-
公开(公告)号:CN113031002A
公开(公告)日:2021-06-25
申请号:CN202110214570.0
申请日:2021-02-25
Applicant: 桂林航天工业学院 , 桂林师范高等专科学校
IPC: G01S17/894 , G01S17/931 , G01S17/86
Abstract: 本发明公开了一种基于Ki nect3和激光雷达的SLAM陪跑小车,包括覆带小车,安装在覆带小车上的Ki nect3摄像头、RPLIDAR A3,内载于覆带小车内的Jetson TX2模块以及安装在覆带小车上的机械手;Ki nect3摄像头用于实现视觉SLAM,通过扫描覆带小车周围环境并实现覆带小车自身和使用者的定位,RPLI DAR A3用于实现激光SLAM,消除视觉SLAM的累积误差,Ki nect3摄像头和RPLI DAR A3将采集到的信息发送至Jetson TX2模块进行处理,经树莓派实现覆带小车和机械手工作状态的调控。本发明不需要连接网络就可以实现自身和使用者的高准确度定位,并保持距离紧密跟随。
-
公开(公告)号:CN110211098A
公开(公告)日:2019-09-06
申请号:CN201910409683.9
申请日:2019-05-17
Abstract: 本发明提供了一种结合MRF能量和模糊速度的乳腺癌图像分割方法。该方法包括:对患者的患病乳腺进行乳腺动态增强核磁共振成像,获得乳腺动态增强核磁共振图像;通过对乳腺动态增强核磁共振图像构建二维MRF,将乳腺动态增强核磁共振图像的灰度信息转化为MRF能量,加强乳腺癌灶和正常腺体的区分,然后在MRF能量图上计算每个像素点的后验概率,构建活动轮廓模型的区域项;结合Gabor纹理特征、乳腺动态增强核磁共振时域特征和灰度信息计算模糊速度函数中的模糊隶属度;结合活动轮廓模型的区域项和模糊速度函数中的模糊隶属度,对乳腺动态增强核磁共振图像精确分割出乳腺癌灶。本发明解决了DCE-MRI图像中乳腺癌灶边界模糊、对比度低和亮度不均匀的问题。
-
公开(公告)号:CN105760841A
公开(公告)日:2016-07-13
申请号:CN201610097318.5
申请日:2016-02-22
Applicant: 桂林航天工业学院
CPC classification number: G06K9/00885 , G06F21/32 , G06K2009/00932
Abstract: 本发明公开一种身份识别方法及系统,首先采用CCD和FPGA结合的图像采集方式来获得高分辨率掌静脉图像,然后对原始掌静脉图像进行预处理,并分别对训练数据(注册时获取)和测试数据(在线验证)提取图像的局部不变特征,并采用欧式距离来度量测试数据特征点向量与训练数据特征点向量之间的相似度,以便进行特征匹配,匹配完之后根据特征匹配率来进行决策,对于特征匹配率较高的掌静脉图像直接输出决策结果,对于特征匹配率较低的静脉图像进行图像三维偏转角度估计和三维旋转,并对旋转后的图像重新进行一次特征选择和匹配,之后直接输出决策结果。
-
公开(公告)号:CN114663423B
公开(公告)日:2025-05-06
申请号:CN202210371206.X
申请日:2022-04-11
Abstract: 本发明公开了一种基于多尺度特征提取的胸腺瘤CT图像分割方法,包括如下步骤:在传统UNet网络的编码器中结合基于不同复杂度和不同尺度卷积的DBB结构来提取胸腺瘤CT图像中肿瘤不同尺度下的空间特征,获取更丰富的肿瘤信息。基于压缩激励机制构建卷积核通道间的相互关系,实现不同尺度下空间特征的降维和重标定,然后将重标定的空间特征与原空间特征逐像素加权融合,进而得到与肿瘤区域更相关的空间特征。本发明的分割结果的DICE系数为88.90、交并比IOU为80.15、真阳性率TPR为86.94、假阳性率FPR为8.61、精确率Pre为91.79,更接近于医生手动分割结果。
-
公开(公告)号:CN119112590A
公开(公告)日:2024-12-13
申请号:CN202410167778.5
申请日:2024-02-06
Applicant: 桂林航天工业学院
IPC: A61H1/02 , G06F18/25 , G06F18/10 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06V10/82 , G06V10/766 , G06V40/10 , G06N3/09
Abstract: 本发明公开了一种镜像控制的手部康复方法、系统及终端,属于手部康复训练技术领域,方法包括:对肌电信号进行分类处理;对手部图像进行目标检测处理;将分类处理结果与目标检测结果进行融合处理,得到健侧手的最终手部状态识别结果;根据健侧手的最终手部状态识别结果,或最终手部状态识别结果、肌电信号大小控制康复训练辅助设备带动患者患侧手做出对应动作。本发明采用表面肌电信号分类和手部图像识别对健侧手状态分别进行识别,最后将两个识别结果进行融合,采用了多模态融合的策略,提高了最终手部状态识别结果的可靠性,以此保证健侧手状态的识别准确率。
-
公开(公告)号:CN114663423A
公开(公告)日:2022-06-24
申请号:CN202210371206.X
申请日:2022-04-11
Abstract: 本发明公开了一种基于多尺度特征提取的胸腺瘤CT图像分割方法,包括如下步骤:在传统UNet网络的编码器中结合基于不同复杂度和不同尺度卷积的DBB结构来提取胸腺瘤CT图像中肿瘤不同尺度下的空间特征,获取更丰富的肿瘤信息。基于压缩激励机制构建卷积核通道间的相互关系,实现不同尺度下空间特征的降维和重标定,然后将重标定的空间特征与原空间特征逐像素加权融合,进而得到与肿瘤区域更相关的空间特征。本发明的分割结果的DICE系数为88.90、交并比IOU为80.15、真阳性率TPR为86.94、假阳性率FPR为8.61、精确率Pre为91.79,更接近于医生手动分割结果。
-
公开(公告)号:CN114239638A
公开(公告)日:2022-03-25
申请号:CN202111310072.2
申请日:2021-11-05
Applicant: 桂林航天工业学院
Abstract: 本发明公开了脑电信号分类方法、装置及存储介质,其中方法包括获取脑电信号;提取脑电信号的第一级特征;对第一级特征计算第一级重要权值;根据第一级重要权值选择第二级特征;提取第二级特征的第一级主成分;对第一级主成分计算第二级重要权值;根据第二级重要权值第二级主成分;根据第二级特征和第二级主成分确认最优组合;对最优组合进行分类;具有计算量少、模型简单和高效的优点;另外,考虑到特征之间的相关性和全局性,提高了特征过滤的性能,进而提高了脑电信号分类的分类准确性。
-
公开(公告)号:CN114081787A
公开(公告)日:2022-02-25
申请号:CN202111407405.3
申请日:2021-11-24
Applicant: 桂林航天工业学院
IPC: A61H1/02
Abstract: 本发明涉及人工智能医学技术领域,具体涉及一种脑电信号控制的手套康复系统,包括:脑电信号采集装置,用于采集脑电信号,实现脑电信息的放大,并将放大后的脑电信号传递到PC端;PC端,用于实现脑电信号的记录,并对脑电信号进行滤波、特征提取、分类处理,获取用户运动意图,生成控制指令信号,并通过通信模块将控制指令信号传递给控制芯片,实现外部手套为用户提供主被动模式一体的康复训练。本发明通过脑电信号采集器采集患者脑部运动区域的生物电信号,运用算法识别患者运动意图,创新性地提出主动训练模式,充分发挥患者的主观能动性,大大提高康复训练效能。
-
公开(公告)号:CN110548963A
公开(公告)日:2019-12-10
申请号:CN201910814861.6
申请日:2019-08-30
Applicant: 桂林航天工业学院
Abstract: 本发明涉及一种触发器、触发器系统及触发方法,包括霍尔电流传感器,用于将焊机电流信号转换成电压传感信号;模数转换器,用于对电压传感信号进行模数转换,生成数字电压感应信号;单片机,用于获取数字电压感应信号对应的电流波形的上升沿脉宽、下降沿脉宽和电流波形周期,并通过电流波形的上升沿脉宽、电流波形周期和第一预设延迟时间生成第一触发信号,触发高速相机拍摄熔池图像;或者,通过电流波形的下降沿脉宽、电流波形周期和第二预设延迟时间生成第二触发信号,触发高速相机拍摄焊缝图像,以确定焊接的稳定性或者焊接质量情况。
-
公开(公告)号:CN106340304B
公开(公告)日:2019-09-06
申请号:CN201610843483.0
申请日:2016-09-23
Applicant: 桂林航天工业学院
IPC: G10L21/0216 , G10L21/0264
Abstract: 本发明公开了一种适用于非平稳噪声环境下的在线语音增强方法,包括步骤:1)建立非平稳噪声环境下的系统模型;2)分帧和加窗;3)系统初始化;4)估计AR参数;5)估计语音信号状态序列。本发明针对语音模型中AR参数不能随噪声变化实时更新的问题,提出了双卡尔曼滤波框架,两个卡尔曼滤波器并行运算,语音信号状态估计和AR参数估计互相更新,状态估计过程和参数估计过程交替进行,使得参数估计过程能够适应噪声变化过程,以提高系统模型的准确性,进而提高语音增强的性能。本发明针对传统卡尔曼滤波算法无法处理非平稳噪声的问题,结合凸优化技术,提出了改进型卡尔曼滤波框架,能够对高斯噪声和非平稳噪声进行准确估计,提高了语音增强的准确性。
-
-
-
-
-
-
-
-
-