-
公开(公告)号：CN111415342B
公开(公告)日：2023-12-26
申请号：CN202010192413.X
申请日：2020-03-18
Applicant: 北京工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合注意力机制的三维卷积神经网络肺部结节图像自动检测方法，属于医学图像处理领域。本发明通过将三维卷积神经网络(3D‑CNN)和注意力机制相结合，搭建针对肺部结节图像检测的一阶检测器，实现对肺部CT图像的自动、精准检测，从而有效的提升检测精度和速度。本发明的主要目的是计算图像中特征对象是肺部节的概率，整个方法是基于特征对象(即医学图像本身)进行的计算。本发明通过将通道注意力(channel attention)和空间注意力(spatial attention)与3D CNN相结合，增强有用信息，削弱无用信息，提高网络的表达能力，实现对结节的高效、精准检测。
-
公开(公告)号：CN110503131B
公开(公告)日：2023-10-10
申请号：CN201910658432.4
申请日：2019-07-22
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06V10/94 , G06V10/764 , G06F18/2411 , G06F16/21 , G06F16/25 , G06F16/28 , G06Q50/06
Abstract: 本发明公开了基于大数据分析的风力发电机健康监测系统，该系统包括五个模块，分别是：特征提取模块、故障分类模块、黑色粉末规则库、大数据分析平台和系统接口模块。针对连续特征的问题，将采用基于EMD算法和数据分箱的故障诊断方法，先通过EMD算法分解得到IMF信号，提取其幅域参数持征作为特征向量，并输入到SVM里进行故障分类，并通过前期仿真以及实际数据验证。采用大数据分析，基于开源大数据平台Spark，分别对EMD和统计描述特征算子进行了分布式并行结构的实现。本发明采用互联网方式对风机状态进行平台式的服务，共享了风机告警信息，由系统分析预警，大大提高了故障主动监控的速度，保证各风机设备告警信息实时性和准确性。
-
公开(公告)号：CN110503131A
公开(公告)日：2019-11-26
申请号：CN201910658432.4
申请日：2019-07-22
Applicant: 北京工业大学
Abstract: 本发明公开了基于大数据分析的风力发电机健康监测系统，该系统包括五个模块，分别是：特征提取模块、故障分类模块、黑色粉末规则库、大数据分析平台和系统接口模块。针对连续特征的问题，将采用基于EMD算法和数据分箱的故障诊断方法，先通过EMD算法分解得到IMF信号，提取其幅域参数持征作为特征向量，并输入到SVM里进行故障分类，并通过前期仿真以及实际数据验证。采用大数据分析，基于开源大数据平台Spark，分别对EMD和统计描述特征算子进行了分布式并行结构的实现。本发明采用互联网方式对风机状态进行平台式的服务，共享了风机告警信息，由系统分析预警，大大提高了故障主动监控的速度，保证各风机设备告警信息实时性和准确性。
-
公开(公告)号：CN111415342A
公开(公告)日：2020-07-14
申请号：CN202010192413.X
申请日：2020-03-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种融合注意力机制的三维卷积神经网络肺部结节图像自动检测方法，属于医学图像处理领域。本发明通过将三维卷积神经网络(3D-CNN)和注意力机制相结合，搭建针对肺部结节图像检测的一阶检测器，实现对肺部CT图像的自动、精准检测，从而有效的提升检测精度和速度。本发明的主要目的是计算图像中特征对象是肺部节的概率，整个方法是基于特征对象(即医学图像本身)进行的计算。本发明通过将通道注意力(channel attention)和空间注意力(spatial attention)与3D CNN相结合，增强有用信息，削弱无用信息，提高网络的表达能力，实现对结节的高效、精准检测。
-
-
-
Search Results
4
records
(took 0.014 seconds)
