-
公开(公告)号：CN118014863A
公开(公告)日：2024-05-10
申请号：CN202410286229.X
申请日：2024-03-13
申请人： 合肥工业大学
摘要： 本发明公开了一种基于基于三维剪切波变换的多模态医学图像融合方法，包括：1采用三维剪切波变换对不同模态医学图像进行分解，得到高频与低频的不同分解结果；2利用三维多通道参数自适应脉冲耦合神经网络对高频分解结果进行融合；3保存高频脉冲耦合神经网络能量结果，与低频分解结果的活动水平共同进行决策融合；4逆三维剪切波变换重构融合结果，得到最终图像。本发明将二维脉冲耦合神经网络推广到三维，拓展至多通道节约实验时间，将相邻切片的信息更好地提取融合，进而为对医学图像进行进一步的分析处理提供支持。
-
公开(公告)号：CN117617903A
公开(公告)日：2024-03-01
申请号：CN202311593534.5
申请日：2023-11-27
申请人： 合肥工业大学
摘要： 本发明公开了一种基于心率连续性的脉搏波信号质量无参考评价方法，其步骤包括：首先，获取视频图像并定义多个面部感兴趣区域，再采用去噪算法获取对应的脉搏波信号，然后，使用同步压缩小波变换将脉搏波信号转换到时频域，提取基于同步压缩小波变换计算的时频域瞬时心率方差特征，对脉搏波信号的质量进行排序与筛选，将选择的高质量脉搏波信号的时频谱进行融合，在融合后的时频谱上提取时频脊线，再次利用心率连续性假设，进行心率的估算，最后，对高质量脉搏波信号的时频谱计算不确定度，以评估预测心率的可靠性。本发明能够对每个子区域获得的脉搏波信号质量进行有效评价、筛选和融合，从而实现了视频心率的鲁棒提取。
-
公开(公告)号：CN114595725B
公开(公告)日：2024-02-20
申请号：CN202210253209.3
申请日：2022-03-15
申请人： 合肥工业大学
IPC分类号： G06F18/10 , G06F18/213 , G06F18/22 , G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/09 , A61B5/372 , A61B5/00
摘要： 本发明公开了一种基于加法网络和监督对比学习的脑电信号分类方法，其步骤包括：1，对于原始脑电数据进行数据选择和切片的预处理；2，建立加法网络分类模型；3，设计混合损失函数，建立分类模型优化目标；4，输入数据对网络进行训练，利用训练好的最优模型完成脑电信号分类。本发明使用加法代替乘法运算，极大的降低了计算的复杂度和能量消耗，使用了监督对比损失和交叉熵损失混合的损失函数，无需对原始脑电信号进行人工提取特征或信号处理就能自动完成信号分类，并能够显著提升脑电信号分类准确率，从而增加脑电信号在医疗等领域的应用
-
公开(公告)号：CN112043257B
公开(公告)日：2022-12-20
申请号：CN202010983599.0
申请日：2020-09-18
申请人： 合肥工业大学
IPC分类号： A61B5/024
摘要： 本发明公开了一种运动鲁棒的非接触式视频心率检测方法，其步骤包括：首先获取若干个面部感兴趣区域，对于每个区域，得到该区域多个颜色通道信号，采用集合经验模态分解将这些信号分解为若干本征模态函数并组成本征模态函数集合，其次得到该区域特征点的轨迹作为运动信号，构成运动信号数据集；采用典型相关分析处理上述两个集合，将相关性大于某一阈值的典型相关变量判定为运动噪声，将其置“0”并重构本征模态函数集合；接着对不同区域得到的多个重构的本征模态函数集合做多重集典型相关分析处理，最后从第一组典型相关变量中筛选出脉冲信号从而得到心率。本发明能够去除非接触式心率检测中存在的运动噪声，从而得到更准确的心率测量。
-
公开(公告)号：CN115153473A
公开(公告)日：2022-10-11
申请号：CN202210655752.6
申请日：2022-06-10
申请人： 合肥工业大学
摘要： 本发明公开了一种基于多变量奇异谱分析的非接触式心率检测方法，其步骤包括：1、首先获取视频图像并确定面部感兴趣区域；2、从感兴趣区域筛选四个最佳子区域，提取每个子区域的色度信号，将鼻尖部位的运动轨迹作为运动信号；3、自适应滤波去除色度信号中的运动伪影，作为输入信号；4、采用多变量奇异谱分析处理输入信号，并从中筛选出脉冲信号；5、采用频率谱分析的方法从脉冲信号中提取心率；6、最后根据心率连续性将异常的心率值找出并用正确的心率值替换。本发明能够同时去除光照变化的影响和头部运动的干扰，从而能提高非接触式视频心率检测的准确性。
-
公开(公告)号：CN109118487B
公开(公告)日：2022-02-11
申请号：CN201810965998.7
申请日：2018-08-23
申请人： 合肥工业大学
摘要： 本发明公开了一种基于非下采样轮廓波变换和卷积神经网络的X光图像骨龄评估方法，包括：首先对尺寸归一化后的X光图像进行非下采样轮廓波变换，得到多个尺度下的高频方向子带和一幅低频系数图，然后将它们输入到一个多通道卷积神经网络中，得到不同尺度下的特征图，最后将这些特征图层叠在一起后输入到一个由若干全连接层构成的回归网络中得到骨龄预测值；上述过程以一个端到端的网络结构实现，并使用误差反向传播机制实现网络训练。本发明方法利用非下采样轮廓波变换对原始空间域图像进行特征预提取和分离，能够克服现有深度学习方法在小规模数据集上网络训练的困难，提升网络的泛化性能，从而为临床应用提供更加准确可靠的评估方法。
-
公开(公告)号：CN113705675A
公开(公告)日：2021-11-26
申请号：CN202110997261.5
申请日：2021-08-27
申请人： 合肥工业大学
摘要： 本发明公开了一种基于多尺度特征交互网络的多聚焦图像融合方法，其步骤包括：1，将一对彩色多聚焦源图像进行通道连接并输入到设计的多尺度特征交互网络(MSFIN)以生成表示像素聚焦属性的聚焦图；2，对聚焦图进行二值化(即高于阈值的像素值设为1，反之记为0)得到初始决策图，并采用全连接条件随机场(FC‑CRF)细化初始决策图，以去除一些误分类的小区域，得到最终决策图；3，基于细化后的最终决策图，采用像素加权平均策略获得融合图像。本发明能有效地融合具有不同聚焦区域的图像，为多聚焦图像的融合提高一种新的解决方案，使融合图像包含增强的空间信息，有助于信息传输和图像处理。
-
公开(公告)号：CN109846469B
公开(公告)日：2021-05-04
申请号：CN201910304963.3
申请日：2019-04-16
申请人： 合肥工业大学
摘要： 本发明公开了一种基于卷积神经网络的非接触式心率测量方法，其步骤包括：1根据ECG信号或BVP信号的峰峰值间距信息构造反映人体心率变化的预训练图像；2调整模型结构，使用在ImageNet数据集上预训练好的参数初始化卷积神经网络；3将上述预训练图像作为训练集输入卷积神经网络进行训练，调整网络参数；4使用真实人脸视频生成反映人体心率变化的时空特征图像；5将时空特征图像输入到卷积神经网络中进行训练，调整网络参数，最终得到最优心率预测模型。本发明能提高在复杂场景下心率测量的准确性和鲁棒性。
-
公开(公告)号：CN112001862A
公开(公告)日：2020-11-27
申请号：CN202010870594.7
申请日：2020-08-26
申请人： 合肥工业大学
摘要： 本发明公开了一种消除视频心冲击信号运动噪声的非接触式视心率检测方法，其步骤包括：首先获取面部感兴趣区域以及该区域内的特征点，再采用追踪算法得到特征点的横向以及纵向坐标运动轨迹信号，分别构成两个集合，然后通过两步典型相关分析去除刚性及非刚性运动噪声，再从第二步典型相关分析得到的典型相关变量中筛选出脉冲信号，采用功率谱分析的方法从脉冲信号中提取心率，最后根据心率连续性将异常的心率值找出并用正确的心率值替换。本发明能够去除刚性和刚性运动噪声的干扰，从而提高非接触式视频心率检测的准确性。
-
公开(公告)号：CN109523486A
公开(公告)日：2019-03-26
申请号：CN201811398547.6
申请日：2018-11-22
申请人： 合肥工业大学
摘要： 本发明公开了一种噪声环境下基于鲁棒压缩感知的多通道脑电信号重构方法，其步骤包括：1、建立噪声环境下多通道脑电信号模型；2、基于多通道脑电信号的协稀疏性和低秩性，建立噪声环境下多通道脑电信号对应的优化模型；3、采用交替方向乘子法求解所述优化模型。本发明考虑了按照噪声分布的特点分为稠密噪声和稀疏噪声两种类型的噪声，能提高多通道脑电信号在压缩感知的过程中对噪声干扰的鲁棒性，从而能提高重构后的多通道脑电信号的精度和准确性。
-
-
-
-
-
-
-
-
-
搜索结果
106 条记录 (耗时 0.06 秒)
