“苏一平”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果50个，建议您升级VIP下载更多相关专利

[发明专利]一种基于眼动异常自动识别的脑卒中初筛分析方法-CN202310864384.0在审
发明人：张辉煌;苏一平;胡海根;陈琦;周乾伟 -专利权人：浙江工业大学
申请日： 2023-07-13 - 公布日： 2023-10-13 - 主分类号： A61B3/14 文献下载
摘要：一种基于眼动异常自动识别的脑卒中初筛分析方法，包括以下步骤：步骤1：录制眼部区域视频；步骤2，部署基于深度学习的瞳孔跟踪模型，使用该模型预测视频中每一帧图像的瞳孔中心位置并记录，同时保存每个预测结果的置信度；步骤3，使用python脚本处理每一帧图像的瞳孔中心坐标数据，绘制相关的曲线图；步骤4，基于上一步骤绘制的曲线图，辅助医生进行HINTS眼动异常检查，其中的检查包括眼震试验和扭转偏斜试验；步骤5，生成脑卒中初期的诊断结果及分析报告，并保存诊断视频以便后续检查。本发明提供一种基于眼动异常自动识别的脑卒中初筛分析方法，自动分析眼动体征来辅助临床医生进行脑卒中初期筛查工作。
一种基于异常自动识别脑卒中筛分方法

[实用新型]一种超大尺寸触控显示模组-CN202320670573.X有效
发明人：韩伟军;苏一平 -专利权人：翔实光电科技（昆山）有限公司
申请日： 2023-03-30 - 公布日： 2023-07-25 - 主分类号： G06F1/16 文献下载
摘要：本实用新型公开了一种超大尺寸触控显示模组，包括外框和气囊，所述外框的中间设有显示屏，且显示屏与外框之间为固定连接，所述外框的背面设有散热口，所述外框的四角均设有胶垫，所述外框的外侧设有气囊，所述气囊的两侧均设有防护框，所述气囊的一侧设有活塞，所述外框的两端均设有滑轨，所述滑轨的一侧设有载框，所述载框与滑轨之间设有滑块，所述载框的中间设有棉布辊，且棉布辊与载框之间通过圆轴连接。本实用新型通过滑轨和滑块的配合使用，能够使得，能够载框移动，从而配合圆轴使得棉布辊转动，对显示屏上的指纹和污渍进行擦拭，便于对显示屏进行清理，防止长期使用污渍沾染显示屏，提升本装置的实用性。
一种超大尺寸显示模组

[发明专利]一种基于多视图和三维卷积融合策略的PET图像分割方法-CN201911092379.2有效
发明人：胡海根;沈雷钊;苏一平;肖杰;周乾伟;管秋;陈胜勇 -专利权人：浙江工业大学
申请日： 2019-11-11 - 公布日： 2023-07-11 - 主分类号： G06T7/10 文献下载
摘要：一种基于多视图和三维卷积融合策略的PET图像分割方法，包括以下步骤：步骤1，针对三维PET图像的特点修改原始的网络模型,使之适合学习分割三维PET图像；步骤2，将三维PET图像进行预处理,使之符合对应网络需要的形状和尺寸，有助于网络的收敛速度和分割的准确性；步骤3，对应预处理方式的数据输入至对应的卷积神经网络中学习，得到对应的模型；步骤4、将测试数据分别输入到预测模型中，将多个模型的预测结果通过一个简单的三维卷积网络进行融合得到测试数据的最终的预测结果。本发明增加了三维数据的信息利用，并通过三维卷积神经网络自适应的融合了二维模型和三维模型的优点，提高了分割的准确率。
一种基于视图三维卷积融合策略 pet 图像分割方法

[发明专利]一种基于图像融合的黑色素瘤数据增强方法-CN202211715602.6在审
发明人：胡海根;余佩赢;苏一平;许慧;周乾伟;管秋 -专利权人：浙江工业大学
申请日： 2022-12-29 - 公布日： 2023-07-04 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于图像融合的黑色素瘤数据增强方法，包括：获取黑色素瘤数据集并将黑色素瘤数据集中的图像统一尺寸；遍历统一尺寸后的图像，对每个图像执行如下操作：将图像对半裁剪，获得两张裁剪后的图像；对两张裁剪后的图像随机翻转其中一张，记随机翻转后的裁剪图像为第一图像，未随机翻转的裁剪图像为第二图像；随机获取一个[0,1]的比例数，按比例数融合第一图像和第二图像形成融合图像；保存全部融合图像，完成黑色素瘤数据集中图像的数据增强。该方法通过对图像自身进行裁剪处理后按比例数融合实现图像数据增强，从而达到数据类别平衡及扩充数据量，提高模型鲁棒性的目的，可精准识别黑色素瘤。
一种基于图像融合黑色素瘤数据增强方法

[发明专利]一种基于动态阈值的淋巴癌图像精细分割方法-CN202010425083.4有效
发明人：胡海根;杜超;苏一平;管秋;周乾伟;肖杰;陈胜勇 -专利权人：浙江工业大学
申请日： 2020-05-19 - 公布日： 2023-04-07 - 主分类号： G06T7/11 文献下载
摘要：一种基于动态阈值的淋巴癌图像精细分割方法，首先使用双预测精度的方法来保证ROI选取的准确性，以及确保选择区域包含整个淋巴癌；其次，对于在优化过程中新出现的单个淋巴癌病灶，视为一个新的ROI区域，并以独立的阈值标准继续优化边缘，以此调整密集区域单个淋巴癌的边缘精细分割。本发明通过采用动态ROI阈值方法对密集区域单个病灶图像的初分割结果进行优化，利用双预测精度信息获取更为准确的淋巴癌图像。
一种基于动态阈值淋巴癌图像精细分割方法

[发明专利]一种面向皮肤病不平衡数据惩罚得分的网络剪枝方法-CN202211304526.X在审
发明人： 苏一平;许慧;胡海根;陈琦;周乾伟;管秋 -专利权人：杭州市临安区第一人民医院;浙江工业大学
申请日： 2022-10-24 - 公布日： 2023-03-28 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种面向皮肤病不平衡数据惩罚得分的网络剪枝方法，包括：S1、获取皮肤病不平衡样本数据集并根据每个类别的样本数确定尾类，进行样本权重向量标记；S2、构建卷积神经网络；S3、计算卷积神经网络中每个卷积核的不平衡数据惩罚得分；S4、根据预设剪枝率对卷积神经网络中每个卷积层的卷积核进行修剪；S5、采用皮肤病不平衡样本数据集对修剪后的卷积神经网络进行训练直至收敛，再利用平衡数据集对收敛的卷积神经网络微调，获得最终网络模型。该方法在降低网络参数量和计算量的同时，提高了分类准确率，且便于部署，泛化能力强。
一种面向皮肤病不平衡数据惩罚得分网络剪枝方法

[实用新型]一种改进型在线腐蚀探针拆装器-CN202121966672.X有效
发明人：张慎平;张由贵;苏安平;苏一平 -专利权人：青岛信普锐检测技术有限公司
申请日： 2021-08-20 - 公布日： 2022-04-12 - 主分类号： B25B27/00 文献下载
摘要：本实用新型公开了一种改进型在线腐蚀探针拆装器，包括丝杠、填料函抱紧盒、移动组件以及探针固定组件，所述填料函抱紧盒设置在所述丝杠的一端，所述移动组件活动设置在所述丝杠上并能够沿所述丝杠轴向移动，所述探针固定组件通过固定板与所述移动组件连接。本实用新型对填料函抱紧盒的结构进行了改进，通过两个盒体相互锁紧形成一个整体，能够将密封填料函抱紧地更加牢固；将探针固定板的形状由现有的长方形改为梯形，提高了探针固定的稳定性，固定板与连接套为一体成型结构，避免了原有焊接方式而产生的拉断掉落问题；通过手柄调节移动组件在丝杠上的位置，便于固定与拆卸探针。
一种改进型在线腐蚀探针拆装

[发明专利]一种基于卷积神经网络模型二次集成的黑色素瘤分类方法-CN201810708545.6有效
发明人：胡海根;孔祥勇;苏一平;陈胜勇;肖杰;周乾伟 -专利权人：浙江工业大学
申请日： 2018-07-02 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：一种基于卷积神经网络模型二次集成的黑色素瘤分类方法，所述方法包括以下步骤：步骤1.基于随机掩盖来构建多个具有差异性的不同训练集；步骤2.卷积神经网络模型的构建及使用Focal loss作为模型的惩罚函数；步骤3.卷积神经网络模型的集成及二次集成。通过构建多个具有差异的训练集A、B、C等以及使用Resnet的50层卷积神经网络进行训练，最后根据模型的投票结果先进行一次集成，然后在一次集成的基础上再进行二次集成，旨在提高黑色素瘤自动识别分类的性能。
一种基于卷积神经网络模型二次集成黑色素瘤分类方法

[发明专利]一种针对皮肤病图像的数据增强方法-CN201810505282.9有效
发明人：胡海根;孔祥勇;苏一平;陈胜勇;周乾伟;管秋 -专利权人：浙江工业大学
申请日： 2018-05-24 - 公布日： 2021-10-26 - 主分类号： G06T7/00 文献下载
摘要：一种针对皮肤病图像的数据增强方法，包括以下步骤：步骤1：依次随机无放回的从皮肤图像样本集M中选择一个样本mi；步骤2：随机从样本mi上选择一块大小固定的区域进行裁剪，被裁剪后的mi命名为mi1，从mi裁剪出来的图像命名为mi2；步骤3：随机有放回的从皮肤图像样本集B中选择一个宽度和高度都大于裁剪区域宽度和高度的样本bj；步骤4：从样本bj上随机选择一块大小固定的区域进行裁剪，裁剪后的bj命名为bj1，从bj裁剪出来的样本命名为bj2；步骤5：计算出c，对结果中非整像素值进行取整；步骤6:将c和mi1进行融合来组成新的mi。本发明提供一种提升皮肤病分类模型性能的针对皮肤病图像的数据增强方法。
一种针对皮肤病图像数据增强方法

[发明专利]一种基于深度卷积对抗生成网络的皮肤病图像的生成方法-CN201810708543.7有效
发明人：胡海根;孔祥勇;苏一平;陈胜勇;管秋;周乾伟 -专利权人：浙江工业大学
申请日： 2018-07-02 - 公布日： 2021-10-26 - 主分类号： G06T7/11 文献下载
摘要：一种基于深度卷积对抗生成网络的皮肤病图像的生成方法，包括以下步骤：步骤1：对原始训练数据的预处理，对原始训练数据进行分割，得到皮肤病变区域的分割图片；步骤2：深度卷积对抗生成网络结构的建立，使用卷积神经网络来进行分别构建生成器和判别器；步骤3：设定生成网络和分类网络的输入；步骤4：优化目标的设定，对于判别器来说，判别器负责对真假样本进行分类，生成器生成的样本为假，实际输入的真实样本为真，最小化分类误差；对于生成器来说，生成器尽可能的去生成和真实样本一样的假样本；步骤5：网络的训练。本发明利用人工分割出来的皮损样本作为对抗生成网络的训练样本，然后使用对抗生成网络来生成新的皮肤病样本。
一种基于深度卷积对抗生成网络皮肤病图像方法

[发明专利]一种基于深度学习的黑色素瘤皮肤病的分类识别方法-CN201810174573.4有效
发明人：胡海根;王海洋;苏一平;管秋;肖杰;陈胜勇 -专利权人：浙江工业大学
申请日： 2018-03-02 - 公布日： 2020-10-30 - 主分类号： G06K9/62 文献下载
摘要：一种基于深度学习的黑色素瘤皮肤病的分类识别方法，将原始图像、采用类激活图剪切的图像、医生手工分割的病变区域二值掩膜图像分别进行数据预处理；采用图像分类网络，将它们最后一层进行联合，三种训练集图片分别输入这三个网络，图片正向输入网络，并通过反向传播最小化代价函数更新权值，求出对第一类非增值性损伤皮肤病分类效果最优组合；先采用联合网络1对第一类皮肤病单独分类，再使用联合网络2将剩余数据中的第二类皮肤病分类出来；剩余的就是恶性皮肤病，得到皮肤病分类准确率1；再得到皮肤病分类准确率2；得到皮肤病分类准确率3；将最高的准确率作为最终的结果。本发明有效提高黑色素瘤皮肤病分类识别率。
一种基于深度学习黑色素瘤皮肤病分类识别方法

[发明专利]一种基于集成学习的黑色素瘤皮肤病图像分类方法-CN201810505419.0有效
发明人：胡海根;孔祥勇;苏一平;陈胜勇;管秋;肖杰 -专利权人：浙江工业大学
申请日： 2018-05-24 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：一种基于集成学习的黑色素瘤皮肤病图像分类方法，包括以下步骤：步骤1，使用基于随机掩盖大小固定的区域的数据增强方式来扩充训练样本；步骤2，建立多个卷积神经网络模型，使用的训练集包含黑色素瘤皮肤图像和非黑色素瘤皮肤图像；使用卷积残差50层网络；使用交叉熵损失函数；步骤3，卷积神经网络模型的集成：假定由训练集1训练得到的模型为分类模型1，训练集2训练得到的模型为分类模型2，对分类模型1和分类模型2分别使用测试集来测试其效果，然后每个模型会各自给出测试样本属于黑色素瘤的概率值p1，p2，集成的时候对于测试样本属于黑色素瘤的概率p＝(p1+p2)/2。本发明分类精度较高、数据均衡，提高黑色素瘤自动识别分类的性能。
一种基于集成学习黑色素瘤皮肤病图像分类方法

[发明专利]一种发电机定子搬运车-CN201810339251.0有效
发明人： 苏一平 -专利权人：台州太启智能设备有限公司
申请日： 2018-04-16 - 公布日： 2020-09-25 - 主分类号： B62B3/10 文献下载
摘要：本发明公开了一种发电机定子搬运车，其包括：车座，其设置有行走轮；以及套柱，所述车座上设置有若干个该套柱；每个该套柱包括至少两个自内至外套设在一起的柱杆，每个所述柱杆的上端设置有一上小下大的锥形头；位于最里面的所述柱杆的下端以能够拆卸的方式设置在所述车座上；外面一个所述柱杆通过一柱杆孔活动套设于里面一个所述柱杆上，且外面一个所述柱杆的柱杆孔的顶部通过一锥形孔与里面一个所述柱杆的锥形头进行配合。本发明的每个套柱均可单独根据不同规格的发电机定子来选择用对应大小的柱杆，从而使得不同规格的发电机定子能相互独立，互不影响，避免混乱。
一种发电机定子搬运车

[发明专利]一种黑色素瘤分类模型建立方法-CN201810505394.4有效
发明人：胡海根;孔祥勇;苏一平;陈胜勇;肖杰;周乾伟 -专利权人：浙江工业大学
申请日： 2018-05-24 - 公布日： 2020-05-05 - 主分类号： G06K9/62 文献下载
摘要：一种基于非随机掩盖数据增强方式的黑色素瘤分类方法，包括以下步骤：步骤1.首先原始训练集中的皮肤镜图像进行数据增强，增强方式为非随机掩盖；步骤2.将原始数据分别和不同掩盖位置的数据进行混合然后放入网络中进行训练，最后根据模型在验证集上的表现选择出效果相对好的4个模型，然后将这4个模型的增强样本和原始数据放在一起作为最终的黑色素瘤分类模型的训练样本，然后进行训练从而得到黑色素瘤分类模型；步骤3.训练模型；步骤4.将步骤3中提取的特征放入到softmax分类器中进行分类。本发明提供一种可靠性高的黑色素瘤分类方法，可以有效的对患者皮肤镜检图像来进行分类，达到辅助最终诊断的效果。
一种黑色素瘤分类模型建立方法

[发明专利]一种基于深度学习的淋巴癌图像分割的数据增强方法-CN201911138590.3在审
发明人：胡海根;杜超;苏一平;周乾伟;肖杰;管秋;陈胜勇 -专利权人：浙江工业大学
申请日： 2019-11-20 - 公布日： 2020-04-21 - 主分类号： G06T7/00 文献下载
摘要：一种基于深度学习的淋巴癌图像分割的数据增强方法，所述方法包括以下步骤：步骤1.数据准备阶段：1.1)对于每个训练的病人，首先根据其医生的标注信息，获取其淋巴癌的位置信息；1.2)对于一个小区域内，不相连的局部独立病灶视为一个整体；1.3)对于每个独立的病灶，计算能包裹病灶的长方体空间；1.4)每个矩形，记录其在患者身体中的具体位置(x1,y1,z1)(x2,y2,z2)；5)对所有训练集患者重复1.1)～1.4)，截取所有的病灶以及保存所有的位置信息，形成一个完整的淋巴癌数据库；步骤2.训练数据阶段。本发明对使用深度学习进行淋巴癌分割的性能提升明显，在各种神经网络结构中结果稳定。
一种基于深度学习淋巴癌图像分割数据增强方法

1
2
3
4
下一页»
尾页
共 50 条