-
公开(公告)号：CN117910527A
公开(公告)日：2024-04-19
申请号：CN202311550936.7
申请日：2023-11-20
申请人： 北京航空航天大学 , 中国人民解放军总医院第一医学中心
摘要： 本发明涉及脑区模拟技术领域，具体是一种基于脉冲神经元的脑区模拟装置，包括神经元模型，神经元模型内的神经元之间通过侧向抑制进行相互作用，神经元之间的信息传递采用突触传播的方式；同步振荡器模块，同步振荡器模块能够使神经元之间的振荡信号保持同步；滤波器模块，滤波器模块通过滤波的方式提取出特定频率范围内的信号；本发明通过一组神经元的侧向抑制、突触传播、同步振荡器、滤波器和输出接口的相互配合形成一种脑区模拟装置，该脑区模拟装置能够更加真实地模拟脑区的生物学功能和特点；同时，该脑区模拟装置的应用将有助于人们更好地理解脑区的工作原理，进一步推动神经科学的发展和类脑计算的研究。
-
公开(公告)号：CN117273089A
公开(公告)日：2023-12-22
申请号：CN202311108561.9
申请日：2023-08-30
申请人： 北京航空航天大学 , 中国人民解放军总医院第一医学中心
摘要： 本发明公开了基于LIF神经元模型的脉冲自组织神经网络STDP学习方法，S1：建立脉冲神经元LIF模型，LIF模型是描述细胞膜电势随时间以及外界输入变化的模型；S2：进行脉冲编码，编码方式采用泊松函数，利用脉冲神经网络生成随机序列，将精确定时后对应的脉冲序列来表达神经信息序列；S3：利用STDP学习规则计算突触权值，S4：计算神经元膜电势，确定阈值调节范围与调节方法，将经由LIF‑STDP过程处理的数据输入SOM网络进行迭代计算；S5：训练模型。本发明通过在LIF神经元模型的基础上运用STDP方法进行阈值参数的调整与迭代，同时将仿生的组合模型引入脉冲自组织神经网络，通过训练能够使算法根据实际情况进行自我完善。
-
公开(公告)号：CN117910526A
公开(公告)日：2024-04-19
申请号：CN202311549925.7
申请日：2023-11-20
申请人： 北京航空航天大学 , 中国人民解放军总医院第一医学中心
IPC分类号： G06N3/065 , G06N3/0499 , G06N3/088 , G06F18/213 , G06F18/232
摘要： 本发明涉及脑区模拟技术领域，具体是一种基于同步振荡的脑区行为响应模拟装置，包括同步振荡抑制器，同步振荡抑制器对输入信号进行通带分类与处理；自组织分类器，自组织分类器对处理后的信号进行聚类；滤波器，滤波器对聚类后的信号进行进一步的处理，并生成相应的脑电信号；本发明能够增加了一个反馈机制来评估其行为响应的正确性，通过模拟人脑中的奖赏和惩罚机制来实现，如果装置的行为响应正确，那么它会得到一个正的奖赏信号，如果响应错误，那么它会得到一个负的奖赏信号，这些奖赏信号可以改变突触晶体管之间的连接强度，从而改变装置的行为。
-
公开(公告)号：CN117217267A
公开(公告)日：2023-12-12
申请号：CN202311108339.9
申请日：2023-08-30
申请人： 北京航空航天大学 , 中国人民解放军总医院第一医学中心
IPC分类号： G06N3/049 , G06N3/06 , G06F18/15 , G06F18/2131 , G06F18/24
摘要： 本发明公开了基于脑电时频表征的脉冲神经元通用编码方法，包括编码方法包括以下几个步骤：S1，神经元的脉冲发放，神经元的脉冲发放为一个神经元收到脉冲刺激后，突触后电位逐步增加，达到发放阈值后，脉冲发放，电位归零。本发明基于脑电时频表征的脉冲神经元通用编码方法，大脑中数以万计的神经元的同步或不同步信息传导就构成了大脑的神经网络。根据神经元的放电起点与脑电波形成后对于大脑活动的表征，本文将因果表征进行同步推导，设计了一种具备时空特征，且符合神经元脉冲发放生物过程的神经元编码方法，既能表达单个神经元编码序列，又能表达时空神经元脉冲序列矩阵，同时能够很好的表征大脑活动的时空信息传递状态。
-
公开(公告)号：CN112541578B
公开(公告)日：2022-10-28
申请号：CN202011535939.X
申请日：2020-12-23
申请人： 中国人民解放军总医院 , 北京航空航天大学
摘要： 本申请公开一种视网膜神经网络装置，其包括：图像传感器单元层、第一噪声脉冲神经元模型层、第一脉冲神经元模型层；图像传感器单元层包括多个第一神经元，每个第一神经元包括一个图像传感器单元；第一噪声脉冲神经元模型层包括多个第二神经元，每个第二神经元包括一个噪声脉冲神经元模型；第一脉冲神经元模型层包括多个第三神经元，每个第三神经元包括一个脉冲神经元模型；图像传感器单元层为所述视网膜神经网络装置的输入层；每个第一神经元的输出被送至与其对应的第二神经元；每个第二神经元的输出被送至每个第三神经元；第一脉冲神经元模型层为所述视网膜神经网络装置的输出层；全部第三神经元的输出即为整个视网膜神经网络装置的输出。
-
公开(公告)号：CN112541578A
公开(公告)日：2021-03-23
申请号：CN202011535939.X
申请日：2020-12-23
申请人： 中国人民解放军总医院 , 北京航空航天大学
摘要： 本申请公开一种视网膜神经网络模型，其包括：图像传感器单元层、第一噪声脉冲神经元模型层、第一脉冲神经元模型层；图像传感器单元层包括多个第一神经元，每个第一神经元包括一个图像传感器单元；第一噪声脉冲神经元模型层包括多个第二神经元，每个第二神经元包括一个噪声脉冲神经元模型；第一脉冲神经元模型层包括多个第三神经元，每个第三神经元包括一个脉冲神经元模型；图像传感器单元层为所述视网膜神经网络模型的输入层；每个第一神经元的输出被送至与其对应的第二神经元；每个第二神经元的输出被送至每个第三神经元；第一脉冲神经元模型层为所述视网膜神经网络模型的输出层；全部第三神经元的输出即为整个视网膜神经网络模型的输出。
-
公开(公告)号：CN118298422A
公开(公告)日：2024-07-05
申请号：CN202410306002.7
申请日：2024-03-18
申请人： 北京航空航天大学
IPC分类号： G06V20/69 , G06V10/22 , G06V10/26 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/088
摘要： 本发明涉及一种基于视觉语言大模型的病理图像的细胞核检测方法，该方法是基于现存的预训练的视觉语言大模型和语言大模型如GLIP、BLIP、GPT等的病理图像细胞核检测方法，该方法是一种新的自动生成提示语的流程，将需要检测的细胞核的形容词的描述程度考虑在内，并引入了相关性排序，提升零样本检测细胞核检测的效果。在训练方法，自训练知识蒸馏，将GLIP的预训练的特征提取能力迁移到更适合进行检测的网络结构中，最终得到一个更优的细胞核检测网络，该网络的训练不需要任何的标注。与之前的无监督病理细胞核检测方法相比，本发明的方法的最终检测效果更好。
-
公开(公告)号：CN112819914B
公开(公告)日：2023-07-18
申请号：CN202110164795.X
申请日：2021-02-05
申请人： 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
摘要： 本发明涉及一种PET图像处理方法，方法包括：获取待处理的第一类型的PET图像；将第一类型的PET图像输入到训练的条件生成对抗网络G中，输出第二类型的PET图像；第一类型的PET图像为PET采集设备采集并重建的低信噪比PET图像，第二类型PET图像为经过G处理的、具有高信噪比的图像，且第二类型PET图像与PET采集设备采集并重建的高信噪比图像匹配，G包括：对输入的第一类型的PET图像依次进行样式表达编码和仿射变换处理的样式表达单元。本发明对低信噪比PET图像进行处理获得匹配的高信噪比PET图像，进而有效提升PET图像质量，辅助临床更加准确地进行诊断的目的。
-
公开(公告)号：CN113298900A
公开(公告)日：2021-08-24
申请号：CN202110484375.X
申请日：2021-04-30
申请人： 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
摘要： 本发明涉及一种基于低信噪比PET图像的处理方法，包括：获取待处理的第一模式的PET图像，其为PET采集设备采集并重建的低信噪比的PET图像；将第一模式的PET图像输入到训练的G中，生成第二模式的PET图像，第二模式的PET图像为经过G处理的、具有高信噪比且无伪影的图像，G包括：包括多个特征提取模块的特征提取器和样式调制模块；特征提取器用于将所有特征提取模块输出的语义特征进行拼接并输出至样式调制模块；样式调制模块采用权重解调方式对拼接后的特征进行调制和解调，获得输出的第二模式的PET图像。上述方法可以在图像处理中很好的修复图像信息，进而实现将低信噪比的图像翻译成高信噪比的图像。
-
公开(公告)号：CN118552446A
公开(公告)日：2024-08-27
申请号：CN202410675649.7
申请日：2024-05-29
申请人： 北京航空航天大学
IPC分类号： G06T5/77 , G06T5/60 , G06T7/11 , G16H30/20 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于区域自注意力机制的医学图像恢复方法及系统，涉及图像处理技术领域，该基于区域自注意力机制的医学图像恢复方法包括以下步骤：获取医学图像，并对获取的医学图像处理，得到潜码特征；利用区域指导网络对医学图像进行区域划分，计算得到分割掩码；对分割掩码进行处理，计算得到注意力掩码；将注意力掩码与医学图像结合，得到合成图像。本发明通过区域自注意力机制，医学图像能够被划分成多个区域，在每个区域内进行自注意力机制的计算，不仅实现了像素之间的互补性，避免了来自不相似区域像素的潜在干扰，而且还确保了医学图像的完整性和连续性，从而提高了医学图像处理的准确性和可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.073 秒)
