-
公开(公告)号：CN107169963A
公开(公告)日：2017-09-15
申请号：CN201710384315.4
申请日：2017-05-26
Applicant: 东北大学
Abstract: 本发明涉及医学图像处理与应用技术领域，尤其涉及一种从胸部CT图像中提取胸主动脉的方法。从胸部CT图像中提取胸主动脉的方法包括以下步骤：步骤一：运用区域生长法，基于胸部CT图像数据，获得不黏连心脏的胸主动脉壁里面的部分数据点，并标记上flag；步骤二：运用数学形态学算法，基于经过步骤一标记flag后的胸部CT图像数据，依次获得不黏连心脏的胸主动脉壁里面的剩余数据点和胸主动脉壁的数据点，并标记上flag。本发明的从胸部CT图像中提取胸主动脉的方法算法复杂度低，在i5处理器4G内存环境下运算时间短，分割效果好。
-
公开(公告)号：CN107045721A
公开(公告)日：2017-08-15
申请号：CN201610924061.6
申请日：2016-10-24
Applicant: 东北大学
CPC classification number: G06T7/0012 , G06T2207/10081 , G06T2207/30061
Abstract: 本申请公开了一种从胸部CT图像中提取肺血管的方法及装置，所述方法包括：接收输入的n层胸部CT图像，获取指定图像层进行灰度映射，获得预设分割阈值；在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值及初始种子点进行3D区域增长，获得不带血管的肺组织区域；在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；在所述带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；根据所述初始扩散面和血管阈值，在所述带血管的封闭肺组织区域内进行面扩散，获得肺血管。应用本发明能准确的从胸部CT图像中提取出肺血管，辅助医生准确诊断肺血管疾病。
-
公开(公告)号：CN106529601A
公开(公告)日：2017-03-22
申请号：CN201611030667.1
申请日：2016-11-16
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明涉及数据挖掘技术领域，提出一种基于稀疏子空间多任务学习的图像分类预测方法，包括：步骤一：根据对训练图像集提取的异构视觉特征构建特征数据；步骤二：基于任务的相关性和异构视觉特征的结构性，根据特征数据的训练数据集建立稀疏子空间的多任务分类算法的目标函数；步骤三：基于稀疏子空间的多任务分类算法的目标函数，采用迭代优化算法进行求解，生成稀疏子空间多任务分类模型；步骤四：采用稀疏子空间多任务分类模型对图像测试图像集进行分类预测。本发明结合子空间相关性和稀疏机制建立多任务学习机制，改善分类器的泛化性能，提高了图像分类的泛化性能。
-
公开(公告)号：CN113887852B
公开(公告)日：2024-04-16
申请号：CN202110559595.4
申请日：2021-05-21
Applicant: 东北大学
IPC: G06Q10/0631 , G06N3/042 , G06F18/2135
Abstract: 本发明提供一种基于异构图神经的人员推荐方法，涉及推荐方法技术领域。本发明通过结合事件的事件特征和人员的能力特征，构建了事件与人员的异构图，通过异构图神经网络的训练，最后可以实现为新到事件推荐若干待推荐人员。利用该分配事件策略对大量的新到事件进行分配事件，可有效的加快事件办理效率，避免事件的积压。同时本系统提供挖掘人员的潜在办理能力，针对人员从未办理，或少办理的事件类型，可以在一定条件下进行优先分配，进而有效调动人员的学习积极性，提高人员的多维处理能力。
-
公开(公告)号：CN113161001B
公开(公告)日：2023-11-17
申请号：CN202110515351.6
申请日：2021-05-12
Applicant: 东北大学
IPC: G16H50/70 , G16H10/20 , G06F18/23213 , G06F18/22 , G06N7/01 , G06F16/35 , G06F40/216 , G06F40/242
Abstract: 本发明提供一种基于改进LDA的过程路径挖掘方法，涉及临床路径挖掘技术领域。本发明通过对电子病历中的医嘱日志进行分析，构建了一个医学词典对医嘱日志中的无用医嘱项目进行过滤，选取主题模型中的LDA主题模型对医疗数据进行建模，将医疗日志映射到低维的主题空间，然后再通过过程挖掘来发现主题特征之间的时序关系，让挖掘出的医疗过程模型更易理解，提升了所得结果的医疗可解释性。将本发明所得结果与国家标准临床路径进行对比，结果基本相符。
-
Patent Agency Ranking
公开(公告)号：CN113298827B
公开(公告)日：2023-11-14
申请号：CN202110642538.2
申请日：2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于DP‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；图像经过编码阶段得到特征图M1～M5，同时将PPM模块加入U‑Net网络的编码阶段，并将M5经过PPM模块得到MP；引入DP模块，将Mi输入第i个DP模块，得到特征图Di，其中i为特征图索引，i＝1，2，3，4；结合特征图Di，将MP经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。PPM模块和DP模块的加入，解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题以及U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题，进而提升了U‑Net网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113160881B
公开(公告)日：2023-10-20
申请号：CN202110525570.2
申请日：2021-05-14
Applicant: 东北大学
IPC: G16B40/00 , G16B20/00 , G06F18/2113 , G06F18/2415 , G06F18/214 , G06N3/006
Abstract: 本发明提供一种基于mRMR和MBFA的高维数据特征选择方法，涉及机器学习技术领域。本发明利用mRMR(Max‑Relevance and Min‑Redundancy，最大相关最小冗余)对基因数据进行初步筛选，过滤到包含信息量较少的特征；对于过滤后的特征，通过MBFA(Multilayer Binary Firefly Algorithm，多层二进制萤火虫算法)完成最优特征子集的选择，该方式最终选择的特征冗余度觉少同时实现了较好的模型效果。此外，该方法能够从高维基因微阵列数据中发现寻找用于疾病辅助预测的生物标志物，对于后续研究和预测模型的建立具有重要意义。
-
公开(公告)号：CN112163423B
公开(公告)日：2023-08-29
申请号：CN202011051142.2
申请日：2020-09-29
Applicant: 东北大学
IPC: G06F40/242 , G06F40/289 , G06F40/166 , G06F40/126 , G06F16/903 , G06F16/35 , G06F18/214 , G06N20/20 , G06Q50/18 , G06Q50/26
Abstract: 本发明提供一种检察案件办理工作量计算方法及系统，所述方法基于司法专有名词词典对案件数据文本进行分词处理，提取案件信息中的案件标签，通过模糊匹配进行分组并对每个案件进行编码，利用编码提取到的关键信息进行案件工作量和案件工作量系数计算，所述方法通过对大量的历史案件数据进行分析，可以对案件准确的自动分类，客观定量地计算出每个案件的工作量，通过每个案件的具体分类，所述系统可以提供不同检察官工作量、不同检察院、不同案件类型多种计算结果输出方式，可提高案件工作量计算的准确度，保证办案质量，提高办案效率。
-
公开(公告)号：CN112232413B
公开(公告)日：2023-07-21
申请号：CN202011108087.6
申请日：2020-10-16
Applicant: 东北大学
IPC: G06F18/2113 , G06F18/23213 , G06F18/2411 , G06N3/048 , G06N3/084 , G16B40/00
Abstract: 本发明提供一种基于图神经网络与谱聚类的高维数据特征选择方法。首先将每个基因作为节点建立基因关系图结构模型，并将基因相互关系数据作为边信息添加到基因关系图中，然后利用图神经网络模型来获取节点的特征向量表示，在得到每个节点的特征向量表示之后，开始进行链接预测阶段，生成新的边，得到新的基因关系图，最后基于谱聚类在新的基因关系图中选择权重最高的节点作为特征节点，通过本发明最终选择的基因具有较小的冗余度同时实现了较好的模型效果，并支持生物角度的可解释性。
-
公开(公告)号：CN116401523A
公开(公告)日：2023-07-07
申请号：CN202310351471.6
申请日：2023-04-04
Applicant: 东北大学
IPC: G06F18/2113 , G06N3/126
Abstract: 本发明提供一种基于多目标优化排名聚合的集成特征选择方法，首先利用Lasso回归模型、互信息、Pearson相关系数、卡方检验对高维数据进行初步筛选并生成四个特征排名，然后通过排名聚合技术聚合所有的特征排名，排名聚合基于加权Spearman's Footrule距离度量，该距离包含一个结合特征得分设计的权重，可以强调排名中头部特征的重要性，最终使用多目标秃鹰搜索算法搜索最优的聚合特征排名。多目标指距离之和最优、距离方差最优，多目标的提出使得聚合排名在最接近所有输入排名的同时，不会和某个输入排名的差异过大，从而可以得到更鲁棒的特征排名。这种方法融合了不同特征选择算法的优势，筛选出的特征对于离群值、异常值更鲁棒，在分类时可以有效提高分类效果。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.048 seconds)
