-
公开(公告)号：CN112241942A
公开(公告)日：2021-01-19
申请号：CN201910261045.7
申请日：2019-07-17
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种利用人工智能识别地下空间管道腐蚀情况的方法。本发明利用卷积神经网络(CNN)可以做图像分类的特性，利用采集的不同腐蚀程度的地下空间管道图像训练神经网络，得到可以识识别出地下空间管道腐蚀程度的模型。本发明提供的技术方案可以做到智能化监测地下空间管道，及时发现腐蚀程度严重或发生泄露的管道位置。
-
Patent Agency Ranking
-
公开(公告)号：CN110400297A
公开(公告)日：2019-11-01
申请号：CN201910658918.8
申请日：2019-07-22
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于深度学习肺癌TMN分期的预测方法，利用当前比较成熟的深度学习方法对胸部CT影像特征进行提取和分析，最终利用已有影像数据集进行训练模型结构，来实现影响肺癌分期判断的多种指标的量化分类，为诊断医生提供量化后的指标分类结果，降低职业医生的工作负担、提高医生分期诊断效率，辅助医生制定治疗方案。
-
公开(公告)号：CN110032961A
公开(公告)日：2019-07-19
申请号：CN201910261283.8
申请日：2019-04-02
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种计算机视觉的地下空间管道异常检测方法。本发明对采样的视频数据进行标记，抽取视频帧，采用深度学习中的三维卷积核法(3D CNN)训练卷积神经网络所需的样本集，对样本集进行预处理，批量修改为尺寸为200*200。设计三维卷积核网络结构，进行训练；针对采取的视频数据，对于缺陷帧进行粗略选择，然后每隔15ms对视频进行采样，并将采样帧输入到神经网络中，检测是否有异常情况存在。
-
公开(公告)号：CN110706217A
公开(公告)日：2020-01-17
申请号：CN201910917418.1
申请日：2019-09-26
Applicant: 中国石油大学(华东)
Abstract: 本发明适用医学图像处理技术领域，提供了一种基于深度学习的肺部肿瘤自动勾画方法，该方法包括：当接收到肺部CT图像的勾画请求时，获取输入的肺部CT图像，对获取到的肺部CT图像进行预处理和图像增强，获得对应的处理后的图像；获取肺肿瘤在图像中的窗口位置及大小，将筛选出的图像剪裁为固定大小；将处理后的图像输入到训练好的V-Net模型，以对肺部肿瘤进行预测；将预测的肿瘤图像反卷积到裁剪图像的大小，得到肿瘤的真实预测；提取真实预测的肺肿瘤的边缘线，即为肺肿瘤的勾画，获得肺部肿瘤勾画好的图像。本发明提高了对肺部肿瘤进行自动勾画的准确度，在保证勾画精度的基础上，显著提升了勾画效率，提高手术安全过程。
-
公开(公告)号：CN110459300A
公开(公告)日：2019-11-15
申请号：CN201910658802.4
申请日：2019-07-22
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于计算机视觉与CT影像的肺癌病理类型诊断方法，涉及图像处理、医疗大数据、计算机视觉领域。包括：1)采集肺癌CT医疗图像，构建训练集；2)对训练集中的图像进行处理，生成所需要的训练样本；3)利训练样本进行基于CT图像的肺癌病理类型诊断模型训练。4)采集新的肺癌CT图像，构建验证集；5)使用验证集对诊断模型进行验证。本发明解决了目前肺癌病理类型诊断的侵入性、易受标本取材的影响、诊断时间长、效率低的问题，利用CT影响进行病理类型诊断，整个过程快速、高效、无侵入性，实现了病理诊断的高效、无创性。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
