-
公开(公告)号：CN119478393A
公开(公告)日：2025-02-18
申请号：CN202411414532.X
申请日：2024-10-11
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/13 , G06T7/40
Abstract: 一种基于超声图像的甲状腺结节智能分割和自动评级方法，它涉及一种图像智能分割和自动评级方法。本发明为了解决现有甲状腺结节超声图像无法实现智能分割、自动评级的问题。本发明包括利用提出的基于GADRU‑Net网络的甲状腺结节分割方法对超声图片进行分割；对分割的结节图像进行预处理操作；根据C‑TIRADS规定的评级指标对结节提取6个诊断特征；使用支持向量机或卷积网络进行分类，根据指标进行评级。本发明属于超声医学图像处理技术领域。
-
公开(公告)号：CN119359873A
公开(公告)日：2025-01-24
申请号：CN202411564299.3
申请日：2024-11-05
IPC: G06T13/40 , G06T17/00 , G06N3/0464 , G06N3/08 , G10L15/22
Abstract: 本发明提出一种数字冰壶运动员面部表情的语音驱动方法。所述方法基于冰壶比赛视频建立冰壶运动员的数字人形象，并建立冰壶运动员的个性化情绪参数库，使用神经网络模型将冰壶比赛音频转换为个性化表情参数，将个性化表情参数转换为三维人脸动画，实现个性化的数字人语音驱动。数字冰壶运动员的建模过程考虑运动员的个性化特征，如面部特征、表情特点等，同时在数字人开发中仅使用比赛视频建模，并实现基于语音的在线驱动，有助于开发者在数字人开发中快速地实现个性化定制，满足不同用户或场景的需求。
-
公开(公告)号：CN119201984A
公开(公告)日：2024-12-27
申请号：CN202411263035.4
申请日：2024-09-10
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 国网黑龙江省电力有限公司电力科学研究院
Inventor： 张宏国 , 赵天诚 , 马超 , 张罗刚 , 关志博 , 李双翼 , 黄海 , 于海宁 , 王孝余 , 尚方 , 刘生 , 史心月 , 宋杭选 , 袁泽 , 王莹莹 , 李丹丹 , 林扬
IPC: G06F16/2452 , G06F16/242 , G06F16/33
Abstract: 基于检索增强生成的电力领域SQL自动生成方法及系统，涉及数据处理技术领域。解决了为了解决传统的SQL自动生成方法数据处理的效率和准确性低的问题。本发明首先将用户输入的问题编码为向量，并在预先编码的向量知识库中匹配相似度排名最高的k个键和描述信息。再基于排名最高的k个键及键对应的描述信息生成指令信息，SQL生成模型根据指令信息生成精准的SQL查询语句。本发明主要应用于电力领域自然语言问题转化为SQL查询语句。
-
公开(公告)号：CN115019045A
公开(公告)日：2022-09-06
申请号：CN202210730784.8
申请日：2022-06-24
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06T7/11 , G06N20/00
Abstract: 本发明公开了一种基于多成分邻域的小数据甲状腺超声图像分割方法，所述方法如下：加载甲状腺超声原始成分图像，为每幅图像匹配对应的图像分割标签并划分原始成分数据集，然后提取边缘成分图像和超像素成分图像；利用多成分数据集训练三个U‑Net分割算法，以获得初步分割结果和多成分分割输出，进而提取多成分小邻域特征并配以像素二分类标签；在多成分邻域极限学习机中完成特征融合、最小冗余度‑最大相关度特征筛选和极限学习机训练，获取像素分类结果并重构，以获得増补性分割结果；利用増补性分割结果，改进初步分割结果的边缘环形关注区域，以获取改进的最终分割结果。本发明方法可以在小数据下获得精度更高的甲状腺超声分割结果。
-
公开(公告)号：CN108537817B
公开(公告)日：2021-06-22
申请号：CN201710119417.3
申请日：2017-03-02
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多尺度球状增强滤波器和水平集算法的运动估计方法，它涉及到超声自由呼吸序列的肝肿瘤跟踪问题。其特征在于有效地解决了在自由呼吸下的肝肿瘤运动跟踪方法不稳定，实时性差的问题。本发明的步骤如下：步骤一、对得到的超声图像序列进行预处理；步骤二、使用多尺度球状增强滤波器对目标区域进行边缘粗提取；步骤三、基于目标区域的粗提取边缘，利用基于水平集算法的CV模型提取清晰的边界信息；步骤四、确定目标的几何中心并对搜寻区域进行更新。本发明利用多尺度球状增强滤波器和基于水平集算法的CV模型处理已有超声图像序列，提取出目标区域清晰的边界信息，适用于自由呼吸序列，保证了肝肿瘤运动跟踪过程的稳定性和实时性。
-
Patent Agency Ranking
公开(公告)号：CN119919655A
公开(公告)日：2025-05-02
申请号：CN202411944674.7
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
IPC: G06V10/26 , G06V10/54 , G06V10/771 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于先验注意力与辅助引导的甲状腺结节分割方法，属于超声医学图像处理技术领域，解决现有基于U‑Net的甲状腺结节超声图像分割准确性不佳、临床应用价值低的问题，包括：构建甲状腺超声图像数据集DS，将甲状腺超声图像数据集DS按比例划分为训练集、验证集和测试集；利用甲状腺结节超声图像ITN进行特征提取，对提取的特征进行最小冗最大相关特征选择，获取优化的甲状腺结节良恶性先验特征；计算整体损失L，在整体损失L的基础上，利用训练集训练PADPU‑Net网络，在训练过程中使用验证集进行验证，获取PADPU‑Net模型MPADPU‑Net；利用PADPU‑Net模型MPADPU‑Net，对甲状腺结节超声图像测试集DSTest进行测试，对测试结果进行优化获取最终甲状腺结节分割结果。
-
公开(公告)号：CN119603525A
公开(公告)日：2025-03-11
申请号：CN202411769173.X
申请日：2024-12-04
Abstract: 本发明提出一种基于大语言模型的冰壶比赛视频描述方法。该方法通过智能解析视频并生成详细的文字描述，冰壶运动员可以用更少的时间更加深入地了解比赛的每一个细节，提供详细的战术分析和动作指导，帮助运动员更快地提升技能水平。该方法通过结合视频分析技术和大语言模型的优势，实现对冰壶比赛视频的全面、细致、深入的自然语言描述，本发明不仅提高冰壶比赛视频描述的准确性和全面性，还为观众和教练提供了更加丰富的比赛信息和分析手段。
-
公开(公告)号：CN116824703B
公开(公告)日：2024-11-15
申请号：CN202310854395.0
申请日：2023-07-13
Abstract: 本发明提出一种冰壶运动员动作识别与评估方法。所述方法首先，通过人体姿态估计算法，预测人体关节点的置信度和躯干亲和场，提取冰壶运动员投掷视频中的骨架时间序列信息；其次，通过骨架图的归一化，以骨架图之间的像素点欧氏距离作为匹配距离，进行基于动态规划算法的骨架序列对齐，实现待匹配骨架序列和标准骨架序列之间的时序对齐；最后，构建冰壶运动员投掷动作评估规则，并通过冰壶运动员人体骨架检测的骨架图计算目标关节角，利用关节角的范围设计得分函数进行动作评价。所述方法实现了对冰壶运动员投掷动作的评价，为冰壶运动员的训练提供了参考，能够起到辅助冰壶运动员训练的作用。
-
公开(公告)号：CN116650940B
公开(公告)日：2024-11-15
申请号：CN202310521043.3
申请日：2023-05-10
IPC: A63F13/245 , A63F13/816
Abstract: 本发明提出一种冰壶运动虚拟现实比赛实现方法。本发明基于力反馈与动作捕捉技术建立冰壶投掷动作与冰壶球运动初始状态之间关系的模型，在虚拟空间基于摩擦力模型实时估计并显示冰壶球运动状态，同时建立擦冰动作与虚拟空间冰刷运动对冰壶球运动状态改变之间的模型，基于多体碰撞模型预测冰壶球的位置分布，最后通过VR眼镜虚拟现实平台交互显示冰壶比赛过程，实现冰壶运动比赛对抗。所述方法通过对冰壶运动建模搭建冰壶比赛虚拟现实系统的软硬件平台，能够实时估计冰壶球运动状态和落点分布，实现虚拟现实环境中多人/人机交互冰壶比赛，为冰壶运动的大众推广提供条件。
-
公开(公告)号：CN113393512B
公开(公告)日：2022-11-11
申请号：CN202110542900.9
申请日：2021-05-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于二维超声图像的甲状腺体积自动估算方法及系统，其中，该方法包括通过超声设备采集甲状腺的二维超声图像；利用深度学习算法对二维超声图像进行语义分割，获得二值分割图像；根据二值分割图像计算每个纵扫截面甲状腺侧叶的最大长度a，每个横扫截面甲状腺侧叶的最大宽度b和最大厚度cmax，自动选出最大横向截面和最大纵向截面；处理最大横向截面和最大纵向截面，在最大纵向截面上沿最大长度a方向，按宽度比c(a)/cmax等比缩放最大横向截面面积，得到甲状腺估算体积。该方法有效解决了传统甲状腺体积测量专业性强、操作难度高导致的甲状腺体积测量效率较低、加重医生工作负担的技术问题，满足了自动化的要求，同时能有效提高甲状腺体积测量精度。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.026 seconds)
