一种面向噪声图像的骨架检测系统及检测方法

    公开(公告)号:CN110705375B

    公开(公告)日:2022-07-12

    申请号:CN201910859579.X

    申请日:2019-09-11

    Abstract: 本发明公开了一种面向噪声图像的骨架检测系统及检测方法,包括多个骨架滤波器,每个骨架滤波器均具有零和性结构及反射对称性结构;多个骨架滤波器分别设置在笛卡尔坐标系的x‑y平面的n个方向,多个骨架滤波器采用旋转对称分布;本发明提供了通过采用具有零和性的骨架滤波器实现了对均匀噪声分布的过滤;采用反射对称性的骨架滤,实现了对不具有对称结构的噪声分布进行过滤;将多个骨架滤波器旋转对称设置,其中每个骨架滤波器内部两个对立方向的连接线的中心即为骨架点,进而实现了对噪声图像的骨架检测;结构简单,容易实现,对噪声图像骨架提取具有非常好的鲁棒性优势。

    一种基于变分自编码器的脑功能网络分类方法

    公开(公告)号:CN110188836B

    公开(公告)日:2021-06-11

    申请号:CN201910541911.8

    申请日:2019-06-21

    Abstract: 一种基于变分自编码器的脑功能网络分类方法,包括以下步骤:采集若干正常人和脑认知功能障碍患者的T1加权磁共振图像T1 weighted MRI和静息态功能磁共振图像rs‑fMRI;进行预处理;将预处理后的rs‑fMRI作为回归因变量,大脑功能网络作为回归自变量进行双回归分析,得到个体水平大脑功能网络;构建深度变分自编码器(VAE)模型,将得到的个体水平大脑功能网络图作为VAE的输入和输出,编码器部分作为特征提取模块用于得到个体功能网络的隐编码;构建多层感知器网络对步骤四中VAE得到的编码进行分类;利用训练好的针对不同脑功能网络的多个分类器对测试集中的样本进行推断,并将多个分类器的推断结果进行融合,得到最终的分类结果;本发明提高了分类的准确率。

    一种基于隐马尔可夫模型的大脑时间信号处理方法

    公开(公告)号:CN110363096A

    公开(公告)日:2019-10-22

    申请号:CN201910539169.7

    申请日:2019-06-20

    Abstract: 本发明公开了一种基于隐马尔可夫模型的大脑时间信号处理方法,包括步骤:1)将采集所得功能磁共振图像进行预处理,并且要求所采集的功能磁共振图像有相同的回波时间;2)对预处理后每个被试脑区的时间序列进行中心化和标准化,使用健康被试分别训练每个脑区的隐马尔可夫模型;3)根据所求的隐马尔可夫模型参数求解每个被试每个脑区序列的似然值,并根据不同被试时间序列长度不同进行缩放,得到每个被试每个脑区的一个特征;4)使用步骤3)得到每个被试一个脑区的特征后,使用SVM-RFE方法分类两组被试。基于本发明所提出的分析方法对孤独症谱系障碍的功能磁共振数据进行分类,准确率已经达到80.37%,相较于构建脑网络,深度学习等其他方法有很大的提升。

    一种L-赖氨酸改性透明质酸衍生物水凝胶及其制备方法

    公开(公告)号:CN106188609B

    公开(公告)日:2019-02-05

    申请号:CN201610624488.4

    申请日:2016-08-02

    Abstract: 本发明公开一种L‑赖氨酸改性透明质酸衍生物的制备方法,属于生物医用材料领域。其制备方法为,首先利用碳二亚胺法将L‑赖氨酸‑铜络合物接枝于透明质酸分子上,经除铜离子后得到L‑赖氨酸改性透明质酸衍生物,然后与二元醛交联剂进行交联反应,再经硼氢化钠还原,形成L‑赖氨酸改性透明质酸水凝胶,具有生物相容性良好、力学性能稳定、形变恢复能力优异、吸水率大等优点。该水凝胶制备工艺简单、原料易得、反应条件温和。本发明的水凝胶在3D肿瘤模型构建、细胞递送、组织再生修复、医疗敷料等方面具有应用潜力。

    一种基于变分自编码器的脑功能网络分类方法

    公开(公告)号:CN110188836A

    公开(公告)日:2019-08-30

    申请号:CN201910541911.8

    申请日:2019-06-21

    Abstract: 一种基于变分自编码器的脑功能网络分类方法,包括以下步骤:采集若干正常人和脑认知功能障碍患者的T1加权磁共振图像T1 weighted MRI和静息态功能磁共振图像rs-fMRI;进行预处理;将预处理后的rs-fMRI作为回归因变量,大脑功能网络作为回归自变量进行双回归分析,得到个体水平大脑功能网络;构建深度变分自编码器(VAE)模型,将得到的个体水平大脑功能网络图作为VAE的输入和输出,编码器部分作为特征提取模块用于得到个体功能网络的隐编码;构建多层感知器网络对步骤四中VAE得到的编码进行分类;利用训练好的针对不同脑功能网络的多个分类器对测试集中的样本进行推断,并将多个分类器的推断结果进行融合,得到最终的分类结果;本发明提高了分类的准确率。

Patent Agency Ranking