-
公开(公告)号：CN116596950B
公开(公告)日：2023-11-17
申请号：CN202310631644.X
申请日：2023-05-31
Applicant: 东北林业大学
IPC: G06T7/11 , G06T7/00 , G06V10/774 , G06V10/762 , G06V10/74 , G06V10/26 , G06T7/62
Abstract: 本发明提供了特征加权聚类的视网膜眼底血管追踪方法，涉及医学图像计算机分析处理技术领域，为解决现有方法在视网膜眼底血管追踪中分岔点血管划分困难的问题。包括如下步骤：S1、对眼底血管分割数据集预处理，使用预处理后的图像训练眼底血管语义分割模型，并利用眼底血管语义分割模型对眼底血管进行分割提取；S2、对提取的眼底血管进行骨骼化处理，并对骨骼化血管分段；S3、计算每段骨骼化血管的特征，构建特征向量；S4、对每个分岔点处的血管，根据特征向量计算特征相似性度量权重；S5、计算分岔点处血管间的相似度进行聚类，完成血管追踪。本发明方法可以对分岔点处血管进行准确地划分，以实现血管的精确追踪，为生物标志物计算提供基础。
-
公开(公告)号：CN116110589B
公开(公告)日：2023-11-03
申请号：CN202211578566.3
申请日：2022-12-09
Applicant: 东北林业大学
IPC: G16H50/50 , G16H50/20 , G16H50/70 , G16H30/40 , G16H10/60 , G06V10/774 , G06V10/764
Abstract: 一种基于回顾性校正的糖尿病视网膜病变预测方法，本发明涉及智慧医疗诊断技术中，对未患糖尿病视网膜病变(diabetes retinopathy，DR)的糖尿病患者追踪随访困难、难以尽早预防治疗DR的问题。由糖尿病引起的微血管并发症——DR是导致视力受损甚至失明的主要原因。虽然有研究表明，对DR的早期诊断和及时治疗有助于预防失明。但是由于我国糖尿病患者数量庞大，且还在迅速增长，再加上患者缺乏相应的防范意识，难以实现早发现早治疗。为解决这一问题，本发明提出了一种基于回顾性校正的糖尿病视网膜病变预测方法。实验表明，该方法能够准确地预测未患DR的糖尿病患者2年内患DR的风险，以据此针对高风险患者追踪随访，减少DR发病率。本发明应用于DR的风险预测。
-
公开(公告)号：CN115731097B
公开(公告)日：2023-06-09
申请号：CN202211547682.9
申请日：2022-12-05
Applicant: 东北林业大学
IPC: G06T3/00 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 一种基于解纠缠表示的多风格迁移方法，本发明涉及图像生成技术中，多风格迁移方法问题。图像生成技术通过风格迁移网络将图片在不同风格间进行转换。然而在风格迁移过程中，没有考虑图片所包含的不同信息，导致经风格迁移后并不能很好得保留图片的内容细节，导致所生成图片内容细节丢失，质量较差。为此，我们提出一种基于解纠缠表示的多风格迁移方法。其主要思想是将图片进行内容与风格解纠缠表示，在风格迁移过程中保留内容信息，交换域风格信息，以此生成图片。实验表明，我们的多风格迁移方式可以有效解决图片风格迁移后内容细节丢失的问题，本发明应用于图片生成中的多风格迁移。
-
公开(公告)号：CN115753107A
公开(公告)日：2023-03-07
申请号：CN202211547645.8
申请日：2022-12-05
Applicant: 东北林业大学
IPC: G01M13/045 , G06F17/14 , G06F17/16
Abstract: 基于非线性量子信息熵的微弱滚动轴承故障诊断方法，本发明涉及滚动轴承故障诊断技术中，故障特征提取过程中背景噪声强、故障特征微弱所导致故障监测与诊断效果较差的问题。滚动轴承故障诊断技术通过人工观察振动信号谱线图的变化来捕捉信号的异常。然而，滚动轴承的结构复杂，信号传递路径长，背景噪声强，故障信号微弱，导致故障诊断非常困难。为改善这一问题，本发明提出了一种基于非线性量子信息熵的微弱滚动轴承故障诊断方法。实验表明，该方法能有效地提取滚动轴承早期微弱故障信号特征，降低背景噪声对故障诊断结果的影响。本发明应用于微弱滚动轴承故障诊断。
-
公开(公告)号：CN117809734B
公开(公告)日：2025-01-07
申请号：CN202311860639.2
申请日：2023-12-31
Applicant: 东北林业大学
Abstract: 一种基因调控网络的降维建模方法及系统，属于基因调控网络构建技术、涉及数字医疗及人工智能等领域。本发明为了有效解决建模过程中精度与计算量之间的矛盾，在保证建模精度的条件下实现计算量的指数级降低而提出的。技术要点：首先将基因组测序数据与基因上下游先验知识进行数据融合，用于提升基因聚类的精准性，利用聚类网络对基因进行聚类，通过基因序列与先验知识对基因组进行预划分，将各基因划分到不同的小样本分支分别进行基因调控网络建模，以降低每次建模所需的计算量。然后构建各小样本分支的基因调控网络微分方程模型，最后对各分支调控网络进行整合，汇总成为该基因组基因调控网络。本发明适用于大基因组建模过程。
-
Patent Agency Ranking
公开(公告)号：CN117893832A
公开(公告)日：2024-04-16
申请号：CN202410192859.0
申请日：2024-02-21
Applicant: 东北林业大学
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06T7/00
Abstract: 一种眼底血管分叉点与交叉点检测与分类算法，本发明涉及视网膜眼底血管分析中，眼底血管分叉点与交叉点检测与分类困难的问题。视网膜眼底血管分析在许多眼部和全身关联疾病的诊断中扮演着关键角色。视网膜血管分叉点与交叉点作为眼底血管的重要特征点，对其准确的检测与分类对于提取相关生物标志物至关重要。眼底血管分布的复杂性以及血管分叉点与交叉点数量和空间分布的不确定性，导致眼底血管连接点检测与分类困难。为了解决这一问题，本发明提出一种眼底血管分叉点与交叉点检测与分类算法。实验表明，该方法优势如下：(1)特异性地学习眼底血管分叉点与交叉点的特征表示，提升分叉点与交叉点的分类精度(2)以端到端的方式实现眼底血管分叉点与交叉点的检测与分类，保持了分叉点与交叉点检测与分类任务的特征一致性，提升了检测与分类的整体性能。本发明应用于眼底血管分叉点与交叉点的检测与分类。
-
公开(公告)号：CN115954100B
公开(公告)日：2023-11-03
申请号：CN202211614736.9
申请日：2022-12-15
Applicant: 东北林业大学
IPC: G16H50/20 , G06V10/764 , G06V10/20 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/08
Abstract: 胃癌病理图像智能辅助诊断系统，本发明涉及人工智能、医疗诊断、深度学习、辅助诊断系统。系统包括：信息采集模块用于录入患者基本信息、切片信息；所述病理切片图像获取模块使用数字病理全切片扫描仪将病理切片扫描为病理切片数字影像，并传递给所述病理切片图像预处理模块；病理切片图像预处理模块用于病理切片图像的染色风格标准化；阴阳性样本判别模块用于对染色风格标准化后的病理切片图像做阴阳性判别；分级诊断模块用于对获得的阳性样本做分级诊断，并生成分级诊断报告；报告生成模块用于医生查看分级诊断报告进行人工复核并确诊，通过报告生成模块生成最终诊断报告。本发明用于智能病理图像智能诊断领域。
-
公开(公告)号：CN116721760A
公开(公告)日：2023-09-08
申请号：CN202310687513.3
申请日：2023-06-12
Applicant: 东北林业大学
Abstract: 融合生物标志物的多任务糖尿病性视网膜病变检测算法，本发明涉及糖尿病性视网膜病变(Diabetic retinopathy,DR)自动诊断技术中，早期DR(1到2级)特征不明显导致的漏诊问题。DR是一种常见的糖尿病并发症，是劳动人口致盲的主要因素，对我国糖尿病人群产生了极大的影响。临床经验表明，及时的诊断与治疗可以极大地降低DR致盲的风险，因此对糖尿病患者定期进行DR筛查具有十分重要的现实意义。但由于我国医疗资源分布不均衡，因此使用计算机辅助诊断技术进行DR筛查是十分有效的解决方案。尽管当前基于深度学习的DR自动诊断技术取得了一定的进展，但早期DR(1‑2级)表现不明显，模型极易漏诊。为了解决这一问题，本文提出融合生物标志物的多任务糖尿病性视网膜病变检测算法。实验表明，该方法优势如下：(1)通过计算生物标志物捕获早期DR眼底血管形态的变化，提高DR早期诊断精度(2)利用投票机制对不同任务设计不同的特征权重，提高多任务模型的性能。本发明应用于DR检测。
-
公开(公告)号：CN116386860A
公开(公告)日：2023-07-04
申请号：CN202211654263.5
申请日：2022-12-22
Applicant: 东北林业大学
IPC: G16H50/30 , G16H10/60 , G06F18/25 , G06N3/096 , G06N3/098 , G06N3/0499 , G06N7/08 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 基于多模态的糖尿病及其并发症智能辅助预测与诊断平台，本发明涉及人工智能，医疗诊断，深度学习，图像处理，辅助诊断系统。糖尿病的主要血管并发症如DR及CAD的诊断则需要多种医疗技术进行辅助诊断，DR的诊断主要通过眼底检查明确，CAD的诊断则需要依靠于患者的症状、体征、心电图、运动试验、冠脉CT或者冠脉造影等结果综合进行诊断。通过人工智能的方式，开发一款自动化的、实时的糖尿病及DR和CAD的预测评估模型，进而辅助医生诊断。本发明应用于在给出患者视网膜眼底图像以及相应临床指标的前提下，利用人工智能的算法实现糖尿病及DR和CAD的准确预测与评估。
-
公开(公告)号：CN116383739A
公开(公告)日：2023-07-04
申请号：CN202310325167.4
申请日：2023-03-30
Applicant: 东北林业大学
IPC: G06F18/243 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/096 , G06F123/02
Abstract: 基于域自适应的多模态数据融合的智能故障诊断系统，本发明涉及智能故障诊断、人工智能、深度学习、迁移学习。本发明是为了解决在变工况条件下对故障进行智能诊断的问题。系统包括：采集不同工况条件下的故障振动信号数据；对采集的数据通过快速傅里叶变换转为二维的频域图像；对已知数据样本打上真实标签；通过已知数据样本训练分类器；将目标数据和已知数据的特征进行对齐以减小差异；通过分类器对目标数据进行分类来实现智能故障诊断。本发明用于基于域自适应的多模态数据融合的智能故障诊断领域。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.029 seconds)
