-
公开(公告)号：CN119908754A
公开(公告)日：2025-05-02
申请号：CN202411943544.1
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
Abstract: 一种基于多模态数据的甲状腺血流分析方法，它涉及一种甲状腺血流分析方法。本发明为了解决现有甲状腺血流分析方法不仅由于需要手动标注所以需要大量时间和精力，而且会产生图像颜色偏差和错误血流提取的问题。本发明包括对甲状腺超声图像、甲状腺多普勒图像、临床文本数据(包括非结构化的文本数据和结构化的检测数据)这三种输入进行编码；利用基于注意力机制和张量融合的多模态特征融合技术融合提取的特征；采用LoRA微调中文大模型Baichuan‑7B得到甲状腺血流分析模型，将融合的特征输入模型中得到甲状腺腺的血流情况分析，包含甲状腺腺体和结节的血流的位置、面积、速度等的详细描述，并给出进一步诊断的建议。本发明属于医学图像处理技术领域。
-
公开(公告)号：CN119919655A
公开(公告)日：2025-05-02
申请号：CN202411944674.7
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
IPC: G06V10/26 , G06V10/54 , G06V10/771 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于先验注意力与辅助引导的甲状腺结节分割方法，属于超声医学图像处理技术领域，解决现有基于U‑Net的甲状腺结节超声图像分割准确性不佳、临床应用价值低的问题，包括：构建甲状腺超声图像数据集DS，将甲状腺超声图像数据集DS按比例划分为训练集、验证集和测试集；利用甲状腺结节超声图像ITN进行特征提取，对提取的特征进行最小冗最大相关特征选择，获取优化的甲状腺结节良恶性先验特征；计算整体损失L，在整体损失L的基础上，利用训练集训练PADPU‑Net网络，在训练过程中使用验证集进行验证，获取PADPU‑Net模型MPADPU‑Net；利用PADPU‑Net模型MPADPU‑Net，对甲状腺结节超声图像测试集DSTest进行测试，对测试结果进行优化获取最终甲状腺结节分割结果。
-
公开(公告)号：CN119359873A
公开(公告)日：2025-01-24
申请号：CN202411564299.3
申请日：2024-11-05
IPC: G06T13/40 , G06T17/00 , G06N3/0464 , G06N3/08 , G10L15/22
Abstract: 本发明提出一种数字冰壶运动员面部表情的语音驱动方法。所述方法基于冰壶比赛视频建立冰壶运动员的数字人形象，并建立冰壶运动员的个性化情绪参数库，使用神经网络模型将冰壶比赛音频转换为个性化表情参数，将个性化表情参数转换为三维人脸动画，实现个性化的数字人语音驱动。数字冰壶运动员的建模过程考虑运动员的个性化特征，如面部特征、表情特点等，同时在数字人开发中仅使用比赛视频建模，并实现基于语音的在线驱动，有助于开发者在数字人开发中快速地实现个性化定制，满足不同用户或场景的需求。
-
公开(公告)号：CN111189445B
公开(公告)日：2023-05-05
申请号：CN202010037955.X
申请日：2020-01-14
Applicant: 哈尔滨工业大学
IPC: G01C21/02
Abstract: 本发明公开了一种基于随机共振的脉冲星辨识方法。步骤1：对脉冲星光子信号进行高通滤波；步骤2：对脉冲星光子信号使用二重自相关进行一步去噪处理；步骤3：利用变尺度频率变换对信号进行频率压缩，使其能满足随机共振的所需的小参数条件；步骤4：利用遗传算法对随机共振中双稳态系统的参数a，b进行实时调节；步骤5：利用随机共振对信号进行周期搜索，选择信噪比最大所对应的频率与脉冲星的频率进行对比，频率相等即完成脉冲星信号的辨识。本发明在利用脉冲星进行深空探测导航的过程中，能够实现在短时，低信噪比的条件下辨识出脉冲星的任务。
-
公开(公告)号：CN114539439A
公开(公告)日：2022-05-27
申请号：CN202210339495.5
申请日：2022-04-01
Applicant: 哈尔滨工业大学
IPC: C08B37/00 , A61K31/715 , A61K36/284 , A61P19/08 , A61P19/10 , A61K125/00
Abstract: 本发明属于多糖提取及失重性骨丢失防护技术领域，具体公开了一种白术多糖AMP1‑1及其提取方法与应用。本发明公开了一种全新结构的白术多糖AMP1‑1，由α‑D‑葡萄糖和β‑D‑果糖组成，其分子量为1253～1615Da，具有α‑D‑Glcp‑(1→和→1)‑β‑D‑Fruf‑2→糖苷键构成的主链，是一种线性结构的多糖，并且其结构式为α‑D‑Glcp‑1→(2‑β‑D‑Fruf‑1)n(n＝6～8)。本发明公开的白术多糖AMP1‑1具有强大的抗失重性骨丢失的能力，能显著或者极显著地刺激成骨细胞的活性并且抑制破骨细胞的活性。
-
Patent Agency Ranking
公开(公告)号：CN110349247A
公开(公告)日：2019-10-18
申请号：CN201810305289.6
申请日：2018-04-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于语义理解的室内场景CAD三维重建方法，它涉及一种Y型融合RGB与Depth的语义分割网络、语义场景重建及聚类实例分割的CAD自动组合建模方法。它解决了传统室内三维CAD重建时，现有软件的使用复杂性和自动化程度低的问题，提高了室内高还原度组合建模的效率。本发明的步骤为：一、训练Y型融合RGB与Depth的语义分割网络，得到单帧二维的语义结果；二、语义场景的重建，完成3D立体像素的体积表示；三、同一语义类别的实例分割；四、基于语义实例及CAD模型的室内组合重建。本发明利用深度学习技术，克服了点云数据获取的缺失、表面重构的复杂性的难题，很方便的基于真实环境进行室内的CAD组合重建，提高室内CAD组合重建的真实性和智能化程度。
-
公开(公告)号：CN107894231A
公开(公告)日：2018-04-10
申请号：CN201711082587.5
申请日：2017-11-06
Applicant: 哈尔滨工业大学
IPC: G01C21/02
CPC classification number: G01C21/02
Abstract: 一种基于希尔伯特变换的X射线脉冲星辨识方法,它涉及微弱信号处理领域的轮廓辨识方法。它解决了当前辨识占用大量运算时间和存储空间的问题，同时可以有效抑制高频噪声的影响。本发明的步骤为：一、对标准轮廓和观测轮廓信号做希尔伯特变换。二、提取标准轮廓信号和待辨识轮廓信号的瞬时幅值特征，并利用标准轮廓的特征向量构建特征数据库。三、分别计算观测轮廓信号的特征向量与特征数据库中每个特征向量的空间距离，当距离取得最小值时，所对应的脉冲星序号即为辨识结果。本发明利用希尔伯特变换对高频噪声的抑制特性，提取瞬时幅值特征设计最小距离分类器完成脉冲星信号的高速辨识，适用于快速辨识X射线脉冲星。
-
公开(公告)号：CN102306302B
公开(公告)日：2013-03-13
申请号：CN201110251051.8
申请日：2011-08-29
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于EMD与GARCH模型的卫星时钟误差预报方法，涉及卫星时钟的钟差预测领域，解决了现有的卫星时钟误差预报方法因缺少非平稳随机项的预测，而导致预报精度难以提高的问题，它包括步骤一、获取时钟误差历史数据，并进行数据修正预处理得到卫星钟差数据；步骤二、对卫星钟差数据的经验模态进行分解，得到卫星钟差数据的随机项部分；步骤三、对卫星钟差数据的趋势项进行预测，通过建立卡尔曼预报模型进行卫星钟差数据趋势项的预测；步骤四、对卫星钟差数据的随机项进行预测，去除趋势项后得到的随机项，采用ARMA和GARCH模型对随机项进行预测，提高卫星钟差预测精度。用于卫星导航系统的高精度时间同步。
-
公开(公告)号：CN119499624A
公开(公告)日：2025-02-25
申请号：CN202411671570.3
申请日：2024-11-21
Applicant: 哈尔滨工业大学
IPC: A63B24/00 , G06V10/766 , G06V10/82 , G06T7/73 , G06N3/0455 , G06N3/08 , G06N5/01 , A63B69/00
Abstract: 本发明提出一种冰壶机器人的运动控制方法。所述方法通过深度学习技术精确获取冰壶球的位置信息，并结合自适应优化算法，基于实时场景动态生成投掷策略，提升冰壶机器人的控制精度和策略决策能力。所述方法通过优化过程求得的目标位置具有更高的最优性概率，能够显著提升冰壶机器人训练和比赛能力，为冰壶机器人的精准投掷奠定基础，并为冰壶运动员提供更为有效的投掷策略学习，帮助其在比赛中投出更高得分率的冰壶球，促进冰壶运动发展。
-
公开(公告)号：CN117876305A
公开(公告)日：2024-04-12
申请号：CN202311780096.3
申请日：2023-12-22
Applicant: 哈尔滨工业大学人工智能研究院有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明提出一种高精度且快速的方向盘表面缺陷检测方法。所述方法包括输入图像预处理；颈网络部分针对小目标引入特征预测层；损失函数针对小目标引入NWD(normalizedWasserstein distance)，与CIOU加权构成矩形框损失函数。本发明通过对颈网络模型的结构改进和矩形框损失函数的优化，提升了模型对方向盘表面微小缺陷的检测能力，为方向盘表面缺陷检测问题提供了一种新的选择。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.067 seconds)
