-
公开(公告)号：CN113901893B
公开(公告)日：2023-09-15
申请号：CN202111109550.3
申请日：2021-09-22
Applicant: 西安交通大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/214 , G06N3/044 , G06N3/0464 , G06N3/084 , A61B5/346 , A61B5/00
Abstract: 基于多重级联深度学习的心电信号的识别与分类方法，包括以下步骤：将采集的一维心电数据进行预处理后划分成训练集、验证集以及测试集；构建基于卷积神经网络、循环神经网络与Transformer模块的深度学习模型并训练，得到在验证集上分类效果最好的模型；将待分类的心电数据输入到在验证集上分类效果最好的模型中，得到心电数据的心电信号所属分类。本发明通过一维卷积提取低层次的波形结构特征，将较浅和较深的层聚合起来，获取心电信号的空间特征，并利用RNN和Transformer提取整个导联的时序特征，可以应用于不同长度的单导联心电信号或多导联心电信号的分类，对不同的心电采集设备有良好的兼容性。
-
公开(公告)号：CN111466905B
公开(公告)日：2021-01-22
申请号：CN202010280351.8
申请日：2020-04-10
Applicant: 西安交通大学
IPC: A61B5/346
Abstract: 一种基于双向连通的心电波形提取方法，对心电图的图像沿导联方向纵向投影，确定各个导联的基线；对心电图的图像沿垂直导联方向横向投影，得到几个峰值，记录两个相邻峰值之间的区间；根据各个导联的基线位，计算导联与基线的交叉点，对于每一导联与基线有多个交叉点q，将第j导联与基线的多个交叉点q放入队列Qj中；遍历队列Qj中的交叉点q，选择满足约束的交叉点q作为p放入队列Pj中；复制一个与心电图相同的图像IM；以队列Pj中的每一个交叉点p为基础，计算双向连通图；对双向连通图进行采样，计算距离基线的相对像素值。本发明过程简洁，易于实现，对不同心电图像具有良好的适配性，同时误差更小。
-
公开(公告)号：CN117557521A
公开(公告)日：2024-02-13
申请号：CN202311505463.9
申请日：2023-11-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向动态超声的病灶视频分割方法，包括以下步骤：将待分割视频通过训练好的深度学习模型，实现病灶视频分割；其中，所述训练好的深度学习模型通过采用将标注的训练集中的数据和拥有伪标签的未标注训练集中的数据对全自动视频目标分割模型进行训练至收敛得到。为了合理利用超声视频的时间空间特征，引入了一种基于相邻帧的视频分割网络，该网络利用自适应特征库对相邻帧的有用信息进行存储并在分割当前帧时加以利用。为了减少视频的人工标注的工作量，将半监督方法运用到视频分割方法中。本发明提出的方法在基于超声视频的病灶分割中的优越性能，并且本发明还可以应用在多种超声的病灶检测中，具有良好的普适性。
-
公开(公告)号：CN109848996B
公开(公告)日：2020-08-14
申请号：CN201910208867.9
申请日：2019-03-19
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 本发明提供一种基于图优化理论的大规模三维环境地图创建方法。该方法首先利用裁剪迭代最近点算法顺序地估计移动机器人的局部位姿，并判断估计结果的可靠性，如果结果不可靠，则采用快速的基于多尺度描述子对应传播算法重新估计当前时刻移动机器人的局部位姿，同时逐渐地构造一个位姿图，图的顶点表示移动机器人各时刻的位姿，图的边表示相连位姿之间的约束；随后提出了一种闭环假设和验证方法，用来检测位姿图中的闭环；最后通过运动平均方法求解位姿约束方程，得到精确的移动机器人的全局位姿。实验结果表明该方法可以很好地创建大规模三维环境地图。
-
公开(公告)号：CN117372381A
公开(公告)日：2024-01-09
申请号：CN202311385103.X
申请日：2023-10-24
Applicant: 西安交通大学
IPC: G06T7/00 , G06V10/74 , G06V10/764 , G06V10/766
Abstract: 本发明公开了一种面向动态超声视频的病灶检测方法，将待检测的超声视频输入到训练好的深度学习模型，实现动态超声的病灶视频检测；其中，所述训练好的深度学习模型为经过标注的横切超声视频数据、标注的纵切超声视频数据和拥有伪标签的超声视频数据作为训练数据对基于相邻帧的视频检测网络模型进行训练得到。本发明提出的方法在基于超声视频的病灶结节检测中的优越性能，并且本发明还可以应用在多种超声的病灶检测中，具有良好的普适性。
-
Patent Agency Ranking
公开(公告)号：CN109848996A
公开(公告)日：2019-06-07
申请号：CN201910208867.9
申请日：2019-03-19
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 本发明提供一种基于图优化理论的大规模三维环境地图创建方法。该方法首先利用裁剪迭代最近点算法顺序地估计移动机器人的局部位姿，并判断估计结果的可靠性，如果结果不可靠，则采用快速的基于多尺度描述子对应传播算法重新估计当前时刻移动机器人的局部位姿，同时逐渐地构造一个位姿图，图的顶点表示移动机器人各时刻的位姿，图的边表示相连位姿之间的约束；随后提出了一种闭环假设和验证方法，用来检测位姿图中的闭环；最后通过运动平均方法求解位姿约束方程，得到精确的移动机器人的全局位姿。实验结果表明该方法可以很好地创建大规模三维环境地图。
-
公开(公告)号：CN118283195B
公开(公告)日：2024-08-30
申请号：CN202410707447.6
申请日：2024-06-03
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: H04N1/32 , G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种岩性图像数据数字水印处理方法及系统，属于石油天然气探测技术领域，方法包括获取岩性载体图像与水印图像；构建可逆神经网络，将岩性载体图像与水印图像输入至可逆神经网络中，依次进行小波变换、奇异值分解、水印信息嵌入、奇异值反变换和小波逆变换处理，输出含有水印信息的编码图像，训练得到可逆神经网络数字水印模型；所述可逆神经网络是采用密集连接网络作为基础结构，学习函数采用多层上下文自注意力模块，并且模块间采用密集连接的方式；利用可逆神经网络数字水印模型对待处理岩性图像进行水印信息的嵌入与提取。本发明能够对天然气石油探测的图像数据进行认证与溯源，保护数据的安全与隐私。
-
公开(公告)号：CN118283195A
公开(公告)日：2024-07-02
申请号：CN202410707447.6
申请日：2024-06-03
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: H04N1/32 , G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种岩性图像数据数字水印处理方法及系统，属于石油天然气探测技术领域，方法包括获取岩性载体图像与水印图像；构建可逆神经网络，将岩性载体图像与水印图像输入至可逆神经网络中，依次进行小波变换、奇异值分解、水印信息嵌入、奇异值反变换和小波逆变换处理，输出含有水印信息的编码图像，训练得到可逆神经网络数字水印模型；所述可逆神经网络是采用密集连接网络作为基础结构，学习函数采用多层上下文自注意力模块，并且模块间采用密集连接的方式；利用可逆神经网络数字水印模型对待处理岩性图像进行水印信息的嵌入与提取。本发明能够对天然气石油探测的图像数据进行认证与溯源，保护数据的安全与隐私。
-
公开(公告)号：CN118246433A
公开(公告)日：2024-06-25
申请号：CN202410689939.7
申请日：2024-05-30
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06F40/20 , G06F40/30 , G06F18/22 , G06F18/241 , G06F18/27 , G06F18/214 , G06F18/213 , G06Q10/10
Abstract: 本发明公开了一种基于非自回归模型的录井综合记录摘要生成方法及系统，属于石油天然气探测技术领域，方法包括：收集录井综合记录；通过上下文生成语句数据增强模型，对收集录井综合记录进行扩充，得到扩充后的录井综合记录；构建非自回归模型，对扩充后的录井综合记录进行序列拼接作为输入序列，输入所述非自回归模型，然后进行迭代编码与解码，并使用连接主义时间分类算法进行潜在对齐并消除相邻重复词，以解码生成的摘要作为输出序列；对待分析录井综合记录进行推理，生成录井综合记录摘要。本发明能够提高录井综合记录效率，为后续探井计划提供可靠的依据，大幅度提升探测速度。
-
公开(公告)号：CN113901893A
公开(公告)日：2022-01-07
申请号：CN202111109550.3
申请日：2021-09-22
Applicant: 西安交通大学
Abstract: 基于多重级联深度学习的心电信号的识别与分类方法，包括以下步骤：将采集的一维心电数据进行预处理后划分成训练集、验证集以及测试集；构建基于卷积神经网络、循环神经网络与Transformer模块的深度学习模型并训练，得到在验证集上分类效果最好的模型；将待分类的心电数据输入到在验证集上分类效果最好的模型中，得到心电数据的心电信号所属分类。本发明通过一维卷积提取低层次的波形结构特征，将较浅和较深的层聚合起来，获取心电信号的空间特征，并利用RNN和Transformer提取整个导联的时序特征，可以应用于不同长度的单导联心电信号或多导联心电信号的分类，对不同的心电采集设备有良好的兼容性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
