-
公开(公告)号：CN1126316A
公开(公告)日：1996-07-10
申请号：CN95107508.X
申请日：1995-06-23
Applicant: 哈尔滨工业大学
IPC: G01N23/06
Abstract: 本发明是一种用于在线测量薄型带状两组分物质中各组分含量的测量方法及其所用装置，它采用两个不同的放射源，设置两个探测器，还包括单片机及显示电路，待检测的物质置于两个放射源和两个探测器之间，借助于不同种物质对射线，特别是γ射线的质量衰减系数不同的特点，选择两组射线，测出射线穿过被测物质的衰减率，经软件处理即可得出各组分含量，本发明适用于造纸工业、冶金工业、轻工或航空航天复合材料制做等领域。
-
公开(公告)号：CN116596952A
公开(公告)日：2023-08-15
申请号：CN202310578840.5
申请日：2023-05-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了多层级病灶检出优化的病理切片图像分割检测方法，所述方法构建了一个多级特征提取结构，使用轻量级网络进行图像特征初步提取，基于空洞空间金字塔池化模块进行多尺度特征提取，将多尺度特征与特征初步提取网络中的浅层特征图进行叠加融合，实现了充分的病灶特征提取，提高了算法对病灶的识别精度，并降低了网络层数，避免了过深网络结构导致的特征信息损失。基于多层注意力机制，对病灶特征进行了权重增强，提高了算法对病灶的检出能力。在初步特征提取网络后并行加入一个训练好的基于Sobel算子的多成分分割算法模块，用于辅助优化损失函数。通过多层级的病灶特征提取、增强、优化训练，可以有效提高检测算法的病灶检测效果。
-
公开(公告)号：CN116091832A
公开(公告)日：2023-05-09
申请号：CN202310124577.2
申请日：2023-02-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于自编码器网络的肿瘤细胞切片高光谱图像分类方法，所述方法包括如下步骤：步骤一：通过显微镜和高光谱成像仪得到肿瘤细胞切片的高光谱图像；步骤二：基于高光谱图像数据，分别进行基于线性回归的最小二乘拟合估计和基于非线性回归的高斯拟合估计，通过滑动窗口设置和三次样条插值法，将混合像元按线性和非线性混合程度进行区域划分；步骤三：基于变精度粗糙集方法处理高光谱图像解混数据，构建稀疏自编码器网络进行解混；步骤四：基于优化的卷积神经网络，对解混得到的端元及丰度结果进行分类，实现肿瘤细胞切片高光谱图像分类。本发明可以降低图像在空间分辨率上的精度要求，提高切片扫描效率，进一步缩短分析诊断时间。
-
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：CN114926486A
公开(公告)日：2022-08-19
申请号：CN202210520779.4
申请日：2022-05-12
Applicant: 哈尔滨工业大学人工智能研究院有限公司
IPC: G06T7/12
Abstract: 本发明公开了一种基于多层级改进的甲状腺超声图像智能分割方法，所述基于甲状腺超声诊查图像，对传统经由单一深度学习算法获得粗分割结果进行优化调整，提出一种多层级的改进方法对甲状腺分割结果进行精确分割。所述多层级改进方法首先通过初步边界提取和边界修复得到较精确的甲状腺边界环形区域，进而提出一种超像素辅助分割算法，将边界环形区域及其对应的超像素图像一同送入算法学习，以在数据样本不足的情况下向算法引入更多有助于分割信息，得到辅助分割结果。本发明能在甲状腺超声图像不充足的情况下提升甲状腺分割在精度、形状、面积估计上的效果，在临床中提供更可靠的辅助信息，具有重要的医学价值。
-
Patent Agency Ranking
公开(公告)号：CN112730628B
公开(公告)日：2022-06-03
申请号：CN202110155082.7
申请日：2021-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN113870895A
公开(公告)日：2021-12-31
申请号：CN202110973876.4
申请日：2021-08-24
Applicant: 哈尔滨工业大学 , 哈尔滨国铁科技集团股份有限公司
Abstract: 本发明公开了一种基于改进映射融合特征与阈值的车轮擦伤检测方法，所述方法如下：一：加载P组车轮声发射信号，从每组信号中提取七种特征，并确定各组特征的极值及计算P组特征极值的平均值；二：以获取的平均值为检测阈值，对声发射信号进行初步检测，计算各特征的擦伤信号检出率与精准率，对多维特征进行特征筛选，获得低维特征参数集，将低维特征参数集映射融合获得一维融合特征；三：计算映射融合特征的标准差、均值和最小值，计算每个时间窗内的改进自适应检测阈值，依据改进自适应阈值判别算法，判别各个特征是否属于擦伤信号，完成车轮擦伤声发射信号检测。本发明能够大幅度提高车轮擦伤信号检出率与检测精度，满足列车安全运行保障要求。
-
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。
-
公开(公告)号：CN110879253B
公开(公告)日：2021-04-06
申请号：CN201811029067.2
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进长短时记忆网络的钢轨裂纹声发射信号检测方法，本发明解决了针对铁路现场复杂的噪声环境下，通过LSTM循环网络训练噪声模型实现自动滤除复杂噪声问题。本发明的主要步骤为基于相同结构的LSTM网络连续两次分别建立背景噪声的时序模型及裂纹信号时序模型，并对二者预测的误差信号取上包络做差，以去除其中的异常噪声，最终检测出含噪信号中包含的裂纹信号成分。本发明与现有技术相比，具有以下优点：1)该级联的时序模型可用于滤除产生机理未知的异常噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下信号被噪声完全淹没时，本方法仍能有效检测出裂纹声发射信号。
-
公开(公告)号：CN110879253A
公开(公告)日：2020-03-13
申请号：CN201811029067.2
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进长短时记忆网络的钢轨裂纹声发射信号检测方法，本发明解决了针对铁路现场复杂的噪声环境下，通过LSTM循环网络训练噪声模型实现自动滤除复杂噪声问题。本发明的主要步骤为基于相同结构的LSTM网络连续两次分别建立背景噪声的时序模型及裂纹信号时序模型，并对二者预测的误差信号取上包络做差，以去除其中的异常噪声，最终检测出含噪信号中包含的裂纹信号成分。本发明与现有技术相比，具有以下优点：1)该级联的时序模型可用于滤除产生机理未知的异常噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下信号被噪声完全淹没时，本方法仍能有效检测出裂纹声发射信号。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.03 seconds)
