-
公开(公告)号：CN111104226A
公开(公告)日：2020-05-05
申请号：CN201911354225.6
申请日：2019-12-25
Applicant: 东北大学
Abstract: 本发明提供一种多租户服务资源的智能管理系统及方法，涉及计算机技术技术领域。该系统及方法通过服务资源登记模块初始化云平台可用资源数量，服务资源分配模块结合新增租户等级、具体需求、其他当前相似租户的服务需求、以及云平台当前运行状态，为新增租户分配服务资源；由服务资源监测模块实时监测所有活动租户的实时需求，以及云平台当前运行状态，并实时记录平台运行状态到日志文件；由服务资源调节模块结合云平台运行状态调整租户服务资源；由服务资源回收模块收回服务资源；由云平台日志登记与回滚模块根据日志文件重启并回滚崩溃前的租户任务。本系统及方法实现了对云平台基础设施、平台使用权、软件运行权等服务资源的动态实时管理。
-
公开(公告)号：CN107230204B
公开(公告)日：2019-11-22
申请号：CN201710374181.8
申请日：2017-05-24
Applicant: 东北大学
Abstract: 本发明公开一种从胸部CT图像中提取肺叶的方法及装置，涉及计算机技术领域。该方法包括基于3D区域生长的肺实质提取过程、基于区域特征的左右肺粘连气管剔除过程、肺血管根部剔除过程、基于拓扑细化的肺血管中心路经提取过程和基于支持向量机分类的肺叶分割算法，以获得肺叶组织。本发明能够准确的从胸部CT图像中提取出肺叶，准确的完成对每个肺叶的病情程度的定量评估，对肺部疾病的诊断和治疗更加准确和有效。
-
公开(公告)号：CN110349254A
公开(公告)日：2019-10-18
申请号：CN201910623642.X
申请日：2019-07-11
Applicant: 东北大学
Abstract: 本发明提供一种面向C/S架构的自适应医学影像三维重建方法，涉及医学影像三维重建技术领域。该方法通过基于四层架构的通用三维重建方法给出一种在客户端和服务端都包括四层结构的通用三维重建方法，四层结构自底而上分别是远程传输协议层、预处理体数据层、重建场景算法层和渲染可视模型层，然后通过基于决策树的自适应重建模式选择方法实现动态地根据运行平台、数据量、网络类别、网络速度的不同，自适应切换重建模式。本发明能够统一当前各种不同类型的医学影像三维重建机制，基于该方法实现的医学影像系统能适应不同运行平台、不同传输网络、不同医学影像数据量，并根据不同的运行实时状况动态切换医学影像三维重建机制，灵活性强。
-
公开(公告)号：CN107341497A
公开(公告)日：2017-11-10
申请号：CN201611038696.2
申请日：2016-11-11
Applicant: 东北大学
IPC: G06K9/62
CPC classification number: G06K9/6277
Abstract: 本发明涉及数据挖掘技术领域，提出结合选择性升采样的不均衡数据流加权集成分类预测方法，包括根据相似度对历史数据块的少数类样本进行筛选，选择与当前训练数据块概念最相近的样本；对选择的样本通过在决策边界区域合成新样本以达到选择地实施升采样；采用基于概率分布相关度的权重分配策略对新样本进行加权集成分类处理。通过选择相似度高的历史数据和合成边界区域的新数据来有效增加少数类样本信息，扩大少数类的决策域；同时为了适应存在概念漂移的动态数据，使用集成分类思想，设计一种基于概率分布相关度的权重分配策略，提升整体分类精度。实验结果表明该算法有效地提高了少数类的识别率以及整体的分类性能，具有更好的处理不均衡数据流的优势。
-
公开(公告)号：CN119988676A
公开(公告)日：2025-05-13
申请号：CN202510164149.1
申请日：2025-02-14
Applicant: 东北大学
IPC: G06F16/783 , G06F16/78 , G06F16/732 , G06V20/40 , G06V10/74 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于改进细粒度对齐的视频文本检索方法和系统，涉及视频文本检索技术领域。本发明引入了文本引导的对象‑文本对齐(TOTAL)模块，该模块创新性地将文本与从视频帧中提取的对象进行对齐，显著提升了性能。为了解决视频中存在贡献程度低的帧的问题，提出了相似度帧聚合(SIFA)模块，通过为视频中的对象‑文本对齐帧分配权重，从而提升视频的检索的精度，解决现有的视频文本检索方法中的细粒度对齐的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN118587148A
公开(公告)日：2024-09-03
申请号：CN202410365354.X
申请日：2024-03-28
Applicant: 东北大学
Abstract: 本发明设计一种动态影像关键点和关键帧定位方法，属于计算机辅助诊断技术领域；首先对包含待测量目标的动态影像序列进行预处理；对预处理得到的动态影像序列进行编码与解码，提取多级特征；其次对动态影像序列关键点进行粗定位：然后构建自适应贝叶斯超图模型，扩展出超节点，从而对关键点进行微调；最后对关键帧进行识别，实现关键点和关键帧的同步检测；另外本发明还提出阶次损失函数，建立关键帧与非关键帧之间相对关系，实现关键帧的精准辨识的同时促进了关键点定位的精度提升。
-
公开(公告)号：CN118115735A
公开(公告)日：2024-05-31
申请号：CN202410130619.8
申请日：2024-01-30
Applicant: 东北大学
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/764 , G06T7/194 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 医学图像分割在疾病的诊断，治疗以及手术中起着至关重要的作用，可以用于分析和处理图像、测量病灶区域、定量分析指标等。作为医学图像分割常用的小样本医学图像分割技术能利用少量有标注的新类样本就可完成对新类的分割，降低了人工标注的工作量，且可用于数据量较少的稀有病的诊断。但医学图像普遍存在前景和背景不平衡问题，医学图像的前景类类小且均匀，背景存在多种组织或器官较复杂，因此背景类较大且在空间上不均匀导致模型偏向于背景，从而影响分割结果。本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于对比学习的原型网络小样本医学图像分割方法，该方法能够增强前景原型与背景的区分度，使得对图像的分割更精确。
-
公开(公告)号：CN118115491A
公开(公告)日：2024-05-31
申请号：CN202410432281.1
申请日：2024-04-11
Applicant: 东北大学
Abstract: 本发明公开了一种基于多支输入及空间关注的多时序医学影像配准方法，涉及医学影像配准技术领域。该方法采用多支输入，保证在学习浮动影像与固定影像这一影像对特征的同时充分利用影像对中各自的空间语义信息，解决了基于深度学习的方法理解多时序医学影像配准在空间语义信息上的限制。该方法引入LK模块来增大有效的感受野，不仅可以处理远距离空间信息，还可以在更精细的尺度上捕获和融合空间信息。该方法创建了VSAW模块，为医学影像中不同区域的像素赋予不同的权重，能够更精确地捕获影像中的结构特征，提升了存在大尺度变形的多时序恶性肿瘤CT影像的配准精度。
-
公开(公告)号：CN117992913A
公开(公告)日：2024-05-07
申请号：CN202410148682.4
申请日：2024-02-02
Applicant: 东北大学
IPC: G06F18/25 , G06F18/241 , G16B40/00 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明设计一种基于双峰注意力融合网络的多模态数据分类方法，属于多模态数据分析领域；首先通过TCGA下载公开基因表达数据，然后通过特征选择方法提取基因表达数据中的基因特征；然后通过TCGA下载公开病理图像数据，再训练卷积神经网络模型提取病理图像数据中的图像特征；最后通过双峰注意力融合网络BAFN将提取到的基因特征和图像特征进行特征融合并输出分类结果；与传统方法相比，本发明能够更好地利用多模态数据之间的关联性，更高效地融合多模态特征，同时减少融合过程中信息丢失的问题，从而实现更好的分类效果。
-
公开(公告)号：CN113205150B
公开(公告)日：2024-03-01
申请号：CN202110558478.6
申请日：2021-05-21
Applicant: 东北大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/098 , G16H30/20 , G16H50/20 , G16H10/20
Abstract: 本发明提供一种基于多时相融合的多任务分类系统及方法，涉及深度学习技术领域。本发明通过动态的更新每个任务的权重来提高多个临床指标的预测准确性。将MRI放射组学映射到相关的临床指标上可以提高多个任务的预测性能。结合放射组学的相关性，通过多任务学习联合预测指标，对肿瘤的最佳治疗是重要的，还可根据多个临床指标进行临床决策。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.051 seconds)
