-
公开(公告)号:CN118749988A
公开(公告)日:2024-10-11
申请号:CN202410752600.7
申请日:2024-06-12
Applicant: 中南大学
IPC: A61B5/318 , A61B5/346 , A61B5/00 , A61B5/352 , G06F18/2433 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种多导联心电图异常检测方法,包括获取现有的心电图数据并构建训练数据集;基于多头注意力和多层感知机构建多导联心电图异常检测初始模型并训练得到多导联心电图异常检测模型;将待检测的心电图数据输入多导联心电图异常检测模型,完成待检测的心电图的异常检测。本发明还公开了一种包括所述多导联心电图异常检测方法的成像方法。本发明基于多头注意力和多层感知机,设计了多导联心电图异常检测模型,并针对性的进行训练;因此本发明不仅能够完成多导联心电图的异常检测和成像,而且具有可解释性,可靠性更高,精确性更好。
-
公开(公告)号:CN118657996A
公开(公告)日:2024-09-17
申请号:CN202410802495.3
申请日:2024-06-20
Applicant: 中南大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06V10/774 , G06V10/74 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/088 , G06N3/0985 , G06V10/80
Abstract: 本发明公开了一种基于无监督元学习的小样本医学图像分类方法,包括以下步骤:获取医学图像数据;对医学图像数据进行采样,并对采样得到的样本进行数据增强,再进行图像处理,得到具有伪标签的训练数据集,将训练数据集分为训练集和验证集;基于原型网络基本框架,构建初始医学图像分类模型;采用训练集,对初始医学图像分类模型进行训练,得到训练集数据分类模型;采用验证集,对训练集数据分类模型进行调整,得到医学图像分类模型;使用医学图像分类模型,进行实际的医学图像分类。本发明方法不仅克服了医学图像数据量少且分布不均匀的问题,而且不需要对样本进行标记,相比现有方法具有成本低,分类正确率高的优点。
-
公开(公告)号:CN114973126A
公开(公告)日:2022-08-30
申请号:CN202210540837.X
申请日:2022-05-17
Applicant: 中南大学
Abstract: 本发明公开了一种在线课程的学生参与度实时可视化分析方法,包括实时获取在线课程中学生的视频;对视频数据进行预处理提取得到学生的面部特征;从注意力、情感、疲劳程度和认知状态四个方面建立学生参与度分析模型;对学生参与度分析模型的分析结果进行可视化完成在线课程的学生参与度实时可视化分析。本发明使用计算机视觉方法提取学生面部特征,然后建立学生参与度分析模型,然后使用可视分析方法帮助教师从多角度分析学生参与度;相比于传统的线性查看学生视频方法,本发明方法可以自动提取学生参与度信息并进行可视化展示,可靠性高、准确性好、实时性高且方便快捷。
-
公开(公告)号:CN114970558A
公开(公告)日:2022-08-30
申请号:CN202210540851.X
申请日:2022-05-17
Applicant: 中南大学
Abstract: 本发明公开了一种课堂分组讨论的可视化分析方法,包括获取待分析的分组讨论对话数据并预处理;提取处理后的分组讨论对话数据中的对话回复关系;对分组讨论中学生间的互动随时间变化的关系进行可视化分析;计算发言与议题之间的关系并进行可视化分析;对学生参与讨论期间的表现进行分析和可视化展示并辅助教师进行分析。本发明提供的这种课堂分组讨论的可视化分析方法,通过创新的技术方案提取课程分组讨论数据中的有用信息,并将提取的信息进行可视化分析和展示,从事能够更好的辅助教师进行课堂分组讨论的可视化分析;而且本发明方法的可靠性高、准确性好且科学合理。
-
公开(公告)号:CN114756615A
公开(公告)日:2022-07-15
申请号:CN202210377483.1
申请日:2022-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于力引导的社交网络可视化方法、计算机装置,立足于切片式社交网络可视化,围绕多关系社交网络中无法有效兼顾网络布局和用户心理地图的问题,给出了基于力引导的多关系社交网络布局方法,提出了个体i位于第j类关系的副本对于位于第k类关系的副本的影响程度Iijk。本发明以影响因子Iijk来衡量节点副本附近网络布局和用户心理地图的冲突程度,以此计算节点副本的理想布局位置,能够同时达到清晰呈现各关系网络图网络结构和保持用户心理地图两个目标。
-
公开(公告)号:CN109146518A
公开(公告)日:2019-01-04
申请号:CN201810875899.X
申请日:2018-08-03
Applicant: 中南大学
CPC classification number: G06Q30/018 , G06Q30/0609 , H04L9/0861
Abstract: 本发明公开了一种产品溯源方法。所述方法首先由节点成员向注册节点注册身份信息,其他节点执行智能合约一验证注册信息的真实性;如果真实则将注册信息存储在区块链中等待共识,如果不真实则从节点缓存队列中删除;买卖双方制定智能合约,卖方根据要求填写交易信息并广播到网络中,其他节点执行智能合约验证其交易信息是否满足要求,如果满足要求则存储在区块链中等待共识,如果不满足则从节点缓存队列中删除;经过各个中间商的交易,最后零售商将交易信息打印成二维码供消费者扫描溯源。本发明提供的溯源方式可信度高、真伪性可查,根据交易信息可以逐级溯源,甚至可以溯源到产品的原料,很好的解决了传统产品溯源方式的缺陷。
-
公开(公告)号:CN109068337A
公开(公告)日:2018-12-21
申请号:CN201810771303.1
申请日:2018-07-13
Applicant: 中南大学
Abstract: 本发明公开了一种用于移动机会网络的能量感知时间可达图方法,包括获取构建能量感知时间可达图的参数;对计算变量初始化;在无法进行数据传输的情况下对能量感知时间可达图进行计算得到对应的直接通信能量图与临时传输时间图;在只能进行数据直接传输的情况下对能量感知时间可达图进行计算得到对应的直接能量图;在可以进行数据直接传输和间接传输的情况下对能量感知时间可达图进行计算得到对应的直接能量图;对所有的顶点及可能的路径进行间接能量图计算得到间接能量图;比较直接能量图与间接能量图中数据的大小得到最小能量图;判断数据传输的可达性并获得能量感知时间可达图的数据。本发明客观科学对改善移动机会网络的性能具有重要作用。
-
公开(公告)号:CN107368599A
公开(公告)日:2017-11-21
申请号:CN201710620143.6
申请日:2017-07-26
Applicant: 中南大学
IPC: G06F17/30
Abstract: 本发明一种高维数据的可视化分析方法,包括在原始高维数据上建立局部子空间差-测地距离投影;建立聚类点簇的映射;建立系列子空间的可视分析视图。本发明还公开了实现所述高维数据的可视化分析方法的分析系统。本发明通过建立局部子空间差-测地距离投影、聚类点簇的映射和系列子空间的可视分析视图,提出了一系列交互式的可视化分析操作,为可视化子空间聚类和分析提供了可靠的技术基础,能够有效指导和帮助用户对高维数据进行有效分析和探索,在高维数据处理中显著减少了用户试验和错误的次数,减少了数据的冗余度,加强了数据分析过程的可交互性,提高了结果的可靠性。
-
公开(公告)号:CN103310489B
公开(公告)日:2016-01-20
申请号:CN201310252967.4
申请日:2013-06-24
Applicant: 中南大学
IPC: G06T19/00
Abstract: 本发明公开了一种基于动态深度层次结构的三维模型交互方法,该方法在视角变换后,重建深度层次结构,并根据深度信息找到当前编辑点所在层次,保持当前编辑点的可编辑性;在被遮挡的感兴趣区域被弹出的情况下,视角变换后,在新的深度层次结构中保持对感兴趣区域的跟踪,并将之自动弹出。在静态多层绘制算法中添加视角变换的时候对感兴趣区域跟踪和弹出算法的支持。由在三维模型表面的笔画控制三维模型导航,视角变换方向、速度与笔画保持一致,笔画当前点始终保持可见并固定于视窗中心。本发明解决了现有技术对具有自遮挡的复杂三维模型进行表面属性的方法中,存在的视角切换时候丢失了原来的深度结构层次信息,处理时间过长的不足。
-
公开(公告)号:CN103310489A
公开(公告)日:2013-09-18
申请号:CN201310252967.4
申请日:2013-06-24
Applicant: 中南大学
IPC: G06T19/00
Abstract: 本发明公开了一种基于动态深度层次结构的三维模型交互方法,该方法在视角变换后,重建深度层次结构,并根据深度信息找到当前编辑点所在层次,保持当前编辑点的可编辑性;在被遮挡的感兴趣区域被弹出的情况下,视角变换后,在新的深度层次结构中保持对感兴趣区域的跟踪,并将之自动弹出。在静态多层绘制算法中添加视角变换的时候对感兴趣区域跟踪和弹出算法的支持。由在三维模型表面的笔画控制三维模型导航,视角变换方向、速度与笔画保持一致,笔画当前点始终保持可见并固定于视窗中心。本发明解决了现有技术对具有自遮挡的复杂三维模型进行表面属性的方法中,存在的视角切换时候丢失了原来的深度结构层次信息,处理时间过长的不足。
-
-
-
-
-
-
-
-
-