公开(公告)号：CN115964655A

公开(公告)日：2023-04-14

申请号：CN202310041182.6

申请日：2023-01-13

Applicant: 哈尔滨工业大学

Inventor： 曹天傲 ,  王启松 ,  刘丹 ,  汤泓 ,  陶琳 ,  钟小聪 ,  孙金玮

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2411

Abstract: 一种基于互信息量的脑机接口中错误相关电位的监测方法，涉及一种错误相关电位的识别方法，为了解决现有的脑机接口对错误相关电位信号识别率差的问题。本发明通过对原始脑电信号进行预处理，并进行无重叠滑动窗分析，提取出时域特征；利用Welch法对该信号进行特征提取，获取频域特征；将时域特征与频域特征进行特征组合，利用互信息作为特征和正误类别之间的测度，计算特征与类别的互信息量并进行排序，筛选出排名靠前的特征；利用最小二乘支持向量机进行始错误相关电位分类，对样本进行留一交叉验证，获取并保留个体最佳模型，得到最终错误相关电位分类的准确率。有益效果为提高了错误相关电位的识别精度。

公开(公告)号：CN119919431A

公开(公告)日：2025-05-02

申请号：CN202411833353.X

申请日：2024-12-13

Applicant: 哈尔滨工业大学

Inventor： 赵悦 ,  尹汉龙 ,  陶琳 ,  陈晰

IPC: G06T7/11 ,  G06T5/70 ,  G06T5/60 ,  G06V10/52 ,  G06V10/776 ,  G06V10/82 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G06N5/04

Abstract: 一种基于多模态超声图像的乳腺肿瘤分割方法，为解决现有乳腺超声图像分割技术易将伪影和低回声区域错误识别为肿瘤、肿瘤边界分割精度低的问题，包括1、获取配对的B型超声图像和应变弹性图像，构造多模态乳腺超声图像数据集；2、搭建基于特征矫正对齐和边界不确定性增强的多模态图像分割模型算法；3、采用五折交叉验证的方式训练基于特征矫正对齐和边界不确定性增强的多模态图像分割模型，保存表现最优模型参数；4、加载最优模型参数，对验证集内图像进行推理预测，计算在验证集上的评价指标，与当前其他先进算法进行对比。本发明能有效提高超声图像中乳腺肿瘤的分割精度，提高网络预测的准确性。本发明属于计算机视觉、深度学习和医学图像分割领域。