-
公开(公告)号：CN119601180B
公开(公告)日：2025-05-09
申请号：CN202510142828.9
申请日：2025-02-10
Applicant: 中国计量大学
IPC: G16H30/20 , G06V10/26 , G06V10/774 , G06V10/80
Abstract: 本申请提出了一种基于多模态补全和亚区分割的高级胶质瘤分级方法及装置，包括以下步骤：获取同一患者的残模态MRI影像数据集，将所述残模态MRI影像数据集输入至预训练好的补全子网络中得到全模态MRI影像数据集；将全模态MRI数据集输入至预训练好的亚区分割子网络中得到亚区分割结果；基于所述亚区分割结果进行胶质瘤分级。本方案通过补全子网络来依据残模态MRI影像数据集生成全模态数据，为后续分析提供完整信息基础，并且通过亚区分割子网络为不同模态合理分配权重并突出胶质瘤亚区特征，实现对胶质瘤亚区的精细分割以精确的对高级胶质瘤进行分级。
-
公开(公告)号：CN118332342B
公开(公告)日：2024-10-01
申请号：CN202410749143.6
申请日：2024-06-12
Applicant: 杭州昊清科技有限公司 , 中国计量大学
IPC: G06F18/214 , G06F18/15 , G06F18/22 , G06F18/25 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种工业流程数据增广与生成方法，采集工业流程中的原始数据，原始数据包括过程数据、历史数据、经验知识和机理知识；提取历史数据、经验知识和机理知识的特征后，基于上下文注意力机制进行知识的交叉融合，得到上下文注意力数据；对过程数据进行时序处理，对得到的时序数据经编码后，与上下文注意力数据一同进行解码，得到增广数据；对于缺失的工业流程数据，将其上下游工序的数据融合后进行条件扩散，得到生成的当前工序数据，将生成的当前工序数据与上下游工序的机理条件进行条件扩散，得到生成的上下游工序数据，基于原始的和生成的上下游工序数据相似度，判断所生成的当前工序数据的有效性。
-
公开(公告)号：CN119845903A
公开(公告)日：2025-04-18
申请号：CN202510339732.1
申请日：2025-03-21
Applicant: 中国计量大学
Abstract: 本方案提供三频带电磁诱导透明超材料抗生素传感芯片包括：至少一传感单元，其中每一传感单元包括衬底层以及置于衬底层上的间隔设置的π型谐振单元和矩形谐振单元，其中π型谐振单元包括一条横置设置的横条以及两条相对于横条垂直设置的第一竖条和第二竖条，第一竖条和第二竖条之间形成π型开口，其中矩形谐振单元为矩形闭环结构，且π型开口的开口方向正对矩形谐振单元设置；π型谐振单元和矩形谐振单元之间发生多模耦合，干涉相消在三个不同频率处产生三个透明窗口谐振峰，进而实现三种抗生素的同时检测。
-
公开(公告)号：CN119626472A
公开(公告)日：2025-03-14
申请号：CN202510146998.4
申请日：2025-02-11
Applicant: 中国计量大学
IPC: G16H30/40 , G06T5/77 , G06T5/60 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/08 , G06V10/26 , G06V10/25 , G06V10/764 , G06V10/82
Abstract: 本申请提出了超声图像中人工标记去除方法、装置及其可读存储介质，该方法先从多家医院采集甲状腺超声图像并处理数据集，再将其输入Restormer模型，利用其编码‑解码架构及MDTA和GDFN模块去除人工标记，采用渐进式学习策略训练优化，最后在去除标记的数据集上进行分类、分割和目标检测任务测试。本发明不依赖手动标注掩膜，能自适应学习识别并去除标记，保留图像细节和结构信息，有效解决了现有方法在处理超声图像人工标记时的诸多问题，显著提升了深度学习模型在相关任务中的性能。
-
公开(公告)号：CN118887552B
公开(公告)日：2024-11-29
申请号：CN202411380661.1
申请日：2024-09-30
Applicant: 中国计量大学
IPC: G06V20/10 , G06V10/26 , G06V10/30 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请提出了一种双分支结构的道路裂缝深度预测模型的构建方法及装置，包括以下步骤：获取标注的裂缝深度的道路图像以及与道路图像对应的裂缝掩码图像；使用特征提取模块对道路图像以及裂缝掩码图像进行特征提取；通过全局‑局部注意力融合模块进行全局‑局部注意力计算得到第二道路图像特征与第二裂缝掩码图像特征；使用输出模块对第二预测道路图像特征与第二预测裂缝掩码特征进行输出得到道路图像中每一裂缝的裂缝深度。本方案通过双分支架构来分别对道路图像的RGB特征以及掩码特征进行特征提取，并引入了全局‑局部注意力融合模块来保证既不会丢失重要的局部细节，也能考虑到全局结构，来提高对裂缝深度预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119885903A
公开(公告)日：2025-04-25
申请号：CN202510339738.9
申请日：2025-03-21
Applicant: 中国计量大学
IPC: G06F30/27 , G06N3/0464 , G06F18/25 , G06N3/048
Abstract: 本方案提供了一种基于深度学习的超材料传感芯片的设计模型的构建方法及应用，将透射曲线采集点集合输入到设计模型的输入层中进行归一处理得到一维序列，一维序列分别输入到并联卷积层的多个卷积分支中进行卷积处理得到卷积特征，多个卷积特征输入到线性层中进行拼接得到拼接序列，拼接序列输入到输出层中处理并输出结构参数组，可用于超材料传感芯片的设计。
-
公开(公告)号：CN119601180A
公开(公告)日：2025-03-11
申请号：CN202510142828.9
申请日：2025-02-10
Applicant: 中国计量大学
IPC: G16H30/20 , G06V10/26 , G06V10/774 , G06V10/80
Abstract: 本申请提出了一种基于多模态补全和亚区分割的高级胶质瘤分级方法及装置，包括以下步骤：获取同一患者的残模态MRI影像数据集，将所述残模态MRI影像数据集输入至预训练好的补全子网络中得到全模态MRI影像数据集；将全模态MRI数据集输入至预训练好的亚区分割子网络中得到亚区分割结果；基于所述亚区分割结果进行胶质瘤分级。本方案通过补全子网络来依据残模态MRI影像数据集生成全模态数据，为后续分析提供完整信息基础，并且通过亚区分割子网络为不同模态合理分配权重并突出胶质瘤亚区特征，实现对胶质瘤亚区的精细分割以精确的对高级胶质瘤进行分级。
-
公开(公告)号：CN119336921A
公开(公告)日：2025-01-21
申请号：CN202411884224.3
申请日：2024-12-20
Applicant: 中国计量大学
Abstract: 本发明公开了基于大语言模型的工业知识图谱补全与自适应检索方法，属于计算机技术领域，将残缺知识图谱划分多个子图，通过负样本过滤、邻域信息剪枝、信息合并、问答模板映射以及构建知识图谱补全大模型并进行LoRA微调，补全知识图谱，通过自适应检索查询模块接收用户问题、任务分解、实体探索、关系探索、更新记忆子模块中的子图、推理路径和子目标状态，并评估性能输出查询结果，在反思与自我矫正中，当信息不足时，LLM会基于当前信息评估是否需要调整探索方向或修正推理路径，最终，根据检索到的信息输出满足用户需求的答案。本发明有效地结合了大语言模型的能力，通过自适应检索和反思机制，提高了知识图谱补全的效率和准确性。
-
公开(公告)号：CN119164915A
公开(公告)日：2024-12-20
申请号：CN202411671293.6
申请日：2024-11-21
Applicant: 中国计量大学
IPC: G01N21/3581 , G01N21/3586 , G01N21/35 , G01N21/01 , G01N21/41
Abstract: 本发明提供一种用于检测乙肝和H9N2的太赫兹波段传感芯片及应用，至少一太赫兹波段传感单元结构，其中每一太赫兹波段传感单元结构包括间隔设置在石英衬底上的第一双中空圆柱和第二双中空圆柱，第一双中空圆柱和第二双中空圆柱均为采用硅材料制备得到的双空心圆柱体，且第二双中空圆柱的双空心的半径比例不同于第一双中空圆柱的双空心的半径比例，通过第一双中空圆柱和第二双中空圆柱的非对称性实现准 BIC，分别提供高达 1674 和 2244 的高 Q 因子，灵敏度分别高达 110 GHz/RIU 和 85 GHz/RIU。
-
公开(公告)号：CN118887552A
公开(公告)日：2024-11-01
申请号：CN202411380661.1
申请日：2024-09-30
Applicant: 中国计量大学
IPC: G06V20/10 , G06V10/26 , G06V10/30 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请提出了一种双分支结构的道路裂缝深度预测模型的构建方法及装置，包括以下步骤：获取标注的裂缝深度的道路图像以及与道路图像对应的裂缝掩码图像；使用特征提取模块对道路图像以及裂缝掩码图像进行特征提取；通过全局‑局部注意力融合模块进行全局‑局部注意力计算得到第二道路图像特征与第二裂缝掩码图像特征；使用输出模块对第二预测道路图像特征与第二预测裂缝掩码特征进行输出得到道路图像中每一裂缝的裂缝深度。本方案通过双分支架构来分别对道路图像的RGB特征以及掩码特征进行特征提取，并引入了全局‑局部注意力融合模块来保证既不会丢失重要的局部细节，也能考虑到全局结构，来提高对裂缝深度预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.032 seconds)
