-
公开(公告)号：CN113096826A
公开(公告)日：2021-07-09
申请号：CN202110329249.7
申请日：2021-03-27
Applicant: 浙江大学
Abstract: 本发明公开了一种人工肝数据采集智能分析系统，包括数据采集汇聚融合装置(10)、边缘融合数据分析预警装置(20)、多元化展示装置(30)、控制装置(108)、电源模块(110)和云端(40)；数据采集汇聚融合装置(10)包括数据汇聚针化模块(104)等，边缘融合数据分析预警装置(20)包括探针模块(201)等。本发明还同时提供了上述人工肝数据采集智能分析系统的使用方法。本发明用以实现实时地为医护人员集中展示个体病人全部的生理参数以及生理参数的多元化分析结果。
-
公开(公告)号：CN113095382A
公开(公告)日：2021-07-09
申请号：CN202110337007.2
申请日：2021-03-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于CT图像的可解释性肺结核分类网络识别方法，包括以下步骤：获取待测人员肺部计算机断层成像CT图像，将肺实质图像进行归一化处理并缩放；建立并训练可解释性肺结核分类网络，可解释性肺结核分类网络以残差网络为基础网络并加入Dense思想和改进后的注意力机制而建立；将归一化处理并缩放到512x512大小的肺实质图像送入到训练好的可解释性肺结核分类网络，得到并在上位机中输出待测人员肺结核的分类结果和相应的类激活热力图。本发明能根据对待测人员CT图像实现获得待测人员肺结核的分类结果和输出相应的类激活热力图。
-
公开(公告)号：CN112053414A
公开(公告)日：2020-12-08
申请号：CN202010922814.6
申请日：2020-09-04
Applicant: 浙江大学
Abstract: 本发明公开了一种用于从动态对比增强磁共振成像数据中快速提取药代动力学参数的方法：采集定量T1成像数据，使用DCE‑MRI序列采集被试者的DCE‑MRI数据作为实验DCE‑MRI数据；并根据实验DCE‑MRI数据计算出血管内造影剂浓度变化曲线Cp(t)，并使用最小平方和法拟合eTofts模型，获得药代动力学参数；根据Cp(t)进行数据增强：使用随机线性组合方法，得到模拟的血管造影剂浓度数据，并通过eTofts模型，得到模拟的DCE‑MRI数据；构建双流卷积神经网络Dual‑CNN模型，并初始化模型参数；双流卷积神经网络模型训练；使用训练完成后的Dual‑CNN模型进行药代动力学参数的提取。本发明提供的方法可以显著提高从DCE‑MRI数据中提取出药代动力学参数的速度，加快重建组织生理参数图的速度。
-
公开(公告)号：CN106875405A
公开(公告)日：2017-06-20
申请号：CN201710039672.7
申请日：2017-01-19
Applicant: 浙江大学
CPC classification number: G06T2207/10081 , G06T2207/30061
Abstract: 本发明公开了一种基于广度优先搜索的CT图像肺实质模板气管消除方法，依次进行以下步骤：(1)、从肺实质模板中的遍历像素开始遍历；(2)、判断是否遍历结束，如是，执行(8)；如否，执行(3)；(3)、获得下一个遍历像素；(4)、判断该像素是否遍历，如是，执行(2)；如否，执行(5)；(5)、判断该像素值是否为1，如是，执行(6)；如否，执行(7)；(6)、广度优先搜索像素值为1的连通区域，再执行(2)；(7)、将该点标记为已遍历，再执行(2)；(8)、判断是否连通区域有三个，如是，执行(9)；如否，则得到肺实质最终模版；(9)、将面积最小的连通区域内所有的像素点的像素值置0，得到肺实质最终模版。
-
公开(公告)号：CN103810259A
公开(公告)日：2014-05-21
申请号：CN201410037556.8
申请日：2014-01-26
Applicant: 浙江大学
CPC classification number: G06F17/30294
Abstract: 本发明公开了一种基于OpenEHR的尿检原型构建和数据存储方法，包括尿检原型的构建和尿检数据存储两个步骤；所述尿检原型的构建包括如下的步骤：第一步，确定尿检项目；第二步，确定尿检项目的约束条件；第三步，确定尿检原型ADL文件构成；所述尿检数据存储包括如下的步骤：①对步骤第三步中的尿检原型ADL文件进行处理和换算；②对尿检原型数据进行解析；③将步骤②和步骤①的数据进行关联，确保数据的完整性和正确性；④将步骤③处理完成的数据进行验证；⑤将步骤④验证后的数据入库。
-
Patent Agency Ranking
公开(公告)号：CN119400390A
公开(公告)日：2025-02-07
申请号：CN202411417041.0
申请日：2024-10-11
Applicant: 浙江大学
IPC: G16H50/20 , G16H30/40 , G06T5/70 , G06V10/774 , G06V10/764 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/088 , G06N3/084
Abstract: 本发明涉及生物信息学和深度学习技术领域，公开了一种用于ADHD的去噪后MRI影像的分类预测方法，包括采集待检测脑部的MRI影像，使用在线训练的无监督去噪网络对采集到的MRI影像进行在线去噪处理，然后将在线去噪处理的结果再进行预处理后输入离线训练的DSC‑Former模型获得分类预测结果。无监督去噪网络包括二条并行处理的线路，每条线路均包括串联的降采样模块及噪声估计模型；DSC‑Former模型包括四层依次连接的三维蛇形卷积模块与Vision Transformer模块，以及一个SoftMax层。本发明采用先去噪处理再分类预测的方法，有效地提高了对ADHD病人的MRI图像的分类预测效果。
-
公开(公告)号：CN119048545A
公开(公告)日：2024-11-29
申请号：CN202410938607.8
申请日：2024-07-14
Applicant: 浙江大学
IPC: G06T7/20 , G06Q10/087 , G06V10/764 , G06V10/25 , G06V20/52 , G06V20/40 , G06V10/82 , G06N3/0464 , G06K17/00
Abstract: 本发明涉及运粮车智能监控技术领域，公开了一种粮库运粮车作业监管方法，将IC卡的卡号与运粮车轨迹ID进行绑定；从粮库区域内的监控视频数据中实时获取运粮车轨迹；从运粮车轨迹中提取运粮车静止点与静止时间区间；将静止点与粮库作业点区域进行匹配，如果在静止点完成作业上报的时间点不在静止时间区间内，发出报警提示；将运粮车轨迹数据进行分组并进行运粮车轨迹异常检测与静止点异常检测，当检测异常时，发出报警提示。本发明通过将IC卡与运粮车轨迹进行绑定，能够保证IC卡与运粮车的一一对应关系，同时实时监督运粮车在各个作业点的作业时间和运量车轨迹，确保对运粮车全部作业过程进行监管。
-
公开(公告)号：CN118334050A
公开(公告)日：2024-07-12
申请号：CN202410355594.1
申请日：2024-03-27
Applicant: 浙江大学
IPC: G06T7/11 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04
Abstract: 本发明涉及计算机视觉处理技术领域，公开了基于改进MetaFormer的脑卒中梗死病变区域分割方法，采集脑部的MRI图像，然后对DWI模态数据和ADC模态图像数据进行数据预处理后作为MetaFormer3D‑pathSeg网络输入，执行前向推理，在推理过程中对预处理后的图像进行滑动窗口推理，将每个滑动窗口的推理结果拼接起来作为预测的分割结果。本发明的MetaFormer3D‑pathSeg网络新增了原有MetaFormer所没有的3D模型，将分类领域应用到了分割领域，通过使用卷积进行特征提取之后再进行拼接，提高了算法的分割精度。
-
公开(公告)号：CN114740375A
公开(公告)日：2022-07-12
申请号：CN202210369351.4
申请日：2022-04-08
Applicant: 浙江大学
IPC: G01R31/382 , G01R31/367 , G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于状态估计的在线锂电池荷电状态估算方法，通过二阶RC等效电路模型，利用小电流放电法和混合脉冲功率性能测试法获取的OCV‑SOC特征曲线，然后通过差分进化算法获取优化的OCV‑SOC曲线。通过自适应衰减因子递归最小二乘法(AFRLS)在线辨识参数，更新无迹卡尔曼滤波观测器参数，引入时序模型门控循环单元网络(GRU)自适应干扰噪声，对锂电池实现在线SOC预测作为输出，最后利用预测的SOC结合OCV‑SOC曲线预测端电压，与测量出的端电压比较形成反馈进行更新；本发明能够适应多种工况，运算量低，准确率高，准确度相比于传统扩展卡尔曼模型和无迹卡尔曼模型均达到显著提升。
-
公开(公告)号：CN114647231A
公开(公告)日：2022-06-21
申请号：CN202210367561.X
申请日：2022-04-08
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种数据驱动的工业过程故障检测方法，包括获取工业生产的过程数据并进行中心化的预处理，然后将获得的中心化的矩阵分别经过主成分分析法、独立成分分析法和典型关联分析法提取特征，再将所提取的特征经过工业过程故障检测网络，推断得到过程数据的所对应的故障类型的分类标签。本发明通过数据驱动的方法来进行故障诊断，对比基于知识和模型的方法，通用性更强，建模过程通过手动特征提取后进行深度学习网络完成，能更好的适配规模较大和复杂的工业过程。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.028 seconds)
