-
公开(公告)号：CN110390665B
公开(公告)日：2021-11-02
申请号：CN201910464198.1
申请日：2019-05-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于深度学习多通道与图嵌法的膝关节病症超声诊断方法，其包括以下步骤：利用snake算法对膝关节超声图像中的积液区域进行预处理，接着输入到定义好的网络模型中实现语义分割；在Resnet网络结构的基础上,利用二次训练的图嵌法对数据集中的膝关节超声图像进行训练，最后利用分割网络和分类网络的试验进行验证；本发明采用多通道叠加和图嵌法的思路对膝关节超声图像进行分割和训练，可以根据不同膝关节疾病超声图像中积液区域是否伴随滑膜增厚的差异区分出疾病类别，避免了膝关节超声图像判定完全依靠医生的肉眼和个人判断，消除主观性和人为误差的问题，整个分割和分类识别的方法简单高效，诊断精确。
-
公开(公告)号：CN107126639A
公开(公告)日：2017-09-05
申请号：CN201710497436.X
申请日：2017-06-27
Applicant: 哈尔滨工业大学深圳研究生院
IPC: A61N7/00
CPC classification number: A61N7/00
Abstract: 本发明公开了一种高频率高精度超声理疗发生器，其包括单片机模块、DDS信号生成模块、功率放大模块、阻抗匹配模块、信号采集与控制模块和电路保护模块；DDS信号生成模块、功率放大模块、阻抗匹配模块和超声换能器依次相连接，该超声换能器与信号采集与控制模块相连接，单片机模块分别与DDS信号生成模块、电路保护模块和信号采集与控制模块相连接。本发明的电路架构设计巧妙、合理，根据人体理疗的特点，采用高频率的超声波振动信号，使得人体某些疼痛位置得到快速康复。根据人体理疗的安全性等要求，合理构建了大于1MHz高频率信号生成的驱动电路架构，能满足在人体理疗动态过程中的不同工况的工作需求，灵活性高，适用范围广。
-
Patent Agency Ranking
公开(公告)号：CN109883533B
公开(公告)日：2021-05-25
申请号：CN201910052515.9
申请日：2019-01-21
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于机器视觉的低频振动测量方法，其包括以下步骤：利用关键点检测算法检测图像序列中比较突出的物体边缘信息，然后利用ROI区域生长技术，缩小图像的计算范围，应用到图像序列中；首先截取第一幅图像的ROI区域中的一块包含多个明显角点的区域作为模板；依次在后续图像序列中进行模板匹配度计算，从而能获得模板区域的匹配矩阵，针对匹配矩阵运用曲线拟合的方法，搜寻到最佳的匹配位置；从而实现亚像素级别的定位精度，最后利用相机标定得到的参数矩阵，把像素坐标转换到世界坐标系，完成振动的幅值和频率的提取，可广泛应用于柔性结构体和大型结构件的振动测量分析。
-
公开(公告)号：CN110390665A
公开(公告)日：2019-10-29
申请号：CN201910464198.1
申请日：2019-05-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于深度学习多通道与图嵌法的膝关节病症超声诊断方法，其包括以下步骤：利用snake算法对膝关节超声图像中的积液区域进行预处理，接着输入到定义好的网络模型中实现语义分割；在Resnet网络结构的基础上,利用二次训练的图嵌法对数据集中的膝关节超声图像进行训练，最后利用分割网络和分类网络的试验进行验证；本发明采用多通道叠加和图嵌法的思路对膝关节超声图像进行分割和训练，可以根据不同膝关节疾病超声图像中积液区域是否伴随滑膜增厚的差异区分出疾病类别，避免了膝关节超声图像判定完全依靠医生的肉眼和个人判断，消除主观性和人为误差的问题，整个分割和分类识别的方法简单高效，诊断精确。
-
公开(公告)号：CN109622416A
公开(公告)日：2019-04-16
申请号：CN201910052529.0
申请日：2019-01-21
Applicant: 哈尔滨工业大学(深圳)
IPC: B07C5/34
CPC classification number: B07C5/34
Abstract: 本发明公开了一种基于超声传感器阵列的垃圾分类方法及其系统，其包括以下步骤：超声波发射传感器向执行机构上的垃圾发射超声波；获取超声波接收传感器返回的模拟电压，并进行预处理，接着输入到定义好的网络模型中训练，获得分类模型；根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作；本发明采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构移动到相应垃圾桶上方位置并进行投放垃圾动作，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷，给人们生活带来方便。
-
公开(公告)号：CN109622416B
公开(公告)日：2021-07-30
申请号：CN201910052529.0
申请日：2019-01-21
Applicant: 哈尔滨工业大学(深圳)
IPC: B07C5/34
Abstract: 本发明公开了一种基于超声传感器阵列的垃圾分类方法及其系统，其包括以下步骤：超声波发射传感器向执行机构上的垃圾发射超声波；获取超声波接收传感器返回的模拟电压，并进行预处理，接着输入到定义好的网络模型中训练，获得分类模型；根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作；本发明采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构移动到相应垃圾桶上方位置并进行投放垃圾动作，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷，给人们生活带来方便。
-
公开(公告)号：CN109883533A
公开(公告)日：2019-06-14
申请号：CN201910052515.9
申请日：2019-01-21
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于机器视觉的低频振动测量方法，其包括以下步骤：利用关键点检测算法检测图像序列中比较突出的物体边缘信息，然后利用ROI区域生长技术，缩小图像的计算范围，应用到图像序列中；首先截取第一幅图像的ROI区域中的一块包含多个明显角点的区域作为模板；依次在后续图像序列中进行模板匹配度计算，从而能获得模板区域的匹配矩阵，针对匹配矩阵运用曲线拟合的方法，搜寻到最佳的匹配位置；从而实现亚像素级别的定位精度，最后利用相机标定得到的参数矩阵，把像素坐标转换到世界坐标系，完成振动的幅值和频率的提取，可广泛应用于柔性结构体和大型结构件的振动测量分析。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
