-
公开(公告)号：CN114649092A
公开(公告)日：2022-06-21
申请号：CN202210233284.3
申请日：2022-03-10
Applicant: 武汉科技大学
IPC: G16H50/20 , G06T7/00 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/82 , G06V10/44 , G06V10/774 , G06V10/764
Abstract: 本发明提供一种基于半监督学习和多尺度特征融合的辅助诊断方法及装置，该方法包括：将待诊断CT图像输入分类模型的多尺度特征融合模块中，得到所述待诊断CT图像的多尺度融合特征；将所述多尺度融合特征输入所述分类模型的分类模块，得到所述待诊断CT图像的辅助医疗诊断结果；其中，所述分类模型是基于第一训练数据集，进行半监督学习训练得到的；所述第一训练数据集包括有标签的第一样本CT图像和无标签的第二样本CT图像。本发明实现在有效标注数据量较少时，可获得具有更高的泛化性与准确性的分类模型，进而可快速准确地获取辅助医疗诊断结果。
-
公开(公告)号：CN108667284A
公开(公告)日：2018-10-16
申请号：CN201810489607.9
申请日：2018-05-21
Applicant: 武汉科技大学
Abstract: 本发明公开了一种模块化多电平换流器环流抑制方法，涉及电力系统柔性直流输电领域，采用混合粒子群算法来优化PI控制器的PI参数，PI控制器和被控对象组成闭环控制回路，PI控制器输出为被控对象的输入，被控对象输出为系统输出，系统输出被送至系统的输入端形成负反馈，并与系统输入相减生成系统误差,送入PI控制器。通过系统误差及PI控制器输出构建目标函数，再利用混合粒子群算法寻找最优PI参数，系统动态地调整输出和输入使目标函数最优，当目标函数最优时，混合粒子群算法寻优得到的参数即为最优PI参数；所述环流抑制方法环流抑制精度高、响应快、适应性强，能根据系统动态的调整控制器参数，降低损耗，提高整体稳态运行效率。
-
公开(公告)号：CN114549452B
公开(公告)日：2025-05-09
申请号：CN202210151409.8
申请日：2022-02-18
Applicant: 武汉科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09 , G06N3/0895
Abstract: 本发明提供基于半监督深度学习的新冠肺炎CT图像分析方法，包括步骤：基于残差神经网络建立分类模型并加入注意力模块；对每张无标签训练样本进行两次不同的数据增强得到两张新的图像；对这两张图像进行分类并进行最小化熵处理，处理后结果看作图像的伪标签；将得到伪标签的数据增强后的无标签训练样本和数据增强后的有标签训练样本进行Mixup，得到新的训练样本；将新的训练样本和对应的标签代入分类模型中进行训练并逐渐去除有标签训练样本；对分类模型中的全连通层和特征图的权重进行加权求和，生成关注图；用训练好的分类模型对测试集中的样本图像进行诊断，并对诊断结果生成可视化图。这在实际的医学应用中具有实用的价值。
-
公开(公告)号：CN117953227A
公开(公告)日：2024-04-30
申请号：CN202311696802.6
申请日：2023-12-11
Applicant: 武汉科技大学
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06V10/94 , G06V20/64 , G06N3/0464 , G06N3/045 , G06N3/098
Abstract: 本发明提供一种基于去中心化联邦学习的多模态目标检测方法及装置，该方法包括：将目标点云数据和目标图像数据输入至目标检测模型，由特征提取转化层根据目标点云数据和目标图像数据输出相应的鸟瞰图；由第一模态特征提取层根据目标图像数据的鸟瞰图输出第一模态特征图，由第二模态特征提取层根据目标点云数据的鸟瞰图输出第二模态特征图；由第一模态特征融合层根据最小尺度第二模态特征图和除最小尺度第一模态特征图外的其他第一模态特征图输出第一交互特征图，由第二模态特征融合层根据最小尺度第一模态特征图和除最小尺度第二模态特征图外的其他第二模态特征图输出第二交互特征图，由检测层输出目标检测结果。本发明实现精准地进行目标检测。
-
公开(公告)号：CN116158768A
公开(公告)日：2023-05-26
申请号：CN202211539049.5
申请日：2022-12-01
Applicant: 武汉科技大学
IPC: A61B5/346 , A61B5/00 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明提供一种基于度量元学习的小样本心电图识别方法及系统，该方法包括：从目标心电图中获取目标心拍图；根据目标心拍图，以及每一预设心律类别下的样本心拍图集合中的每一第一样本心拍图，构建目标图像对；将目标图像对输入至心电图识别模型中，获取心电图识别模型输出的目标心拍图与每一预设心律类别下的第一样本心拍图之间的相似性度量值；根据相似性度量值，获取目标心拍图对应的心律识别结果；其中，心电图识别模型是基于样本数据集，进行度量元学习得到的；样本数据集中包含每一预设心律类别下的至少一个第二样本心拍图，以及至少一个第二样本心拍图的心律类别标签。本发明实现在标注样本较少时，精准地获取心电图识别结果。
-
Patent Agency Ranking
公开(公告)号：CN110687450B
公开(公告)日：2022-10-25
申请号：CN201910802571.X
申请日：2019-08-28
Applicant: 武汉科技大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，包括如下步骤：首先，在电池容量的基础上提取了等时间间隔放电电压差健康指标，对该指标使用BCT加强与电容的线性相关性；然后在训练SVR模型的过程中使用PSR算法得出训练集的时延和嵌入维数；最后，把SVR的预测值代入系统状态空间模型用PF对状态进行更新。通过NASA锂离子电池数据集证明了该方法在RUL预测方面的优越性。
-
公开(公告)号：CN113901716A
公开(公告)日：2022-01-07
申请号：CN202111178293.9
申请日：2021-10-09
Applicant: 武汉科技大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/02 , G06F119/04
Abstract: 本发明提供一种基于WOUKF算法的锂离子电池剩余寿命预测方法，包括如下步骤：步骤1：对电池数据集进行电池容量数据提取，以电池容量作为锂电池寿命预测指标，根据锂电池的循环周期选择预测起始点，利用预测起始点之前的电池容量数据拟合模型，并建立状态空间模型；步骤2：利用WOUKF算法追踪已知历史数据，直至得到第T时刻状态变量，获取在预测起始点之前每个时刻的电池容量预测值与电池容量实测值之间的残差数据；步骤3：残差数据和电池容量实测值训练LSTM模型，获得未来时刻的残差数据预测值及电池容量预测量测值；步骤4：更新状态向量，预测出电池容量，重复步骤3直到预测的电池容量达到失效阈值时停止，计算出RUL。
-
公开(公告)号：CN112100919A
公开(公告)日：2020-12-18
申请号：CN202010968660.4
申请日：2020-09-15
Applicant: 武汉科技大学
IPC: G06F30/27 , G01M13/04 , G01M13/045 , G06F119/04
Abstract: 本发明提供了一种基于RE‑CF‑EKF算法的滚动轴承剩余寿命预测方法，其特征在于：步骤一：对获得的轴承振动数据集进行筛选，选择同一工况的多个轴承作为实验数据集，并将其进行训练集和测试集的分组；步骤二：取原始信号的时域特征后，进行线性滤波，计算滤波后数据与滤波误差之间的相对误差值RE，基于RE曲线确定预测开始点TSP；步骤三：对选取的时域特征，进行降噪处理，再由累积函数得到趋势更平滑的累积特征CF；步骤四：结合步骤二、步骤三得到适合建模预测的特征曲线段，并建立状态空间模型，由训练集的特征曲线段得到模型初始参数，再结合EKF算法预测轴承剩余寿命。
-
公开(公告)号：CN108872772B
公开(公告)日：2020-06-16
申请号：CN201810765510.6
申请日：2018-07-12
Applicant: 武汉科技大学
IPC: G01R31/54
Abstract: 本发明提供一种基于混合核支持张量机的模块化模块化多电平换流器子模块开路故障检测方法，将径向基核函数与多项式核函数的凸组合形式作为混合核函数，利用支持张量机对模块化模块化多电平换流器进行子模块开路故障诊断，结合模块化模块化多电平换流器在正常运行和故障运行时得到的交流侧电流及环流数据特点，对采集的数据进行训练及测试，以交流电流、电流包络均值以及三相间环流的变化特点作为故障判断依据，并将故障诊断结果以简单的形式表现出来，及时地将故障检测出来，避免因延时检测给系统造成重大的事故隐患。
-
公开(公告)号：CN110687450A
公开(公告)日：2020-01-14
申请号：CN201910802571.X
申请日：2019-08-28
Applicant: 武汉科技大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，包括如下步骤：首先，在电池容量的基础上提取了等时间间隔放电电压差健康指标，对该指标使用BCT加强与电容的线性相关性；然后在训练SVR模型的过程中使用PSR算法得出训练集的时延和嵌入维数；最后，把SVR的预测值代入系统状态空间模型用PF对状态进行更新。通过NASA锂离子电池数据集证明了该方法在RUL预测方面的优越性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.029 seconds)
