-
公开(公告)号：CN110292377B
公开(公告)日：2022-04-01
申请号：CN201910495542.3
申请日：2019-06-10
Applicant: 东南大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于瞬时频率和功率谱熵融合特征的脑电信号分析方法，包括以下步骤：(1)提取慢波睡眠期的正常脑电信号和早期帕金森病的脑电信号，分别计算其瞬时频率和功率谱熵，从而构成一个二维的时序特征；(2)将二维时序特征作为LSTM神经网络的输入并进行训练学习；(4)利用训练学习号的神经网络对待评估脑电信号进行分析。该方法效果良好，能区分帕金森病病人与正常人的脑电信号。
-
公开(公告)号：CN113539232A
公开(公告)日：2021-10-22
申请号：CN202110781210.9
申请日：2021-07-10
Applicant: 东南大学
IPC: G10L13/047 , G10L13/033 , G10L13/08 , G10L25/24 , G10L25/30 , G10L19/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于慕课语音数据集的语音合成方法，该方法的主要特征在于通过真实场景下的语音构建的数据集进行语音合成，并进行说话人转换和多语种语音合成；该方法运用端到端的语音合成模型生成梅尔频谱，并用基于生成对抗网络的声码器将梅尔频谱转换成最终音频。本发明在真实场景下的语音数据集上有良好的效果，降低了语音合成所需数据的要求，提高了合成音频的质量，使合成音频更贴近真实说话场景。
-
公开(公告)号：CN113434727A
公开(公告)日：2021-09-24
申请号：CN202110852417.0
申请日：2021-07-27
Applicant: 东南大学
IPC: G06F16/71 , G06F16/735 , G06F16/783 , G06F16/74 , G06F40/258 , G06F40/279 , G06F40/58
Abstract: 本发明公开了一种新闻类长视频描述数据集的构建方法，该方法的主要特征在于把新闻类长视频构建成包含视频、视频标题、音频、中英文文本的数据集；该方法基于感知哈希算法计算相邻帧对应的灰度图之间的相似度来进行长视频的自动分割，使用FFmpeg完成音频的提取，并基于Python和selenium制作了一个语音识别工具来自动识别音频中包含的有效文本信息，最后通过脚本自动将视频片段、视频标题、音频、中英文文本信息组合形成一个新闻类长视频描述数据集，为长视频描述网络的研究以及长视频描述在为视频拟定标题方面的应用提供了支持。
-
公开(公告)号：CN112508844A
公开(公告)日：2021-03-16
申请号：CN202011060583.9
申请日：2020-09-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于弱监督的大脑磁共振图像分割方法，包括以下步骤：使用超体素匹配方法实现待分割图像与参考图像之间的匹配，使得待分割图像的超体素获得标签，在待分割图像匹配的超体素中，选择高置信度的超体素组成种子区域；建立一种脑组织分割网络模型BTSNet，以选择的种子区域作为监督标签，指导网络训练，获得图像每个体素的类别概率；采用了深度种子区域增长方法，以当前种子区域为基础，使用卷积网络输出的类别概率，更新种子区域；最后，迭代脑组织分割网络与深度种子区域增长两个步骤，直至种子区域覆盖整个图像，输出分割结果。本发明能够在只使用少量参考图像的超体素级别标签的条件下实现脑MRI图像的准确分割。
-
公开(公告)号：CN110706209A
公开(公告)日：2020-01-17
申请号：CN201910874099.0
申请日：2019-09-17
Applicant: 东南大学
Abstract: 本发明提供了一种一种网格网络的大脑磁共振图像肿瘤自动定位方法，提出了一种新的三维物物体检测方法，采用一种浅层的三维卷积神经网络模型提取图像特征，采用网格方式进行分类定位。本发明包括：从基于残差网络的三维深度卷积神经网络的骨干网络中获得图像的特征，基于骨干网络获得的特征图像进行大脑肿瘤定位。本发明能较好地应用于大脑核磁共振图像，实现三维核磁共振图像中的肿瘤区域定位，定位结果准确，且计算资源代价较低。
-
Patent Agency Ranking
公开(公告)号：CN110473206A
公开(公告)日：2019-11-19
申请号：CN201910670324.9
申请日：2019-07-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于超体素与测度学习的弥散张量图像分割方法，包括以下步骤：首先，对弥散张量图像，计算描述每个体素水分子弥散的几何特征与方向特征。然后，在弥散张量图像的组织区域均匀采样种子点，结合位置、几何与方向特征，采用局部空间模糊聚类方法生成超体素。接着，在谱聚类的框架下，建立测度学习与聚类的优化模型，对目标函数采用迭代交替求解，实现超体素的分类。最后，将超体素的分类结果映射回图像空间，从而获得弥散张量图像的分割结果。本发明方法可以高效、稳定地获得精准的组织分割，对于大脑神经影像分析、疾病诊断与大脑认知研究等具有科学意义。
-
公开(公告)号：CN109801268A
公开(公告)日：2019-05-24
申请号：CN201811620359.3
申请日：2018-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于三维卷积神经网络的CT造影图像肾动脉分割方法，涉及图像处理技术领域，设计了一种应用于CT造影图像肾动脉分割的三维卷积网络结构，利用手工标注获得肾动脉数据集，然后将训练集送入该网络结构进行训练，得到训练模型，利用得到的训练模型对新的肾脏数据进行预测，得到肾动脉分割掩模。本发明能够获得高准确率的输出结果，能够解决肾动脉难分割的问题，通过本发明能够直接得到肾动脉分割掩模。
-
公开(公告)号：CN109389585A
公开(公告)日：2019-02-26
申请号：CN201811102450.6
申请日：2018-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于全卷积神经网络的脑组织提取方法，包括以下步骤：首先，采用全卷积分割网络对二维的原始核磁共振图进行初步分割，得到初步分割结果；其次，根据初步分割结果分离脑组织内部以及边界信息；再次，选取这些无法确定是否为脑组织的像素点，作为边界候选像素，将这些候选像素及其邻域送到卷积神经网络中进行二次分割，实现分类判决；最后，整合初步分割得到的内部分割结果以及二次分割得到的边界分割结果，进而获得最终的脑组织提取分割结果。本发明进行粗细两次分割，既保证了本方法的计算效率，又实现了精细化分割目标，能较好地应用于大脑磁共振图像，实现更为精确的脑组织与颅骨、眼球、皮肤、脂肪等非脑组织的剥离。
-
公开(公告)号：CN109285176A
公开(公告)日：2019-01-29
申请号：CN201811166740.7
申请日：2018-10-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于正则化图割的大脑组织分割方法，首先基于强度距离和空间相似度，设计新的体素间相似度计算方法，从而对体素进行聚类，把大脑MRI图像分割为一系列均匀并且较好地贴合图像边缘的超体素；随后明通过把大脑不同组织的先验概率融入到图割框架中，设计一个能量计算公式，计算每个超体素在分配不同标签时各个部分的能量值，从而使用图割方法对超体素分割，把Magnetic Resonance Imaging(MRI)图像分割成不同的组织。本发明能够从最初的脑部MRI分割出三种脑组织，分割结果中各个组织间边界贴合度高。与已有的MRI图像分割方法相比，本发明分割效果更好，边界贴合度更高，效率更高，处理速度更快，可以较好地抑制噪声的影响。
-
公开(公告)号：CN109086802A
公开(公告)日：2018-12-25
申请号：CN201810748292.5
申请日：2018-07-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于八元数卷积神经网络的图像分类方法，首先，输入训练图像，并且将训练图像表示成八元数矩阵的形式；其次，建立八元数卷积神经网络并且训练八元数卷积神经网络，学习得到每一层的网络参数，即训练模型；然后，用校验图像集进行校验，调整到最佳网络参数；最后，对测试图像进行测试，统计分类结果，计算识别率。本发明构造的八元数卷积神经网络，应用八元数矩阵表达方式保留图像内部的内在结构，使得在各种分类任务中，构造的网络与传统方法相比能够获得更高的图像的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.033 seconds)
