专利标题 公开号/公告号 公开日期 摘要 专利状态
一种早孕子宫图像的自动分割处理方法 CN201811360206.X - 本发明公开了一种早孕子宫图像的自动分割处理方法，本发明首先采用一种光照补偿的算法对B超图像进行特征增强；再结合对输入图像的灰度图进行阈值分割和对图像进行特征增强的图像进行主动轮廓分割两种算法对图像进行分割，然后根据子宫的特征对图像进行去噪。由于子宫形状的不规则性以及B超子宫图像的边界不清晰，本次研究对采用了两种方法对分割结果图进行去噪处理；最后根据方法一去噪结果图的连通域的个数来选择最终分割结果图，使得子宫分割的准确率达到77.14％。 专利申请的撤回
一种眼底扫描自动鉴定系统 CN201811077083.9 2021-10-12 本发明公开了一种眼底扫描自动鉴定系统，包括数据输入单元，数据特征量提取单元，机器学习SVM分类单元、自动识别单元和数据输出单元；所述数据特征量提取单元用于对输入的图片进行处理，得出用于判断是否患有非增殖型糖尿病性视网膜病的特征量；所述机器学习SVM分类单元将标记好的原始眼底图片分为训练组和测试组，得到与非增殖型糖尿病性视网膜病相关特征量的特征值；所述数据输出单元用于输出自动识别单元的判断数据。本发明能够分割出血管和病变区域，并且预测准确NPDR。 专利权的授权
一种基于机器学习的IVF-ET早孕胚胎发育预测系统 CN201810959476.6 - 本发明公开了一种基于机器学习的IVF‑ET早孕胚胎发育预测系统，包括如下数据处理步骤：获取历史病例数据并提取相应的特征数据集，对数据集进行预处理和特征工程，根据已知的临床诊断结果进行正、异常标记；接着按照一定的比例划分训练集和测试集，针对训练集的少量样本采用随机采样的方式使得不同类型样本达到均衡，引入机器模型训练处理后的平衡数据，利用测试集评价模型，最终得到最优的预测结果和模型。本发明构建了一种基于机器学习的IVF‑ET早孕胚胎发育预测系统，为B超影像科室的进一步诊断提供了决策支持。 专利申请的撤回
一种基于随机子空间集成学习的主动脉夹层筛查系统 CN201810712225.8 2021-10-12 本发明公开了一种基于随机子空间集成学习的主动脉夹层筛查模型及其建立方法、系统和模型。本发明针对现有传统诊断方法对于主动脉夹层诊断的效率低、误诊率高、漏诊率低、成本高、过程复杂的缺点，提供一种基于随机子空间集成学习的主动脉夹层筛查方法。该方法利用机器学习的RS‑Ensemble算法建立RS模型，利用RS模型进行主动脉夹层的筛查和诊断，大大提高了诊断准确率，同时大大降低了误诊率和漏诊率，实现高效低成本的诊断。 专利权的终止
一种基于几何特征与区域融合的G显带粘连染色体分割方法 CN201810636329.5 - 本发明公开了一种基于几何特征与区域融合的G显带粘连染色体分割方法，首先提取粘连染色体区域轮廓凹点，接着通过两两凹点形成的切割线对粘连染色体图像进行切割，最后就是对切割后的局部区域进行融合操作，选取最合适的区域作为最终的单条染色体区域。本发明实现了对粘连染色体自动化分割，提高染色体核型分析效率。 专利（申请）权的转移
一种合成应用程序源代码的方法 CN202211344083.7 - 一种合成应用程序源代码的方法，该方法由软件程序自动执行，包括以下步骤：S1、获取待合成应用；即获取未进行合并的且已生成动态源代码的应用；S2、通过Gitlab调用获取脚手架源代码，并将脚手架源代码存放至指定的临时文件夹下；S3、获取动态源代码的文件夹路径及文件夹下的所有文件；S4、将动态源代码中的文件复制到临时文件夹中，实现对临时文件夹中相应文件的替换或新增；S5、将上一步处理后的临时文件夹下的所有源代码通过接口调用方式，上传至Gitlab中进行管理；S6、将处理完的应用标记为己合成状态。本发明可以通过软件实现应用源代码的自动合并，节省了人力成本，执行效率大大提升，通且过定时任务或消息队列服务自动获取应用源代码合并任务，可避免人为原因导致的遗漏。 实质审查
一种自动生成网页页面的方法 CN202211345538.7 - 一种自动生成网页页面的方法，其特征在于，包括以下步骤：S1、分析网页中可能会用到的前端编程语言；S2、分析网页的主题、布局结构，在通用型描述语言中填入网页主题、页面布局结构的配置信息；S3、找到对应编程语言语法与通用型描述语言键值的对应关系；S4、将对应语法的键值对填入通用型描述语言中，并将各键值之间的父子或关联关系做好配置；S5、通过解析引擎对已填好的通用型描述语言进行语法解析，并渲染生成对应网页页面。本发明中自动生成网页页面的方法，由软件自动生成，效率高：同时降低了对人工的依赖，所构建的网页页面代码性能稳定，符合标准，安全性、兼容性高。 实质审查
一种应用程序的部署方法 CN202211345525.X - 一种应用程序的部署方法，包括以下步骤：S1、本地安装Jenkins、Gitlab软件；S2、在服务器安装Docker容器，并启动；S3、下载或编写Docker镜像生成所需文件；S4、安装Docker镜像；S5、创建Docker运行时的配置文件；S6、通过Jenkins软件创建应用部署任务；S7、执行应用部署。本发明通过搭建自定义容器镜像，可将前后端所需服务融合到一个容器内，并通过网站访问Jenkins执行固定的指令、脚本，实现容器的自动化部署，而且可减少服务器的进入、容器的数量等，跳过了主服务器Nginx的代理，部署时对相关的人员也无技术要求，大大降低了服务执行的复杂度与对专业性的要求。 实质审查
一种生成逻辑代码的方法 CN202211344019.9 - 一种生成逻辑代码的方法，由程序自动执行，包括以下步骤：S1、选择需要调用逻辑代码的触发点；并在通用型描述语言中记录触发点相关描述信息；S2、根据需求逻辑分析预测在逻辑中会出现的语法，并梳理其顺序以及关系；S3、根据上一步确定的顺序依次找到语法与通用型描述语言键值的对应关系；S4、将对应语法的键值对填入通用型描述语言中，做好各键值的父子、关联关系；S5、提交解析引擎进行语法解析，生成对应逻辑代码。本发明可以通过软件程序自动生成逻辑代码，无需依赖JAVA技术人员，进而无需关心JAVA技术人员对JAVA编程语言掌握的精通程度，经验是否丰富，生成的逻辑代码的性能好，安全、兼容性高。 实质审查
一种自动化的软件开发系统、软件自动生成方法和设备 CN202110694053.8 2022-04-15 本发明公开了一种自动化的软件开发系统、软件自动生成方法和设备，系统包括：自动解耦模块、软件建模模块、流程配置模块、软件自动生成模块和冲突检查模块；自动解耦模块对所述第一页面间的解耦或关联；软件建模模块根据输入的需求规格，设置软件对应的控件、属性、逻辑和接口以建立软件模型；流程配置模块配置软件模型的执行流程；软件自动生成模块自动生成含有可执行程序的软件；所述冲突检查模块进行冲突检查和修正。本发明中需要编程人员手动操作的部分仅包括需求规格设计部分和软件建模部分，其他均由计算机系统自动执行，相较于传统的软件开发模式，本发明大大提高软件编程的时间效率并降低了出错率，能够适用于快速迭代变更的各类业务。 专利权的授权