一种卷积核生成方法和装置、电子设备

    公开(公告)号:CN114581411A

    公开(公告)日:2022-06-03

    申请号:CN202210214564.X

    申请日:2022-02-28

    Abstract: 本发明公开了一种卷积核生成方法和装置、电子设备,属于医学图像处理技术领域,本发明所生成的卷积核应用于管状结构分割系统,其中,卷积核生成方法包括:根据Gabor滤波器原理实施三维Gabor滤波器,并构建Gabor卷积核;基于反向传播原理,根据每一次迭代得到的损失值传递梯度,更新所述Gabor卷积核的权重;基于所述Gabor卷积核的CNN模型结构,组合所述Gabor卷积核构建的目标模型,其中,所述目标模型包括:特征映射、特征提取和特征融合三部分。通过本发明实施例构建的用于管状结构分割的权重可学习Gabor卷积核,可以直接从尺度和方向上增强管状结构的特征,减少CNN的冗余参数,并提取更准确的管状组织。

    一种多域感知对比增强计算机断层扫描图像合成方法、系统及电子设备

    公开(公告)号:CN119648552A

    公开(公告)日:2025-03-18

    申请号:CN202411818001.7

    申请日:2024-12-11

    Abstract: 本发明提供了一种多域感知对比增强计算机断层扫描图像合成方法、系统及电子设备,通过采用3D自编码器和去噪扩散概率模型,成功实现了从非对比增强到高质量对比增强图像的高效合成,优化了计算过程并提升了图像质量。多域感知正则化的引入,通过在不同频率带对图像进行细粒度的增强,显著提高了合成图像的细节表现力和纹理一致性。此外,本发明通过深度学习框架实现图像合成流程自动化,减少了人工操作,缩短了处理时间,为医学图像处理领域提供了一个快速、准确、可靠的技术解决方案。这些技术创新为CECT图像的生成提供了一种新的路径,推动了医学影像技术的发展。

    一种基于深度学习的移动床高温颗粒流动与传热特性的模拟预测方法、系统与电子设备

    公开(公告)号:CN119397965A

    公开(公告)日:2025-02-07

    申请号:CN202510013677.7

    申请日:2025-01-06

    Abstract: 本发明涉及蓄热节能技术领域,提供了一种基于深度学习的移动床高温颗粒流动与传热特性的模拟预测方法、系统与电子设备,所述方法包括:高温颗粒流动特性数值模拟,建立三维移动床高温颗粒流数值模型,模拟床型结构、颗粒性质与颗粒堆积、流型规律的关联,建立颗粒分布调控策略;高温颗粒传热特性数值模拟,建立颗粒流动特性与温度场关联,模拟颗粒的气‑固两相复合换热过程,建立温度场控制策略;颗粒分布与温度场智能预测,基于深度学习实现特定时刻的颗粒分布和温度场的智能预测,优化基于数值模拟的调控策略。本发明阐明了移动床颗粒流动与换热特性,为高炉渣余热回收效率提高提供了理论支撑和技术解决方案,能够提高能源利用率。

    一种服装显著区域检测方法

    公开(公告)号:CN108171246B

    公开(公告)日:2022-02-08

    申请号:CN201711393704.X

    申请日:2017-12-21

    Abstract: 本发明提供一种服装显著区域检测方法,能够提高服装显著区域检测的成功率。所述方法包括:获取训练集和交叉验证集,所述训练集和交叉验证集都包括:包含服装显著区域的图像;利用所述训练集训练具有不同结构的基于区域建议网络的多个区域卷积神经网络,得到每个区域卷积神经网络的权重参数;将所述交叉验证集作为每个区域卷积神经网络的输入进行检测,获取显著区域检测平均准确率最高的区域卷积神经网络作为服装显著区域检测的最优模型。本发明适用于电子商务服装显著区域检测。

    异质相三维构建方法和装置
    8.
    发明公开

    公开(公告)号:CN109003261A

    公开(公告)日:2018-12-14

    申请号:CN201810697972.9

    申请日:2018-06-29

    Abstract: 本发明公开了一种异质相三维构建方法和装置。其中,该方法包括:获取样本的断层数据图像,其中,断层数据图像是带有异质相的二维数字图像,断层数据图像为多个;根据断层数据图像的灰度值得到异质相的分割阈值,其中,分割阈值用于区分异质相与非异质相的边界;根据分割阈值得到异质相的二维图像;根据异质相的二维图像构建异质相的三维图像。本发明解决了在检测金属材料内部夹杂物时存在局限性导致检测质量低的技术问题。

    一种服装显著区域检测方法

    公开(公告)号:CN108171246A

    公开(公告)日:2018-06-15

    申请号:CN201711393704.X

    申请日:2017-12-21

    Abstract: 本发明提供一种服装显著区域检测方法,能够提高服装显著区域检测的成功率。所述方法包括:获取训练集和交叉验证集,所述训练集和交叉验证集都包括:包含服装显著区域的图像;利用所述训练集训练具有不同结构的基于区域建议网络的多个区域卷积神经网络,得到每个区域卷积神经网络的权重参数;将所述交叉验证集作为每个区域卷积神经网络的输入进行检测,获取显著区域检测平均准确率最高的区域卷积神经网络作为服装显著区域检测的最优模型。本发明适用于电子商务服装显著区域检测。

    一种提高有机体系超级电容器碳材料比容量的方法

    公开(公告)号:CN106653385A

    公开(公告)日:2017-05-10

    申请号:CN201611050762.8

    申请日:2016-11-24

    CPC classification number: Y02E60/13 H01G11/32 H01G11/38 H01G11/86

    Abstract: 本发明设计一种提高有机体系超级电容器碳材料电容量的方法,属于电化学超级电容器领域。其特点是以氟硼酸盐为碳材料活性添加剂,碳材料为碳纳米管、石墨烯等。该技术方法特征在于,通过在电极制备过程中加入少量氟硼酸盐作为活性添加剂,这类含有电解液阴离子成分的添加剂高度分散在电极材料中并且嵌入碳原子层,通过发生可逆的氧化还原反应提供法拉第准电容,以提高电极的比容量,提高比例在5%-50%。本发明提出的方法简单,添加剂量少而能有效提高有机电化学电容器碳材料电极的性能。

Patent Agency Ranking