-
公开(公告)号：CN113408463A
公开(公告)日：2021-09-17
申请号：CN202110734642.4
申请日：2021-06-30
Applicant: 吉林大学
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于距离度量的细胞图像小样本分类系统；其中图像转换模块对细胞图像数据集进行处理，并采用训练好的图像转换网络得到细胞小样本数据集；预训练模块对构建的Resnet18分类模型进行预训练，小样本分类模块通过训练构建的细胞小样本分类模型实现对细胞小样本图像中的细胞进行分类；本系统能够辅助临床医生对血液细胞进行快速分类，以减少工作量，提高细胞分类能力以及模型泛化能力，对处理医学领域中的血液细胞小样本分类问题具有重要意义。
-
公开(公告)号：CN112561863A
公开(公告)日：2021-03-26
申请号：CN202011406222.5
申请日：2020-12-03
Applicant: 吉林大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于深度学习的粒细胞图片细粒度分类识别系统；包含定位模块和分类模块，其中定位模块利用Hourglass网络模型对输入的粒细胞图片进行特征提取，将粒细胞图片中的全部细胞分别进行定位，再将定位后的细胞裁剪出来，留下单个完整的细胞，并将全部裁剪出来的细胞进行尺寸归一化处理；分类模块采用构建的深度学习分类模型对定位模块定位出的粒细胞进行分类；辅助临床医生准确高效完成粒细胞分类识别计数任务，减小主观性带来的误差，减轻医生的工作量，辅助医生做出疾病判断；该系统能够有效解决非均衡数据下的细胞分类以及粒细胞间的细粒度分类，提升网络分类识别效果。
-
公开(公告)号：CN113640736A
公开(公告)日：2021-11-12
申请号：CN202110971251.4
申请日：2021-08-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于退化的空间ARMA模型的多维传感器阵列信源测向方法，属于阵列信号处理中基于多维阵列的二维信源测向。包括3维体阵模型，多维阵列中任一ULA的信源相差估计，多维阵列中的ULA分类准则，多维阵列中信源相差(或角度)配对方案，多维阵列中信源仰角和方位角的计算。本发明的优点是：能够处理多维阵列中的任一ULA,二维信源测向方法能够匹配和发挥多维阵列ULA及其数据丰富的优势；给出了能够实现信源相差自动配对的ULA组合准则，所提测向方法能够处理两种方位角定义下ULA，而且对信源和传感器阵元噪声的信号性质仅要求为平稳；所提测向方法是直接处理多维阵列数据，不涉及矩阵特征值分解或奇异值分解，计算较为高效。
-
公开(公告)号：CN108020811B
公开(公告)日：2021-02-19
申请号：CN201711280551.8
申请日：2017-12-06
Applicant: 吉林大学
IPC: G01S3/00
Abstract: 本发明涉及一种基于目标源相移差分技术的1维均匀线性阵列测向方法，属于阵列信号处理中目标源测向方法。首先以构造随传感器阵元位置角标线性变化的目标源传播相移所对应的传感器接收数据相关函数序列作为基础，包含前后衔接的Hankel矩阵方程和首项系数为1的一元高次方程等两部分内容，求解Hankel矩阵方程和一元高次方程，计算目标源入射角度。本发明对目标源和传感器阵元噪声的信号性质仅要求为平稳，在阵元噪声为高斯白噪和有色噪声时都适用；能够处理独立、相关和相干目标源信号及其混合等复杂外部源信号情况，同现有测向方法比较，具有较好的适应性和实用性。
-
公开(公告)号：CN112561863B
公开(公告)日：2022-06-10
申请号：CN202011406222.5
申请日：2020-12-03
Applicant: 吉林大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于深度学习的粒细胞图片细粒度分类识别系统；包含定位模块和分类模块，其中定位模块利用Hourglass网络模型对输入的粒细胞图片进行特征提取，将粒细胞图片中的全部细胞分别进行定位，再将定位后的细胞裁剪出来，留下单个完整的细胞，并将全部裁剪出来的细胞进行尺寸归一化处理；分类模块采用构建的深度学习分类模型对定位模块定位出的粒细胞进行分类；辅助临床医生准确高效完成粒细胞分类识别计数任务，减小主观性带来的误差，减轻医生的工作量，辅助医生做出疾病判断；该系统能够有效解决非均衡数据下的细胞分类以及粒细胞间的细粒度分类，提升网络分类识别效果。
-
Patent Agency Ranking
公开(公告)号：CN113408463B
公开(公告)日：2022-05-10
申请号：CN202110734642.4
申请日：2021-06-30
Applicant: 吉林大学
IPC: G06V20/69 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于距离度量的细胞图像小样本分类系统；其中图像转换模块对细胞图像数据集进行处理，并采用训练好的图像转换网络得到细胞小样本数据集；预训练模块对构建的Resnet18分类模型进行预训练，小样本分类模块通过训练构建的细胞小样本分类模型实现对细胞小样本图像中的细胞进行分类；本系统能够辅助临床医生对血液细胞进行快速分类，以减少工作量，提高细胞分类能力以及模型泛化能力，对处理医学领域中的血液细胞小样本分类问题具有重要意义。
-
公开(公告)号：CN108020811A
公开(公告)日：2018-05-11
申请号：CN201711280551.8
申请日：2017-12-06
Applicant: 吉林大学
IPC: G01S3/00
CPC classification number: G01S3/00
Abstract: 本发明涉及一种基于目标源相移差分技术的1维均匀线性阵列测向方法，属于阵列信号处理中目标源测向方法。首先以构造随传感器阵元位置角标线性变化的目标源传播相移所对应的传感器接收数据相关函数序列作为基础，包含前后衔接的Hankel矩阵方程和首项系数为1的一元高次方程等两部分内容，求解Hankel矩阵方程和一元高次方程，计算目标源入射角度。本发明对目标源和传感器阵元噪声的信号性质仅要求为平稳，在阵元噪声为高斯白噪和有色噪声时都适用；能够处理独立、相关和相干目标源信号及其混合等复杂外部源信号情况，同现有测向方法比较，具有较好的适应性和实用性。
-
公开(公告)号：CN119537751A
公开(公告)日：2025-02-28
申请号：CN202411599861.6
申请日：2024-11-11
Applicant: 吉林大学
Abstract: 基于退化空间ARMA模型,本发明提出一种基于退化空间ARMA模型的FFRA对角ULA相差估计和模糊解决方法,本发明首先推导了修正Yule‑Walker(MYW)线性方程组和求根多项式,由于对角ULA阵元间隔大于载波波长的一半,对角线相差产生模糊问题。利用对角线和轴向相差所满足的显式线性组合关系,本发明提出了一种简单有效的对角线相差模糊消除方案,由轴向估计相差推导出无模糊对角线相差实际区间。本发明利用X‑Y平面上FFRA的对角ULA,通过RMSE(均方根误差)和CRB(Cramer‑Rao界)数值仿真结果表明,所提方法对独立和相干信源均有效,并且在消除模糊后RMSE缓慢收敛于相应的CRB。由于能够充分利用FFRA的轴向和对角ULA,所提估计方法,为基于ULA组合的2维DoA估计提供了基础。
-
公开(公告)号：CN113640736B
公开(公告)日：2023-07-25
申请号：CN202110971251.4
申请日：2021-08-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于退化的空间ARMA模型的多维传感器阵列信源测向方法，属于阵列信号处理中基于多维阵列的二维信源测向。包括3维体阵模型，多维阵列中任一ULA的信源相差估计，多维阵列中的ULA分类准则，多维阵列中信源相差(或角度)配对方案，多维阵列中信源仰角和方位角的计算。本发明的优点是：能够处理多维阵列中的任一ULA,二维信源测向方法能够匹配和发挥多维阵列ULA及其数据丰富的优势；给出了能够实现信源相差自动配对的ULA组合准则，所提测向方法能够处理两种方位角定义下ULA，而且对信源和传感器阵元噪声的信号性质仅要求为平稳；所提测向方法是直接处理多维阵列数据，不涉及矩阵特征值分解或奇异值分解，计算较为高效。
-
公开(公告)号：CN107544050A
公开(公告)日：2018-01-05
申请号：CN201710803692.7
申请日：2017-09-07
Applicant: 吉林大学
IPC: G01S3/00
Abstract: 本发明涉及一种白噪声背景下一种构造自适应阈值估计信号源数目的方法，属于阵列信号处理技术领域。基于一种自适应阈值的思想，并给出了阈值设定的一种依据以及适用于传感器数较少时阈值设定的参考公式，能够有效的提高低信噪比时信号源数目估计的准确率。经过仿真实验得到结果采用自适应的阈值确实能够提高低信噪比环境下信号源数目估计的准确率，证明自适应阈值的研究具有一定的研究前景，并且能够有效的应用于实际环境中。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.015 seconds)
