-
公开(公告)号：CN113450328A
公开(公告)日：2021-09-28
申请号：CN202110728468.2
申请日：2021-06-29
Applicant: 汕头大学 , 汕头大学医学院第一附属医院 , 汕头大学医学院
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种基于改进神经网络的医学图像关键点检测方法及系统，所述方法包括：获取医学样本影像，所述医学样本影像标定有关键点；根据所述医学样本影像对关键点检测模型进行训练，得到训练好的关键点检测模型；接收待检测的医学影像，通过训练好的关键点检测模型预测出所述待检测的医学影像的关键点概率热力图；所述关键点概率热力图用于表征所述待检测的医学影像中每个像素点为关键点的概率值；根据所述关键点概率热力图确定所述待检测的医学影像的关键点；本发明能够提升关键点预测的精确度。
-
公开(公告)号：CN113332008A
公开(公告)日：2021-09-03
申请号：CN202110563695.4
申请日：2021-05-24
Applicant: 汕头大学 , 汕头大学医学院第一附属医院 , 汕头大学医学院
Abstract: 本发明涉及医疗信息处理技术领域，具体涉及一种髋关节置换术中股骨长度的确定方法及系统，所述方法包括：获取对患者正常腿的腿部进行CT扫描得到的正常腿CT图，根据正常腿CT图确定患者腿部的长度，以确定股骨颈假体的长度；采用光学传感器对植入股骨颈假体的腿部的股骨球最高点和截骨面分别进行空间定位，以实时确定股骨球最高点至截骨面之间的第一相对距离；采用光学传感器对植入股骨颈假体的腿部的髂前上棘和足底分别进行空间定位，以实时确定髂前上棘到足底之间的第二相对距离；最后确定植入患者腿部的股骨头假体的长度，以使第二相对距离和患者腿部的长度在允许的偏差范围内，本发明能有效提升髋关节置换术中股骨颈长度的精确度和速度。
-
公开(公告)号：CN117036249A
公开(公告)日：2023-11-10
申请号：CN202310862711.9
申请日：2023-07-13
Applicant: 汕头大学
Abstract: 本申请涉及图像检测技术领域，公开一种眼底图像处理方法、装置、设备及存储介质。该方法包括：输出提示信息至病人终端，在病人根据提示信息进行操作时拍摄待测眼并生成眼底图像；基于预设的裁剪规则确定截剪边界，裁剪眼底图像并得到眼底子图像；基于随机森林模型识别眼底子图像中的视盘边缘，得到边缘图像；基于RANSAC算法迭代对边缘图像进行拟合处理，使用轮廓匹配结合迭代过程中内点最多的拟合结果获取光滑的视盘边缘并定位视盘中心，得到中心图像；通过医生终端接收医生根据中心图像输出的医嘱信息并上传至前置服务器，以使病人终端可从前置服务器接收医嘱信息。本申请实施例可以提高眼底图像在检测过程和识别过程的效率。
-
公开(公告)号：CN112560709A
公开(公告)日：2021-03-26
申请号：CN202011508367.6
申请日：2020-12-18
Applicant: 汕头大学
Abstract: 本发明公开了一种基于辅助学习的瞳孔检测方法及系统，首先基于瞳孔检测的特点进行辅助任务的设计，接着利用辅助任务与主要任务共同对卷积神经网络进行训练。然后利用训练好的卷积神经网络直接从原图像中导出瞳孔显著图，最后基于瞳孔显著图实现瞳孔的检测，与现有技术相比，本方法可以使得卷积神经网络在训练过程中跳出局部最小值，从而显著提高瞳孔检测的准确率；本发明应用于模式识别与机器学习技术领域。
-
公开(公告)号：CN112560709B
公开(公告)日：2023-07-25
申请号：CN202011508367.6
申请日：2020-12-18
Applicant: 汕头大学
IPC: G06V40/18 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于辅助学习的瞳孔检测方法及系统，首先基于瞳孔检测的特点进行辅助任务的设计，接着利用辅助任务与主要任务共同对卷积神经网络进行训练。然后利用训练好的卷积神经网络直接从原图像中导出瞳孔显著图，最后基于瞳孔显著图实现瞳孔的检测，与现有技术相比，本方法可以使得卷积神经网络在训练过程中跳出局部最小值，从而显著提高瞳孔检测的准确率；本发明应用于模式识别与机器学习技术领域。
-
Patent Agency Ranking
公开(公告)号：CN106503695B
公开(公告)日：2019-07-09
申请号：CN201611094366.5
申请日：2016-12-02
Applicant: 汕头大学
CPC classification number: Y02A40/12
Abstract: 本发明涉及精准农业领域和无人机农业应用领域，尤其涉及一种基于航拍图像的烟草植株识别与计数方法，包括以下步骤：S1：使用无人机拍摄烟草种植区域；S2：对航拍图像进行预处理，分割出烟草植株的候选区域；S3：提取烟草植株候选区域的颜色特征和纹理特征用于分类器分类；S4：根据提取的烟草植株候选区域特征，使用分类器对烟草植株候选区域进行分类；S5：统计分类结果，在原航拍图像中标记出检测到的烟草植株。与传统方法相比，本发明通过使用无人机拍摄烟草种植区域，利用图像识别方法来识别与计数烟草植株，效率更高、准确度更高、数据更可靠、操作简单。
-
公开(公告)号：CN105225604A
公开(公告)日：2016-01-06
申请号：CN201510718698.5
申请日：2015-10-30
Applicant: 汕头大学
IPC: G09B29/00
CPC classification number: G09B29/005
Abstract: 本发明涉及一种移动机器人导航的混合地图的构建方法，将整个区域划分为若干个局部区域，每个局部区域必须与其相邻的一个或者多个局部区域有重叠区域；在每一个重叠区域内添加视觉标记；移动机器人分别在每个局部区域中移动，采集每个局部区域内所有点的数据；利用占用网格地图原理，将在每个局部区域中采集的数据分别生成对应的局部度量地图；在每一幅局部度量地图上添加注释，注释包括开关节点，开关节点对应重叠区域的视觉标记；把不同的局部度量地图中相同的开关节点连接，形成整个区域的拓扑结构。本发明能够实现混合地图的可靠性，能够使地图易于管理和维护，具有适应性和扩展性，能为移动机器人提供可靠的导航信息。
-
公开(公告)号：CN105427738A
公开(公告)日：2016-03-23
申请号：CN201510757309.X
申请日：2015-11-10
Applicant: 汕头大学
IPC: G09B29/00
CPC classification number: G09B29/005
Abstract: 本发明涉及地图构建领域，尤其涉及一种基于大气压的多层建筑物的地图构建方法，采用移动机器人系统探测多层建筑，所述移动机器人包括车轮编码器、激光测距传感器和气压传感器，所述地图构建方法包括以下步骤：一、在探测过程中记录数据，所述数据包括车轮编码器的原始量程、激光测距传感器的读数和气压传感器的气压读数；二、对数据进行Rao-Blackwellized粒子滤波处理，得到多层建筑的2D度量地图；三、根据多层建筑的2D度量地图，利用大气压原理分割出单层的地图。本发明建立在公开的、开源的硬件和软件框架基础上，很容易实现；不需要依赖多个机器人的团队合作；重复、对称或不同的建筑特色的环境不会影响到地图分割的性能。
-
公开(公告)号：CN104574362A
公开(公告)日：2015-04-29
申请号：CN201410717782.0
申请日：2014-12-01
Applicant: 汕头大学
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T7/13 , G06T2207/30152
Abstract: 本发明实施例公开了一种基于无源视觉系统的熔池边缘提取方法，对无源视觉系统采集到的熔池图像中的区域和边缘分别建立模型，然后将这两个模型分别融入到基于区域的主动轮廓和基于边缘的主动轮廓模型中并将这两个主动轮廓模型结合起来，通过对结合后的主动轮廓模型的求解来实时、准确地提取熔池边缘，为自动焊接过程中的焊接参数的调整提供有用的信息。
-
公开(公告)号：CN117911485A
公开(公告)日：2024-04-19
申请号：CN202311841196.2
申请日：2023-12-28
Applicant: 汕头大学
Inventor： 容毅标
Abstract: 本发明公开一种基于多目标优化的脉络膜厚度估计及不确定性评估方法、系统、设备及介质，其方法包括：对若干个OCT训练图像进行扩充，得到若干个训练图像集合；基于脉络膜厚度的预测偏差和不确定性值，构建目标函数；基于脉络膜厚度预测模型和目标函数，利用多目标优化算法对若干个训练图像集合进行处理，得到最优选择序列；对OCT待测图像进行扩充，得到待测图像集合；基于最优选择序列，从待测图像集合中选择多个待测图像；利用脉络膜厚度预测模型对多个待测图像进行处理，得到多个预测脉络膜厚度，进而确定OCT待测图像对应的最终脉络膜厚度和不确定性值。本发明可提高对OCT待测图像的预测准确度，辅助医生判断预测可信度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.033 seconds)
