-
公开(公告)号：CN116383739B
公开(公告)日：2024-01-30
申请号：CN202310325167.4
申请日：2023-03-30
Applicant: 东北林业大学
IPC: G06F18/243 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/096 , G06F123/02
Abstract: 基于域自适应的多模态数据融合的智能故障诊断系统，本发明涉及智能故障诊断、人工智能、深度学习、迁移学习。本发明是为了解决在变工况条件下对故障进行智能诊断的问题。系统包括：采集不同工况条件下的故障振动信号数据；对采集的数据通过快速傅里叶变换转为二维的频域图像；对已知数据样本打上真实标签；通过已知数据样本训练分类器；将目标数据和已知数据的特征进行对齐以减小差异；通过分类器对目标数据进行分类来实现智能故障诊断。本发明用于基于域自适应的多模态数据融合的智能故障诊断领域。
-
公开(公告)号：CN116127371B
公开(公告)日：2023-09-08
申请号：CN202211554437.0
申请日：2022-12-06
Applicant: 东北林业大学
IPC: G06F18/241 , G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 融合先验分布与同态混沌加密的多用户模型联合迭代方法，本发明涉及深度学习模型联合迭代技术中，用户本地数据分布差异较大以及隐私保护的问题。训练深度学习模型应用于各行各业中的不同任务处理已愈发广泛。然而模型训练依赖于足够数量与质量的数据集。然而数据经常难以采集以及隐私保护愈发重要，导致模型泛化性与准确性难以达到要求，本发明提出一种多用户模型联合迭代方法，其主要思想是利用先验分布弥合多用户本地数据分布差异，并混合两种加密技术保护数据隐私，从而实现模型联合迭代。该方法能有效降低模型训练难度，提升模型的泛化性能以及准确度。本发明应用于深度学习模型训练中的多用户模型联合迭代。
-
公开(公告)号：CN116630965A
公开(公告)日：2023-08-22
申请号：CN202310325143.9
申请日：2023-03-30
Applicant: 东北林业大学
IPC: G06V20/69 , G06V10/764 , G06V10/82 , G06V10/26 , G06V10/774 , G06T7/00 , G06N3/045 , G06N3/09
Abstract: 面向胃镜活检智能诊断的组织病理图像分类方法，本发明涉及智能诊断、人工智能、深度学习，对胃癌组织图像中异常区域进行病理分类。胃癌的组织病理学图像包含了足够的特征信息，在胃癌的诊断和治疗中起着至关重要的作用。通过深度学习技术对胃癌组织病理学图像进行自动分类，分类结果可以帮助病理医生从大量胃癌图像中快速区分不同类型的病变，来减少诊断时间，提高胃癌预防和诊断效率，提高病理学家诊断结果的准确性。本发明提出了面向胃镜活检智能诊断的组织病理图像分类方法。实验表明，该方法可以对胃癌组织病理图像进行更精准的病理分类。
-
公开(公告)号：CN116596950A
公开(公告)日：2023-08-15
申请号：CN202310631644.X
申请日：2023-05-31
Applicant: 东北林业大学
IPC: G06T7/11 , G06T7/00 , G06V10/774 , G06V10/762 , G06V10/74 , G06V10/26 , G06T7/62
Abstract: 本发明提供了特征加权聚类的视网膜眼底血管追踪方法，涉及医学图像计算机分析处理技术领域，为解决现有方法在视网膜眼底血管追踪中分岔点血管划分困难的问题。包括如下步骤：S1、对眼底血管分割数据集预处理，使用预处理后的图像训练眼底血管语义分割模型，并利用眼底血管语义分割模型对眼底血管进行分割提取；S2、对提取的眼底血管进行骨骼化处理，并对骨骼化血管分段；S3、计算每段骨骼化血管的特征，构建特征向量；S4、对每个分岔点处的血管，根据特征向量计算特征相似性度量权重；S5、计算分岔点处血管间的相似度进行聚类，完成血管追踪。本发明方法可以对分岔点处血管进行准确地划分，以实现血管的精确追踪，为生物标志物计算提供基础。
-
公开(公告)号：CN115272196A
公开(公告)日：2022-11-01
申请号：CN202210810912.X
申请日：2022-07-11
Applicant: 东北林业大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20
Abstract: 组织病理图像中病灶区域预测方法，本发明涉及组织病理图像分析诊断技术中，病灶区域难以检测的问题。细胞核和细胞质的结构外观信息是组织病理图像表型信息的重要体现，为其分类提供依据。染色分离是提取组织病理图像特征的关键所在。但组织病理图像存在大量阴性图块、包含复杂的模式和纹理、存在颜色变化和伪影，使得目前仍没有一个准确的阴阳性分类方法。针对这一问题，结合任务的特点，设计了模型，并利用颜色反卷积对组织病理图像进行染色初始化，再将训练好的模型迁移到病灶区域预测任务中，聚合阳性概率生成热力图。实验表明，这种方法能够有效地检测出病灶区域。该方法主要应用于细胞病理图像的病灶区域预测任务。
-
Patent Agency Ranking
公开(公告)号：CN119128714A
公开(公告)日：2024-12-13
申请号：CN202411113487.4
申请日：2024-08-14
Applicant: 东北林业大学
IPC: G06F18/2431 , G06F18/25 , G06F18/21 , G06N3/045 , G06N3/0464 , G01M13/028
Abstract: Convformer‑SENet的齿轮故障诊断方法，涉及机械故障诊断领域。针对CNN在齿轮故障诊断中因局部特性限制难以全面捕捉全局故障信息，以及Transformer处理长序列时资源消耗大、容易在数据量小的情况下过拟合的不足，本方法提出了一种新的齿轮故障诊断算法Convformer‑SENet，用来提高齿轮故障诊断准确率。Convformer‑SENet结合了CNN强大的局部特征提取能力和Transformer能够通过自注意力机制捕捉输入序列中任意两个位置之间的依赖关系的优势。兼顾局部和全局特征，同时嵌入SENet通道注意力机制实现自适应学习。本文使用东南大学数据集和东北林业大学齿轮故障数据集，对所提出方法的有效性进行验证。实验结果表明，本专利提出的方法能有效提高齿轮故障诊断准确率，同时通过与其他先进的方法进行对比，Convformer‑SENet在诊断准确性方面均优于其他先进方法。
-
公开(公告)号：CN118965027A
公开(公告)日：2024-11-15
申请号：CN202410988444.4
申请日：2024-07-23
Applicant: 东北林业大学
IPC: G06F18/23 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06F18/2132 , G06N3/088
Abstract: 本发明涉及一种基于SE注意机制混合式网络和批谱惩罚的旋转机械故障诊断方法。首先，本方法通过SE(Squeeze‑and‑Excitation)注意力机制动态地调整神经网络中各通道的权重，增强模型对故障特征的识别能力。同时，引入MixStyle技术，通过在训练过程中概率性地混合来自不同域的样本特征，有效提高了模型在不同运行条件下的泛化性能。此外，本发明还采用批量光谱惩罚(BSP)策略，通过惩罚最大奇异值来平衡特征的传递性和辨识性，从而提升了模型在跨域故障诊断中的准确率和鲁棒性。该方法经NEFU齿轮数据集和JUN轴承数据集验证，结果表明，相较于传统方法，本发明提出的方法在旋转机械的无监督故障诊断任务中表现出色，具有优越的诊断性能和较高的准确率。
-
公开(公告)号：CN117669648A
公开(公告)日：2024-03-08
申请号：CN202311542787.X
申请日：2023-11-20
Applicant: 东北林业大学
Abstract: 一种基于元路径的双通道异构图节点表示学习方法，本发明涉及在异构图节点特征传递的过程中，如何使节点特征表示更加准确与全面的问题。目前，图神经网络技术成为各行各业的重要工具。然而在许多图神经网络中，节点之间信息只逐级传递，这种逐级传递会影响节点特征的准确性；还有神经网络无法平衡整体与局部的信息。在本发明提出的方法中，通道一以引入距离权重的方式直接观测远节点特征，削减了逐级传递对特征的影响。通道二综合元路径信息，依据总体信息更新节点特征。最后将两个通道更新后的节点特征横向拼接，得到最终的节点特征表示。本方法考虑了多个角度的数据信息，有效地提升了特征提取的准确度。
-
公开(公告)号：CN117524299A
公开(公告)日：2024-02-06
申请号：CN202311542694.7
申请日：2023-11-20
Applicant: 东北林业大学
IPC: G16B15/30 , G16B40/00 , G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于图变换网络与图分解的异构图节点关系预测方法，本发明涉及异构图节点关系预测技术。异构图节点关系预测在推荐系统、基因疾病和药物靶点等领域都具有广泛的应用。基于相似性的方法忽略了异构图的结构关系，基于随机游走的方法在处理大规模的图时计算方法复杂。本发明结合基于相似性的方法和基于图神经网络的方法，使用图变换网络自主选取元路径，减少了人为干预。并提出一种基于度的图分解方法提取和融合节点对深层特征，综合考虑了不同重要程度的节点信息。使用多头注意力机制将子图的节点对深层特征进行融合，得到节点对的最终特征表示，输入预测模型可得到更为准确的节点关系预测结果。本发明应用于异构图节点关系预测。
-
公开(公告)号：CN115272196B
公开(公告)日：2024-01-09
申请号：CN202210810912.X
申请日：2022-07-11
Applicant: 东北林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20
Abstract: 组织病理图像中病灶区域预测方法，本发明涉及组织病理图像分析诊断技术中，病灶区域难以检测的问题。细胞核和细胞质的结构外观信息是组织病理图像表型信息的重要体现，为其分类提供依据。染色分离是提取组织病理图像特征的关键所在。但组织病理图像存在大量阴性图块、包含复杂的模式和纹理、存在颜色变化和伪影，使得目前仍没有一个准确的阴阳性分类方法。针对这一问题，结合任务的特点，设计了模型，并利用颜色反卷积对组织病理图像进行染色初始化，再将训练好的模型迁移到病灶区域预测任务中，聚合阳性概率生成热力图。实验表明，这种方法能够有效地检测出病灶区域。该方法主要应用于细胞病理图像的病灶区域预测任务。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.01 seconds)
