-
公开(公告)号：CN108695000B
公开(公告)日：2022-07-01
申请号：CN201810447761.X
申请日：2018-05-11
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于超声图像的甲状腺弥漫性疾病智能诊断系统，所述系统包括如下模块：ROI的选择和预处理模块，ROI的尺寸大小设置为64*64，在选择ROI时应尽量避开甲状腺实质的边缘和血管，选择比较均匀的甲状腺实质部分，将ROI图像的灰度值映射到0‑255之间；小波多子图共生矩阵的构造和纹理特征提取模块。针对超声图像的斑点噪声特点以及甲状腺弥漫性疾病的诊断要点，提出了多个可用于辅助诊断的纹理特征，这些纹理特征对于Graves病和桥本病都有着明显的区分度，既可在提取纹理特征的过程中滤除斑点噪声的影响，又能够显著提高诊断结果的准确度。
-
公开(公告)号：CN113763309A
公开(公告)日：2021-12-07
申请号：CN202011155220.3
申请日：2020-10-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于改进U‑net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法。步骤1：超声图像序列预处理；步骤2：训练ROI提取模型，从步骤1的超声图像中分割出区域；步骤3：基于改进U‑net网络实现步骤2的区域中目标的准确分割；步骤4：利用CNN‑LSTM网络对步骤1的超声图像序列进行分类；步骤5：基于步骤3的分割结果及步骤4的分类结果，利用LSTM网络实现超声图像序列中目标位置的准确预测。本发明为了解决现有方法无法同时对动态超声图像序列进行目标识别与实时跟踪的问题。
-
公开(公告)号：CN108241865B
公开(公告)日：2021-11-02
申请号：CN201611214165.4
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 一种基于超声图像的多尺度多子图肝纤维化多级量化分期方法，它涉及基于多尺度灰度共生矩阵和小波多子图共生矩阵的多级分期方法，它解决了当前基于超声图像的肝纤维化分期方法分期粗糙且准确度低的问题。本发明的步骤为：一、ROI的自动选择和预处理；二、构造多尺度灰度共生矩阵并提取纹理特征；三、构造小波多子图共生矩阵并提取纹理特征；四、利用基于SVM的不完全穷举封装式特征选择方法选择特征；五、基于SVM进行多级分类。本发明利用多尺度灰度共生矩阵全面提取图像纹理信息，并结合小波多子图共生矩阵在滤波的同时兼顾图像纹理细节信息，使用不完全穷举特征选择方法和多级分类器提高肝纤维化的分类精度，适用于基于超声图像的肝纤维化辅助诊断。
-
公开(公告)号：CN109064443B
公开(公告)日：2021-07-16
申请号：CN201810641415.5
申请日：2018-06-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于腹部超声图像的多模型器官分割方法及系统，它解决了传统腹部超声图像器官分割方法准确度不足、实时性差以及通用性差的问题。本发明的步骤为：步骤一：将扫查的超声视频流解码为单帧图像并应用直方图均衡化对图像进行预处理；步骤二：基于改进后的U‑Net分割模型对单帧图像实现腹部器官粗略分割；步骤三：结合GoogleNet腹部器官分类模型对单帧图像的分类结果、医学上的器官结构先验知识以及视频帧间相关性特点等多个模型对粗略分割结果进行修正，实现腹部器官精细分割。本发明利用多模型方法完成基于腹部超声图像的器官精细分割，分割准确度高，实时性和通用性好，为端到端的智能诊断系统提供了实现平台，并可为医疗人员提供有效的诊断辅助。
-
公开(公告)号：CN110659629A
公开(公告)日：2020-01-07
申请号：CN201910954285.5
申请日：2019-10-09
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于双谱和深度卷积神经网络的微弱X射线脉冲星信号辨识方法，所述方法利用高通滤波器滤掉实际探测时存在的低频成分及红噪声成分；将滤波得到的信号进行自相关处理，提取其自相关函数，降低噪声的干扰；之后对自相关函数进行双谱变换，提取其双谱信息，进一步免疫非二次相位耦合噪声的干扰；之后将双谱图片送入深度卷积神经网络进行分类任务训练，确定网络的参数模型；最后利用训练完毕的网络对脉冲星信号进行分类。本发明所提出的基于深度卷积神经网络的脉冲星信号双谱辨识方法能够对脉冲星信号进行有效识别。
-
Patent Agency Ranking
公开(公告)号：CN109388229A
公开(公告)日：2019-02-26
申请号：CN201710683073.9
申请日：2017-08-11
Applicant: 哈尔滨工业大学
Abstract: 一种带有触感体验的沉浸式虚拟试衣方法及系统，它克服了现有虚拟试衣系统中碰撞检测准确度欠佳、体验完整性缺失的问题。本发明的步骤为：一、建立织物触感的描述模型、分类器及仿真模型库；二、对织物纹理区域高度估算并建立局部织物仿真模型库；三、基于人体三维模型构建碰撞体模型；四、衣物模型与人体的实时碰撞检测；五、结合力反馈设备进行触感模拟；六、沉浸式渲染交互及显示。本发明利用高还原度碰撞体以及衣物物理仿真模型的实时碰撞分析，以及虚拟触感体验的引进，展示了更加可靠的衣物形变效果，更大程度地还原了线下购衣的体验环节，填补了市场的空白。
-
公开(公告)号：CN109064443A
公开(公告)日：2018-12-21
申请号：CN201810641415.5
申请日：2018-06-22
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/0012 , G06K9/627 , G06T7/11 , G06T2207/10132 , G06T2207/20081 , G06T2207/20084 , G06T2207/30056 , G06T2207/30084
Abstract: 一种基于腹部超声图像的多模型器官分割方法及系统，它解决了传统腹部超声图像器官分割方法准确度不足、实时性差以及通用性差的问题。本发明的步骤为：步骤一：将扫查的超声视频流解码为单帧图像并应用直方图均衡化对图像进行预处理；步骤二：基于改进后的U‑Net分割模型对单帧图像实现腹部器官粗略分割；步骤三：结合GoogleNet腹部器官分类模型对单帧图像的分类结果、医学上的器官结构先验知识以及视频帧间相关性特点等多个模型对粗略分割结果进行修正，实现腹部器官精细分割。本发明利用多模型方法完成基于腹部超声图像的器官精细分割，分割准确度高，实时性和通用性好，为端到端的智能诊断系统提供了实现平台，并可为医疗人员提供有效的诊断辅助。
-
公开(公告)号：CN108695000A
公开(公告)日：2018-10-23
申请号：CN201810447761.X
申请日：2018-05-11
Applicant: 哈尔滨工业大学
CPC classification number: G16H50/20 , G06T7/0012 , G06T2207/10132 , G06T2207/20104
Abstract: 一种基于超声图像的甲状腺弥漫性疾病智能诊断方法及系统，它涉及基于小波多子图共生矩阵和条索特征的SVM二重级联分类方法，实现了高准确度的甲状腺弥漫性疾病智能诊断系统。本发明的步骤为：一、从原始超声图像中选择ROI并进行预处理；二、对处理后的ROI构造小波多子图共生矩阵并提取其纹理特征；三、对处理后的ROI提取条索纹理特征；四、对处理后的ROI提取其他纹理特征扩充特征空间；五、利用mRMR方法进行特征选择；六、进行基于SVM的二重级联分类。本发明利用小波变换抑制超声图像斑点噪声，提取条索特征表述桥本病，利用mRMR进行特征选择和SVM进行分类，能够高精度地对甲状腺弥漫性疾病进行分类诊断，适用于甲状腺弥漫性疾病的计算机辅助诊断。
-
公开(公告)号：CN108537817A
公开(公告)日：2018-09-14
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。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.024 seconds)
