-
公开(公告)号：CN119625038A
公开(公告)日：2025-03-14
申请号：CN202510146999.9
申请日：2025-02-11
Applicant: 中国计量大学
IPC: G06T7/33 , G06N3/045 , G06N3/082 , G06N3/0895
Abstract: 本申请提出了一种基于弱监督学习的MRI‑TRUS图像配准方法及装置，包括以下步骤：首先获取待配准的MRI图像与TRUS图像，将其输入预训练的分割子网络，得到相应掩码。接着把这些掩码和原图像再输入预训练的配准子网络获取配准结果。配准子网络含变换场和配准单元，变换场单元生成密集变换场，配准单元以MRI掩码和图像为移动对象，TRUS掩码和图像为固定对象，依据变换场使移动对象配准到固定对象中。通过分割子网络来获取待配准MRI掩码以及待配准TRUS掩码，再以待配准MRI掩码以及待配准TRUS掩码为引导在配准子网络中进行精确配准。
-
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：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：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。
-
公开(公告)号：CN116703872A
公开(公告)日：2023-09-05
申请号：CN202310696178.3
申请日：2023-06-13
Applicant: 中国计量大学
IPC: G06T7/00 , G06V20/60 , G06V10/764 , G06V10/82 , G06V10/25 , G06V10/80 , G06N3/045 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的先验知识引导的甲状腺乳头状癌超声图像识别方法，该方法构建了一个先验知识引导的基于两阶段注意力机制的双分支网络，第一分支采取ResNet50的backbone网络来提取超声图像的普遍性特征，第二分支采用两阶段注意力机制提取结节关键属性特征，第一阶段采用双CBAM模块分别捕获结节初级属性特征和周边背景组织特征，第二阶段利用CA模块提取5个关键属性特征。相比于现有方法，本发明模拟医生在临床上的判别过程作为先验知识，采用两阶段注意力机制充分考虑不同属性特征之间的相关性和周边背景组织特征对判别的影响，可以获得更加丰富有效且稳定的特征，通过本发明所提出的双分支网络可以提高分类的精确度，提升分类结果的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
