-
公开(公告)号：CN112200484A
公开(公告)日：2021-01-08
申请号：CN202011155353.0
申请日：2020-10-26
Applicant: 东北大学
Abstract: 本发明公开一种基于策略定义的智能分案系统及方法，属于案件分配技术领域，该系统包括案件一览模块、策略设置模块、规则定义模块和执行分案模块四个模块，通过设计规则、指定、工作量和轮案四种策略排列组合的方式进行案件分配。本发明分案策略多样化，充分考虑了办案人员能力与案件是否匹配，此外还对案件本身的难度进行定量评估，借助大数据和人工智能技术，实现了批量快速的线上分案，提高了分案效率。
-
公开(公告)号：CN110311973A
公开(公告)日：2019-10-08
申请号：CN201910572725.0
申请日：2019-06-28
Applicant: 东北大学
Abstract: 本发明提出一种面向多租户的影像云服务系统及方法，包括：云资源、容器、容器组；所述云资源，包括：数据云存储及云计算支撑服务，并为容器提供各种类型算法；所述容器，在算法服务层，将云资源提供的每个算法各自独立封装为容器；所容器组，根据每个租户的具体需要，在应用服务层，创建各种容器的组合，按照容器组内容器的排列顺序以及之间的调用关系，调用算法服务层中的不同容器，并将执行容器组后的结果返回给租户。本发明使用容器来实现不同租户之间应用服务环境的隔离和算法服务的部署。应用服务按照用户需求定义，根据计算需求和功能需求随时变更，同时对客户端系统和平台没有硬性要求，可扩展性好，配置灵活。
-
公开(公告)号：CN109145128A
公开(公告)日：2019-01-04
申请号：CN201810928733.X
申请日：2018-08-15
Applicant: 东北大学
CPC classification number: H04L67/42 , H04L43/0894
Abstract: 本发明提出一种大规模数据在线可视化方法，流程包括：打开用户客户端，客户端发送给服务器端任务请求；客户端网络环境测评；获取影子代理；建立初始可视化环境；初始可视化参数；初始高精度结果可视化；等待用户交互指令；发送可视化参数；高精度结果可视化；结束可视化；该可视化方法能够在移动、互联网等多种网络环境，移动、便携等多种设备上，进行大数据量可视化的需求，能够实现实时绘制效率，用户体验好。同时提出一种对客户端可视化环境的评估方法，对客户端计算、存储资源实现动态监测，充分发挥利用客户端资源，可以支持集成多种协议和通信方法，适应性好。
-
公开(公告)号：CN108765411A
公开(公告)日：2018-11-06
申请号：CN201810566664.2
申请日：2018-06-05
Applicant: 东北大学
CPC classification number: G06T7/0012 , G06K9/6218 , G06T7/11 , G06T7/187 , G06T7/194 , G06T7/66 , G06T2207/30096
Abstract: 本发明提供一种基于影像组学的肿瘤分型方法，包括：病灶区域提取，用于提取病灶数据；异质区域提取，采用聚类方法提取出该病灶数据中所有的初始异质区域，然后根据类簇在图像上的连通性和像素个数判定最后的聚类结果，找出多个异质区域；参数向量提取，提取每一个异质区的形态、状态等参数；分型组提取，采用聚类方法对每一个异质区进行类簇划分得到多个类别。新病灶分型判定，用来判断新病灶每一个异质区分型属于哪一类型。新病灶分型结果，用来输出新病灶分型结果。本发明的肿瘤分型方法，其具有无创性、非介入、可重复等优点，且其分析对象基于全部病灶组织，信息全面性高。
-
公开(公告)号：CN114596317B
公开(公告)日：2025-05-06
申请号：CN202210253312.8
申请日：2022-03-15
Applicant: 东北大学
IPC: G06T7/10 , G06T3/4007 , G06N3/08 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的CT影像全心脏分割方法；涉及医学图像领域；在网络编码阶段中引入残差模块，增强了网络捕捉全心脏子结构特征的能力。在解码阶段引入基于注意力机制的多尺度融合模块，该模块在反卷积之后融合多尺度特征并进行特征重利用，更好的融合了低级特征和高级特征。同时将加权交叉熵损失函数和加权DICE损失函数结合解决了类失衡问题，在分割细节上起到了良好的驱动作用。本发明实现方法简单，自动将全心脏分成7个子结构，包括左心房、左心室、左心室心肌、右心房、右心室、肺动脉、升动脉，测试一个数据只需几秒钟，极大的减少了医生投入的时间和学习成本，处理过程不需要人工交互，达到了应用的要求。
-
Patent Agency Ranking
公开(公告)号：CN118314946A
公开(公告)日：2024-07-09
申请号：CN202410425721.0
申请日：2024-04-10
Applicant: 东北大学
Abstract: 本发明公开了基于变分图自编码器的单细胞多组学数据整合方法，涉及单细胞多组学数据整合领域。对原始的scRNA‑seq和scATAC‑seq两组学数据进行预处理，获得细胞特征矩阵；用KNN构建两组学数据的细胞间初级结构图GX和GY；通过拓扑数据分析学习两组学数据的高阶拓扑相似性得到高阶拓扑相似性矩阵；对GX和GY进行重构；以变分图自编码器作为基础架构构建细胞嵌入表示学习模块，并对该模块进行训练获得训练好的细胞嵌入表示学习模块，以训练好的细胞嵌入表示学习模块的输出作为针对两个组学数据的细胞整合结果。本发明方法属于基于深度学习的方法，通过图神经网络来学习细胞间的结构信息，数据整合结果对数据具有更丰富的表达能力。
-
公开(公告)号：CN118053501A
公开(公告)日：2024-05-17
申请号：CN202410145086.0
申请日：2024-02-01
Applicant: 东北大学
IPC: G16B40/20 , G16B40/30 , G16B25/10 , G16B25/30 , G06F18/2111 , G06F18/2113 , G06F18/23 , G06F18/2411 , G06F18/243 , G06F18/27 , G06N5/01 , G06N20/20
Abstract: 本发明提供一种基于遗传算法的生物标志物识别方法，涉及机器学习技术领域。该方法首先利用mRMR算法对高维的基因微阵列数据进行过滤；然后通过多种机器学习方法的特征选择结果与OBL算法相结合生成初始化种群，最后使用改进的遗传算法进行最优特征子集的选择，实现生物标志物的识别。该方法融合了不同特征选择算法的优势，还结合了全局搜索和局部搜索进行特征选择，得到的最优个体向量能够保留较少的特征数目且具备较高的分类准确率，实现了较好的分类效果。
-
公开(公告)号：CN113298825B
公开(公告)日：2023-11-14
申请号：CN202110642418.2
申请日：2021-06-09
Applicant: 东北大学
IPC: G06T7/11 , G06T7/136 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/52
Abstract: 本发明公开了一种基于MSF‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；先将MSF模块加入U‑Net网络的编码阶段，然后图像X经过编码阶段进行特征提取得到特征图M1～M5，将SE模块也加入U‑Net网络的编码阶段，并将M5经过SE模块得到MS；结合步骤2得到的特征图Mi，将MS经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。MSF模块的加入，增加了不同尺度感受野的特征提取模块，解决了U‑Net网络中缺少处理图像多尺度问题的模块这一问题；SE模块的加入，可以使特征图自适应地调整各通道之间的关系，提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113139061B
公开(公告)日：2023-07-21
申请号：CN202110525578.9
申请日：2021-05-14
Applicant: 东北大学
IPC: G06F16/35 , G06F16/335 , G06F16/31 , G06F16/903 , G06F40/289 , G06F40/242
Abstract: 本发明提供一种基于词向量聚类的案件特征提取方法，涉及机器学习技术领域。本发明通过对历史案件数据中的案情摘要进行分析，构建基于哈希表的分词方法，并构造司法领域专用停用词表进行停用词过滤，通过word2vec方法生成案情摘要词向量，将词向量聚类，最后生成案情摘要的类簇分布。利用该案件特征提取方法对大量的历史案件案情摘要进行分析，可以准确提取案件不同的关键信息，实现相同类型案件的进一步区分，为客观定量地预测出每个案件的工作量提供参考。本专利提供不同检察院的案件类簇分布，可以对比分析不同检察院的案件分布，为检察院的综合办案能力分析提供参考，提高检察院的自我学习能力。
-
公开(公告)号：CN110517271B
公开(公告)日：2023-02-07
申请号：CN201910776575.5
申请日：2019-08-22
Applicant: 东北大学
IPC: G06T7/11
Abstract: 本发明提供一种先验形状约束的图像水平集分割方法，涉及计算机视觉及图像处理技术领域。该方法读取待分割图像，并初始化图像的水平基函数和形状先验水平集函数；建立图像水平集分割的能量泛函，设定水平集方法中的参数；然后分别更新第j次迭代的聚簇中心集合、图像水平集函数、形状约束水平集函数和基函数权重列向量，并计算第j次迭代的能量泛函的函数值直至达到最大迭代次数J或者能量泛函相邻两次的迭代结果差值小于设定的收敛阈值，得到待分割图像I的分割结果，并根据更新后的基函数权重列向量和基函数列向量得到待分割图像的偏移场估计；本发明方法克服了图像中灰度不均对分割精度造成的影响，在先验形状的约束下，增强了分割方法的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.045 seconds)
