简介:摘要:本文探讨了如何根据申请人类型、技术方案特点来选择专利检索的数据库以及检索平台,以及如何根据技术方案的发明构思来扩展更准确的分类号,从而提高检索的效率。
简介:摘要:水利建筑领域施工方法较多,权利要求冗长,检索时关键词难以准确提取,分类号又不够准确细化,通知书撰写时区别技术特征较多难以说理,如何对此类申请进行检索成为一
简介:摘要:检索是发明专利审查中的重中之重,检索效率及有效性直接决定着审查效能和质量。检索是一个不断调整的过程,动态调整是检索的灵魂。本文从检索之前数据库的选择、检索过程中中间文件的挖掘以及回案处理时意见陈述的解读三个方面总结了如何动态调整,将动态调整贯穿于整个审查与检索过程中,以期提高检索效率、节约审查程序、提高审查效能。
简介:摘要:本文结合一个实际案例,阐述了准确理解发明在检索中的重要性;通过准确理解技术方案,挖掘发明实质,能够扩展准确的关键词,高效命中对比文件。
简介:摘要:在提质增效的大背景下,为了提高检索的效率,首先必须要全面阅读理解本申请,不仅仅只在独立权利要求上下功夫,还需要把握涉及发明点的从属权利要求以及说明书中的内容,只有全面透彻地理解本申请的发明构思,才能在检索的过程中做到有的放矢,进而提高专利审查的效率。
简介:摘要:检索是发明专利申请实质审查程序中的关键步骤。本文通过结合专利审查工作中的实际案例来说明如何根据发明申请的特点,合理使用检索技巧,快速检索到有效对比文件,提高审查效率。
简介:摘要电力的应用已经渗透到了我们生活中的各个方面,而电力资源主要集中在人迹罕至的区域,要将电力资源充分的利用就需要进行远距离输电,故输电线路在电力系统中具有十分重要的作用。随着无人机和计算机技术的飞速发展,我们可以通过无人机搭载的成像设备获取到输电线路的图像数据,进而通过图像处理技术分析出输电线路上的安全隐患和实现无人机的自主导航飞行等。在本文中我们提出了一种基于无人机航拍高分辨率图像的输电线路检测方法。首先,我们对高分图像进行LSD直线段检测,对输入图像中潜在直线段区域进行检测和分析,提取出疑似的电力线区域;第二,我们线段的角度为特征使用无监督的高斯聚类算法和线段之间位置关系聚类的算法得到图像中候选的输电线路目标;第三,我们提出了图像中直线密度的算子,来滤除图像中虚假的输电线路目标;实验结果表明我们提出的算法在无人机拍摄的实际场景高分辨图像上的电力线识别率能够达到98%,且能够达到实时检测的要求。
简介:摘要目的通过深度学习(DL)PET图像重建方法,提升不同采集时间18F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例,年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入,采用Unet网络,以全剂量标准采集时间(3 min)PET图像为模型判别标准,建立DL图像重建模型,以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数:最大标准摄取值(SUVmax)、平均标准摄取值(SUVmean)、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa=0.799,P<0.001),DL组评分≥3分共6例,30 s、90 s和120 s组评分≥3分别有4、7和8例(χ2=125.47,P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11;F=3.58,t=-7.91,P<0.05),SNR高于30 s组(11.04±4.36与5.41±1.41;F=10.22,t=5.40,P<0.05);DL组肝SD及SNR与90 s组一致(0.39±0.16, 8.46±3.34;t值:-0.87和2.17,均P>0.05)。在18个高摄取肿瘤病灶中,DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54,22.26±15.85与15.41±9.51;F值:13.09和7.05,t值:5.20和4.04,均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值:4.30~9.65,均P<0.05),但DL组与120 s组间差异无统计学意义(t值:-1.25~0.15,均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量,可以满足临床诊断、疗效评估和组学研究的需求。
简介:摘要:随着我国社会以及经济的不断进步,人们生活以及工作对电力的需求也越来越大。如何在人们的生活质量和工作效率不受影响的状态下,有效的供应电能,是目前电力工作者面临的一大难题。在这样的背景下,状态检修应运而生。状态检修指的是通过对设备进行带电检测的方式,发现设备是否存在安全隐患。如果发现存在安全隐患,会对这些设备进行单独的停电检修处理。应用多光谱图像融合的相关电力设备故障点的检测方法在智能电网的状态检修系统中变得非常重要。
简介:为了有效地评价图像质量,该文提出一种应用人眼视觉特性的全参考图像质量评价方法。该方法主要考察了人眼的两个视觉特性,即韦伯定律和视觉注意机制,并利用这两个特性计算对应的差异激励图和视觉显著性图,将其作为能够反映图像失真的特征图,同时考虑了观察因素的影响,最后得到了失真图像的质量评价指标。实验结果表明,该方法在LIVE、CSIQ和LIVEMD三个图像库上有很好的表现。三个图像库的加权平均结果显示,本文方法的表现优于所有对比方法,包括近期提出的GMSD和VSI方法,说明本文方法的评价结果与主观感知不仅具有更好的一致性,而且具有很好的通用性和鲁棒性。