-
公开(公告)号：CN116825333A
公开(公告)日：2023-09-29
申请号：CN202310994996.1
申请日：2023-08-08
申请人： 三峡大学
IPC分类号： G16H50/20 , A61B5/00 , A61B5/1455 , A61B5/0205 , G16H50/30 , G16H50/70 , G16H50/80
摘要： 本发明公开了基于AI+5G技术的心血管疾病实时预警方法及系统，涉及医疗系统技术领域，其技术方案是：包括：采集被监测人员的心血管健康数据，得到数据集，对预设比例的心血管健康数据进行标注，建立训练样本集；在本发明中，通过实时采集被监测人员的心血管健康数据，并利用深度学习算法训练疾病预测模型，基于疾病预测模型对心血管健康数据与预设的预警阀值及规则进行对比分析，从而提高心血管疾病预测准确性；并利用5G技术实现采集模块与云服务器之间的数据传输的实时性和稳定性，并针对深度学习具有自动提取特征，减少人为特征设计不完备性且在满足条件的应用场景下，解决了现有技术中缺乏时效性和准确性的问题。
-
公开(公告)号：CN109829931B
公开(公告)日：2023-07-11
申请号：CN201910013381.X
申请日：2019-01-07
申请人： 三峡大学
摘要： 一种基于区域增长PCNN的视网膜血管分割方法，包括从目标视网膜血管图像的未标记像素中选择种子点；增大PCNN模型的连接强度，使用连接强度增大后的PCNN模型以种子点为起始点提取目标视网膜血管图像中的血管特征，直到增大后的连接强度大于第一预设阈值；若本次迭代提取的血管特征不同时满足第一预设条件和第二预设条件，则将本次迭代提取的血管特征对应的像素标记为同一标签，直到所有像素都标记有标签；其中，第一预设条件为血管边缘像素的数量占血管像素总数量的比例小于或等于第二预设阈值；第二预设条件为血管面积占整张图像面积的比例小于或等于第三预设阈值。本发明实现血管区域的自动生长，提高了视网膜血管分割的精度。
-
公开(公告)号：CN114897830A
公开(公告)日：2022-08-12
申请号：CN202210520087.X
申请日：2022-05-13
申请人： 三峡大学
摘要： 一种面向高精度血管分割模型训练应用的粗细血管分类方法，包括以下步骤：步骤1：从眼底血管标签中提取血管骨架；步骤2：在每个血管骨架像素所在的窗口内，计算血管骨架与血管面积的比值；步骤3：使用阈值将血管骨架分为粗血管骨架与细血管骨架；步骤4：根据血管骨架的分类结果，使用8邻域投票的方法确认其他血管像素的分类；步骤5：使用形态学方法将位于粗细血管断裂交叉区域的血管重新分类，保证血管的整体结构。本发明方法不仅适用于基于深度学习的神经网络眼底血管分割模型的训练，同样也适用于提升其他监督式眼底血管分割算法的分割性能。
-
公开(公告)号：CN114463277A
公开(公告)日：2022-05-10
申请号：CN202210013966.3
申请日：2022-01-06
申请人： 三峡大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06K9/62
摘要： 胎儿心脏超声视频中合格四腔心切面图像自动获取方法，包括:对胎儿心脏超声视频进行分帧处理；人工筛选出合格的四腔心切面图像，并对四腔心和降主动脉区域进行标注；搭建并训练YOLOv5目标检测网络；搭建并训练Darknet53分类网络；分帧处理并利用YOLOv5目标检测网络逐帧检测待提取切面的胎儿心脏超声视频中的四腔心和降主动脉；记录视频中是否存在降主动脉并提取检测到的四腔心区域图像；利用Darknet53分类网络对提取的准四腔心区域进行分类，同时计算分类为合格的四腔心切面图像得分，根据得分大小对这些切面图像进行排序，自动给出视频中的最佳四腔心切面图像。本发明方法能够有效获取胎儿心脏超声视频中合格四腔心切面图像，同时还可给出最佳的切面图像。
-
公开(公告)号：CN111914839A
公开(公告)日：2020-11-10
申请号：CN202010740113.0
申请日：2020-07-28
申请人： 三峡大学
摘要： 基于YOLOv3的同步端到端车牌定位与识别方法，获取车牌外接矩形框以及车牌号信息，制作成数据集标签文件，将数据集分为训练数据集、验证数据集和测试数据集；训练基于YOLOv3的车牌检测与识别一体化网络LP-Yolo，使之能在检测车牌的同时实现对多种类型车牌的识别，将训练数据集增广后，放入网络训练；利用训练好的网络模型，在测试数据集上对车牌进行定位和识别，然后评估模型。本发明能对多种类型及不同长度的车牌进行分类并识别。同时，该方法提出的网络LP-Yolo能在各种非约束环境下快速准确检测并识别车牌。
-
公开(公告)号：CN111815563A
公开(公告)日：2020-10-23
申请号：CN202010524252.X
申请日：2020-06-10
申请人： 三峡大学
摘要： 一种U-Net与区域增长PCNN相结合的视网膜视盘分割方法，将视网膜视盘数据集图片进行灰度化处理；将灰度化处理后的数据集图片进行CLAHE处理，增强视网膜视盘图像中视盘与背景之间的对比度；视网膜视盘图像分块；U-Net神经网络模型的搭建、训练以及图片粗提取；区域增长PCNN神经网络模型的搭建；使用区域增长PCNN，进行视网膜视盘分割。本发明一方面提出了一种基于改进后的U-Net视网膜视盘图像粗提取方法，通过这种粗提取，显著抑制背景，凸显视盘区域，增加图片对比度，从而提升数据集图片质量；另一方面提出了一种基于改进的区域增长PCNN的视盘图像分割方法，通过改变种子选取方式、PCNN初始点火阈值选取方式以及区域增长结束条件，提高PCNN分割性能，实现完整视盘的分割。
-
公开(公告)号：CN111815562A
公开(公告)日：2020-10-23
申请号：CN202010524251.5
申请日：2020-06-10
申请人： 三峡大学
摘要： 一种U-Net与自适应PCNN相结合的视网膜血管分割方法，对实验中所选用的眼底图像数据库做数据增广；数据集图片进行灰度化处理；数据集图片进行CLAHE处理，加大视网膜血管与背景之间的对比度；图像分块；U-Net神经网络模型的搭建、训练以及图片增强；自适应PCNN神经网络模型的搭建；使用自适应PCNN进行血管分割。本发明一方面提出了一种基于改进后的U-Net二次迭代式眼底血管图像增强方法，可以显著抑制背景，凸显血管区域，削弱噪声干扰，增加图片对比度，从而提升数据集图片质量。本发明另一方面提出了一种基于自适应PCNN的眼底血管图像分割方法。通过使用Otsu算法估计出的准确参数，然后将U-Net二次迭代增强输出结果，送入自适应PCNN，实现完整眼底血管的有效分割。
-
公开(公告)号：CN107016676B
公开(公告)日：2019-11-08
申请号：CN201710145321.4
申请日：2017-03-13
申请人： 三峡大学
摘要： 本发明公开了一种基于PCNN的视网膜血管图像分割方法及系统，方法包括：S1、提取原始彩色图像的绿色通道图像；S2、对绿色通道图像中的视网膜血管进行预处理，得到预处理后的图像；S3、通过阈值操作在预处理后的图像中选出初始种子区域，利用带有快速连接机制以及动态变化的连接强度的脉冲耦合神经网络模型对初始种子区域进行迭代生长，直到满足预定的停止条件，完成预处理后的图像中的视网膜血管的自动分割，得到视网膜血管的分割图像。本发明的有益效果是：通过将带有快速连接机制的PCNN与种子区域增长思想相结合，实现眼底图像中血管区域的自动生长，从而有效地提取出视网膜图像中的血管。
-
公开(公告)号：CN107274425B
公开(公告)日：2019-08-16
申请号：CN201710393462.8
申请日：2017-05-27
申请人： 三峡大学
摘要： 本发明提供一种基于脉冲耦合神经网络的彩色图像分割方法及装置，包括：S1，将第一彩色图像的颜色空间转换成LAB颜色空间，生成第二彩色图像；S2，使用改进的PCNN模型分别给所述第二彩色图像中的所有像素标记上对应的标签，所述改进的PCNN模型包括连接控制单元。本发明通过对第一彩色图像进行空间转换，通过连接控制单元接收彩色图像的频谱输入，使用改进的PCNN模型对像素进行标记，从而实现彩色图像的分割。
-
公开(公告)号：CN105303182B
公开(公告)日：2018-07-03
申请号：CN201510741172.9
申请日：2015-11-04
申请人： 三峡大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种长时间鱼类跟踪方法，属于计算机应用领域。所述方法包括：获取鱼类视频，所述鱼类视频包括预设鱼类图像和待跟踪鱼类图像，所述预设鱼类图像包括预设特征区域和预设目标区域；根据实时压缩跟踪算法、运动目标连续帧方向一致性和所述鱼类视频，得到所述待跟踪鱼类图像的特征区域；判断所述待跟踪鱼类图像的特征区域是否有效；如果所述待跟踪鱼类图像的特征区域有效，根据所述特征区域、所述预设特征区域和所述预设目标区域，计算所述待跟踪鱼类图像的目标区域。本发明通过实时压缩跟踪算法、运动目标连续帧方向一致性和鱼类视频，得到特征区域，避免了鱼类视频长时间跟踪过程中的漂移问题。
-
-
-
-
-
-
-
-
-
搜索结果
83 条记录 (耗时 0.025 秒)
