估，质量评估结果分为质量可接受的心电信号数据和质量不可接受的心电信号数据；接着对质量可接受的心电信号数据进行拼接；接下来利用拼接后的质量可接受的心电信号数据对预先构建的心电分类模型进行训练优化，获得训练好的心电分类模型；最后将待识别的动态单导心电图进行预处理、质量评估以及数据拼接的处理，输入训练好的心电分类模型，获得分类识别结果。本发明的方法可以大大提高识别和分类的准确性。
-
公开(公告)号：CN111990989A
公开(公告)日：2020-11-27
申请号：CN202010894295.7
申请日：2020-08-31
Applicant: 武汉大学
IPC: A61B5/0402 , A61B5/0452 , A61B5/04
Abstract: 本发明提供了一种基于生成对抗网络及卷积循环神经网络的单导联心电异常信号识别方法，其主要解决了数据集中样本不平衡的问题，将数据集中数据量较少的类别进行数据增强，然后再进行心电异常信号的识别分类，辅助给医生提供参考，降低误诊、漏诊率，减轻医生的工作量；应用生成对抗网络使得数据集中的样本达到相对平衡，从而进行卷积循环神经网络的训练，以达到更好的分类效果。
-
公开(公告)号：CN108294745B
公开(公告)日：2020-05-26
申请号：CN201810187726.9
申请日：2018-03-07
Applicant: 武汉大学
IPC: A61B5/0402 , A61B5/0472
Abstract: 本发明公开了一种多导联心电图信号中P波、T波起止点检测方法及系统，首先根据各导联信号的波形形态和质量，自适应地选择3个最适宜进行P波、T波定位及起止检测的导联叠加成一虚拟导联；其次通过相邻两个QRS波中前一个的终点与后一个的起点，将虚拟导联划分成一系列的搜索区间，并确定每个搜索区间的前半段为T波搜索范围，后半段为P波搜索范围，并取范围内的最大峰值为对应特征波的顶点；最后通过基于动态阈值的累计下降法分别检测出P波、T波的起点和终点。本发明采用多导联自适应选取技术，增强了系统的鲁棒性；采用叠加成为虚拟导联技术，既增大了P波、T波起止点检测的准确性，又减少了算法检测的次数。
-
Patent Agency Ranking
公开(公告)号：CN101726564B
公开(公告)日：2012-10-17
申请号：CN200910272784.2
申请日：2009-11-18
Applicant: 武汉大学 , 山西省电力公司电力科学研究院
Abstract: 本发明提供了一种反渗透阻垢剂性能测试的通用试验装置，该装置中给水箱、给水阀、恒温装置、保安过滤器、高压泵、第一段反渗透膜组件、第二段反渗透膜组件、浓水三通、浓水回流阀顺次通过管线连通构成给水-浓水循环回路；同时第一段反渗透膜组件经管线L13和第二段反渗透膜组件经管线L14又都通过管线L15经淡水三通与淡水回流阀连通，使给水箱、给水阀、恒温装置、保安过滤器、高压泵、第一段反渗透膜组件、第二段反渗透膜组件、淡水三通、淡水回流阀顺次通过管线连通构成给水-淡水循环回路。这种试验装置具有通用性强、转换简单，能显著降低试验成本的优点。
-
公开(公告)号：CN1304047A
公开(公告)日：2001-07-18
申请号：CN99120146.9
申请日：1999-12-23
Applicant: 武汉大学
Abstract: 本发明公开了一种开关矩阵直读式非晶硒平板固态探测器和由此构成的X射线全数字图像设备。探测器由玻璃基板,薄膜三极管组成的二维开关矩阵阵列及其控制、放大电路,非晶硒光导体和金属偏置电极四层顺序构成。X射线全数字图像设备由开关矩阵直读式非晶硒平板固态探测器、接口电路板和计算机三个部分组成。这种备分辨率高、放射剂量低,能取代荧光屏/胶片模拟设备,也能获取实时动态图像作荧光检查,具有极大的市场前景和经济效益。
-
公开(公告)号：CN117316311A
公开(公告)日：2023-12-29
申请号：CN202311258354.1
申请日：2023-09-26
Applicant: 武汉大学
IPC: G16C20/10 , G16C20/70 , G16C10/00 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/084 , G06N3/0442 , G06N3/0499
Abstract: 本发明提供了一种基于多任务和分子多模态特征的酶促反应可行性评估方法和系统。本发明使用公开数据集与生物工程学反应规则模板库构造酶促反应可行性数据集；将反应产物分子与底物分子的SMILES序列特征和摩根指纹空间结构特征作为神经网络的输入；基于注意力机制与卷积神经网络构造双分支网络提取分子多模态特征；以产物SMILES序列生成任务作为辅助任务强化模型学习序列特征的能力，为酶促反应可行性评估任务提供更丰富的特征，有效使所训练模型能够综合分子多模态特征对反应可行性做出准确的判断。本发明显著提高了生物分子逆合成途径设计过程中的计算速度和可靠性，避免设计过程中不必要的搜索扩展，提高实验效率。
-
公开(公告)号：CN115512831A
公开(公告)日：2022-12-23
申请号：CN202211202211.4
申请日：2022-09-29
Applicant: 武汉大学
Abstract: 本发明公开了一种医学超声图像辅助判定病灶严重程度的方法，包括：对医学超声图像进行预处理；搭建深度神经网络模型，将预处理后的超声图像分为训练集、验证集和测试集，采用深度神经网络模型对预处理后的医学超声图像进行特征提取获得特征图，再对特征图进行特征增强得到特征增强图，采用训练集的特征增强图对深度神经网络模型进行训练，获得训练后的卷积神经网络模型参数，再采用验证集的特征增强图验证训练后的卷积神经网络模型参数以及采用测试集进行测试，选取测试精度符合要求的参数作为深度神经网络模型的最终参数；采用步骤2得到的深度神经网络模型对医学超声图像进行预测。本发明提高了识别的准确度，减轻了医生的工作量。
-
公开(公告)号：CN114722950A
公开(公告)日：2022-07-08
申请号：CN202210390933.0
申请日：2022-04-14
Applicant: 武汉大学
Abstract: 本发明提供了一种多模态的多变量时间序列自动分类方法及装置，其中的方法包括：S1：使用一维卷积神经网络将多变量时间序列不同通道融合，再对各个通道进行权重计算。S2：使用符号傅里叶近似方法对原多变量时间序列进行离散化符号表示，并得到离散化符号表示向量。S3：构建时序空间网络，计算时间特征向量和空间特征向量。S4：将离散化符号表示向量、时间特征向量和空间特征向量拼接。S5：将拼接的总特征向量作为输入训练一个多层感知机，最后使用softmax函数进行分类，采用多个训练周期训练该神经网络。S6：将待分类的多变量时间序列输入已经训练好的多模态的多元多变量时间序列中，得到分类结果。本发明提高了分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.026 seconds)
