-
公开(公告)号：CN106326559A
公开(公告)日：2017-01-11
申请号：CN201610720714.9
申请日：2016-08-25
申请人： 华南理工大学
摘要： 本发明公开的一种基于低秩表示的船舶能耗预测与状态估计方法，包含以下步骤：对已有的船舶运行的状态及能耗的数据集进行处理，建立船舶运行状态的特征表示，通过各个特征表示构建待恢复的低秩矩阵，将船舶能耗预测与状态估计问题转化为低秩矩阵恢复问题，并使用凸优化技术解决低秩矩阵恢复问题，最终实现船舶能耗预测与状态估计。本发明的估计方法，与传统方法相比，具有更高的鲁棒性与准确性。
-
公开(公告)号：CN118526210A
公开(公告)日：2024-08-23
申请号：CN202410596503.3
申请日：2024-05-14
申请人： 华南理工大学
IPC分类号： A61B5/372 , G06F18/10 , G06F18/213 , G06F18/2415 , G06N3/006
摘要： 本发明涉及脑电信号识别的技术领域，公开了一种多维脑电信号识别方法，所述方法包括：采集不同位置的脑电信号，并向脑电信号中加入共振信息进行随机共振处理；构建脑电信号共振消除模型并利用训练数据集进行模型参数训练；采集待识别的原始脑电信号，利用训练得到的脑电信号共振消除模型对原始脑电信号进行共振消除；构建多通道脑电信号识别模型对共振消除后的原始脑电信号进行识别。本发明向所采集脑电信号加入共振信息，得到随机性增强的非稳定性脑电信号构成训练数据集，增强训练后模型对脑电信号进行共振消除的鲁棒性，结合信号的频域功率谱信息以及时域信息进行信号过滤，并结合特征分解信息以及邻近信号值信息提取方式进行信号识别。
-
公开(公告)号：CN115114953B
公开(公告)日：2024-04-09
申请号：CN202210549007.3
申请日：2022-05-20
申请人： 华南理工大学
IPC分类号： G06F18/24 , G06F18/10 , G06F18/213 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于循环神经网络的情绪脑信号识别方法，包括：1)获取训练的情绪脑信号并预处理操作，得到重新分割后的信号片段；2)对重新分割后的每个信号片段，分别针对时域信息与空域信息进行微分熵特征与黎曼特征的计算，得到相应特征向量；3)将特征向量输入构建的循环神经网络进行训练，得到训练好的循环神经网络；4)调用训练好的循环神经网络，实现对情绪脑信号分类，得到最终的识别结果。本发明实现了从原始脑信号中提取更有效的特征，并对特征进行表示使其具有更明显的时空相关性和判别性。
-
公开(公告)号：CN113674288B
公开(公告)日：2024-02-02
申请号：CN202110754856.8
申请日：2021-07-05
申请人： 华南理工大学
IPC分类号： G06T7/11 , G06T3/4038 , G06N3/0464 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种非小细胞肺癌数字病理图像组织自动分割方法，该方法包括下述步骤：对非小细胞肺癌数字病理图像划分为多个图像块，将像素值归一化；采用图像级标注对图像块标注组织标注向量；监督训练多标签分类CNN网络生成虚拟掩膜；构建CAMD模块，在多标签分类CNN网络每次迭代过程中以设定的概率给特征图加attention，或置零特征图响应值高的区域；将图像块输入训练好的多标签分类CNN网络，生成多组虚拟掩膜；基于多组虚拟掩膜训练全监督分割网络，将图像块输入训练好的全监督分割网络得到分割结果；拼接每一张图像块的分割结果得到整张图像的分割结果。本发明在非小细胞肺癌数字病理图像的分割处理上具有更高的精确度。
-
公开(公告)号：CN113393443B
公开(公告)日：2023-02-14
申请号：CN202110670248.9
申请日：2021-06-17
申请人： 华南理工大学
摘要： 本发明公开了一种HE病理图像细胞核分割方法及系统，该方法的步骤包括：将HE病理图像划分标签类别；对病理图像进行颜色归一化，并按照预设的像素尺寸切分为统一大小的图像块；构建采用双U型网络的结构的细胞核分割模型，将切分后的图像块输入细胞核分割模型中进行细胞核分割训练，将标签类别输入细胞核分割模型作为拟合对象；第一U型网络和第二U型网络之间设有信息融合模块，将两个U型网络在相邻尺度的特征进行信息融合；基于模型不变元学习的机制训练细胞核分割模型；将预测结果按照切分时的顺序重新拼接，得到最终的病理图像多组织细胞核分割的结果图。本发明提高了检测细胞核边界的精确度，解决了对细胞核边界难以检测的问题。
-
公开(公告)号：CN113313718B
公开(公告)日：2023-02-10
申请号：CN202110588618.4
申请日：2021-05-28
申请人： 华南理工大学
摘要： 本发明公开了一种基于深度学习的急性腰椎骨折MRI图像分割系统，包括：T1模态数据输入模块，用于加载MRI图像的T1模态数据；T2模态数据输入模块，用于加载MRI图像的T2模态数据；双模态UNet模型，利用深度学习技术处理MRI图像的T1模态数据和T2模态数据，包括特征编码降采样、特征解码上采样和跳跃连接三个部分；双模态特征拼接模块，用于把T1模态数据的MRI图像经特征编码后的数据和T2模态数据的MRI图像经特征编码后的数据进行特征拼接；分割结果输出模块，用于输出腰椎骨折区域的分割结果。本发明利用深度学习技术处理急性腰椎骨折MRI图像的双模态数据，实现急性腰椎骨折区域的分割标记输出，提升了急性腰椎骨折的自动诊断能力。
-
公开(公告)号：CN114638263A
公开(公告)日：2022-06-17
申请号：CN202210251350.X
申请日：2022-03-15
申请人： 华南理工大学
摘要： 本发明提供一种基于脑电信号的建筑空间满意度评价方法，包括以下步骤a.构建建筑空间全景漫游样本库；b.对脑电信号进行预处理，获得初步脑电信号；c.对预处理后的脑电信号进行特征提取，得到步骤b处理的脑电特征信号；d.对步骤b处理后的脑电信号分别进行时域统计特征提取、频域统计特征提取、熵特征提取，对应分别得到第一备选脑电特征信号、第二备选脑电特征信号、第三备选脑电特征信号、第四备选脑电特征信号；e.将全景漫游样本库内不同感官风格的建筑空间特征节点与前面四种特征信号之间的关联性进行评估，对应分别得到四种不同的关联特性信号等。本评价方法可以获得建筑空间满意度的实时真实评价，提高了评价的准确性。
-
公开(公告)号：CN108304917B
公开(公告)日：2020-11-24
申请号：CN201810043775.5
申请日：2018-01-17
申请人： 华南理工大学
摘要： 本发明公开了一种基于LSTM网络的P300信号检测方法，包括步骤：1)采用P300字符拼写器进行实验，提取脑电信号即EEG作为训练集和测试集；2)所采集到的数据经过预处理操作，然后作为模型的输入数据集；3)设计一个LSTM层作为EEG数据集的时空滤波器，LSTM层最后一个时间步后面添加全连接层，再添加Softmax层把网络的输出值转化为概率形式，然后训练网络确定模型参数，其中Softmax层是逻辑函数的泛化形式；4)通过计算模型评价指标以及测试集字符识别率来验证模型的性能。本发明方法具有无需手工提取特征，识别性能好，泛化能力强，并有良好的信息转化率等特点，是一种不错的P300分类算法。
-
公开(公告)号：CN107168524B
公开(公告)日：2020-11-24
申请号：CN201710255191.X
申请日：2017-04-19
申请人： 华南理工大学
摘要： 本发明公开了一种基于深度学习混合模型的稳态视觉诱发电位分类方法，包括步骤：1、采用LCD显示器作为刺激源，确定好闪烁频率，选择采集脑电的电极通道，针对多个不同的被试对象进行实验，采集得到稳态视觉脑电信号数据库；2、基于数据库中的短时间序列脑电信号，训练并确定卷积神经网络模型的参数，完成脑电信号特征的自动提取；3、采用卷积深度学习网络的输出作为玻尔兹曼机网络的输入，针对不同被试者对分类网络模型的参数进行微调，确定玻尔兹曼机网络模型的参数。本发明可以很好地实现脑电信号泛化特征的提取，减少脑电信号畸变对信号分类的影响，能够利用短时间长度的脑电信号来很好地完成信号分类。
-
公开(公告)号：CN106859641B
公开(公告)日：2019-08-20
申请号：CN201710089297.7
申请日：2017-02-20
申请人： 华南理工大学
IPC分类号： A61B5/0476 , A61B5/00
摘要： 本发明公开了一种基于自动ICA去除EEG信号中核磁伪迹的方法，所述方法包括以下步骤：1)对含有核磁伪迹的EEG信号进行基础去噪处理，得到去除了大部分核磁伪迹的EEG信号X'(t)；2)对信号X'(t)进行独立成分分离，并自动识别出其中的核磁伪迹残余成分，其余成分保持不变；3)提取步骤2)里核磁伪迹残余成分中的有效低频成分并将其保留；4)将步骤3)得到的核磁伪迹残余成分中的有效低频成分和步骤2)中保留的其余成分一起经过ICA逆变换重构，得到除噪后的EEG信号。所述在ICA的基础上根据核磁噪声的频率分布特性以及其与核磁扫描重复时间参数相关的周期特性自动选择核磁伪迹成分，并保留了其中的有用信息。
-
-
-
-
-
-
-
-
-
搜索结果
70 条记录 (耗时 0.049 秒)
