一种图像引导精准放疗系统

    公开(公告)号:CN209405531U

    公开(公告)日:2019-09-20

    申请号:CN201821759747.5

    申请日:2018-10-29

    IPC分类号: A61N5/10

    摘要: 本实用新型公开了一种图像引导精准放疗系统,包括设备主体,所述设备主体的中部设有观察窗,所述设备主体的上侧设有支架,所述支架的右下端表面固定连接有触摸屏,所述设备主体的右侧中间内部通过导孔滑动连接有导杆,所述导杆的右端表面设有托板,所述托板的上端表面压紧连接有触摸屏,所述托板的上侧设有卡环座,所述导杆的左端表面设有粘尘板,所述导杆的左侧内部通过定位槽卡接有定位块,所述定位块的下侧外表面滑动连接有设备主体,所述设备主体的右上侧内部通过第一转轴转动连接有拉杆。该图像引导精准放疗系统,实现对观察窗的玻璃内部表面进行灰尘粘除,实现对右侧的触摸屏进行支承和拉住。

    一种基于异常检测的小样本医学图像分割方法

    公开(公告)号:CN117726815B

    公开(公告)日:2024-07-02

    申请号:CN202311758269.1

    申请日:2023-12-19

    申请人: 江南大学

    摘要: 本申请公开了一种基于异常检测的小样本医学图像分割方法,涉及医学技术领域,该方法利用特征提取模块对输入的支持切片图像提取支持特征以及对输入的查询切片图像提取查询特征,利用原型提取模块基于支持特征及对应的超像素标签提取得到各个前景类别的前景原型,利用异常检测模块基于查询特征和各个前景类别的前景原型得到分割结果,继而结合对应的超像素标签计算得到损失函数进行模型训练用于小样本医学图像分割。该方法引入异常检测模块使得网络模型能够更好地适应医学图像的特殊性,从而更好地应对不同器官、不同密度和不同结构的医学图像分割,能够有效提高小样本医学图像分割的性能和可靠性。

    基于深度学习的高空抛物检测方法、系统、介质和设备

    公开(公告)号:CN117079095A

    公开(公告)日:2023-11-17

    申请号:CN202310751557.8

    申请日:2023-06-25

    申请人: 江南大学

    摘要: 本发明涉及计算机视觉技术领域,公开一种基于深度学习的高空抛物检测方法、系统、介质和设备,包括:获取高空抛物物体的图像并进行预处理,结合预处理后的图像建立有标注的数据集,对数据集进行数据增强并分成训练集、验证集和测试集;构建包括自注意力机制的轻量级神经网络模型,使用训练集训练模型,结合网格寻优和验证集优化训练后的模型得到最终的模型;将测试集输入最终的模型得到高空抛物物体的检测结果。本发明可以加快运算速度、提高实时处理能力,提升模型对目标位置的定位能力,提高对高空抛物物体的检测效果。

    医学图像分割模型的构建方法、系统、设备和存储介质

    公开(公告)号:CN115409988A

    公开(公告)日:2022-11-29

    申请号:CN202211080120.8

    申请日:2022-09-05

    申请人: 江南大学

    摘要: 本发明适用于图像处理技术领域,提供了一种医学图像分割模型的构建方法、系统、设备和存储介质,所述方法包括以下步骤:获取用于进行模型训练的图像数据集;根据所述图像数据集进行医学图像分割模型的训练;对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数,直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建,本发明实施例在进行上采样时能够获取到更多的高分辨率信息,进而更完善地恢复原始图像中的细节,医学图像分割模型能够保留更多高层特征图蕴含的高分辨率信息,从而提高了图像分割精度。

    一种基于多借鉴信息的医学影像智能转换方法

    公开(公告)号:CN114638745A

    公开(公告)日:2022-06-17

    申请号:CN202210258218.1

    申请日:2022-03-16

    申请人: 江南大学

    摘要: 本发明公开了一种基于多借鉴信息的医学影像智能转换方法,涉及图像处理技术领域,该方法将待转换MR图像输入医学影像转换模型得到由待转换MR图像转换得到的CT图像,模型中的多借鉴信息提取模块提取待转换MR图像的若干层多借鉴信息,各层多借鉴信息反映待转换MR图像的高维特征并分别输入模型的解码模块的各个解码层中,可以达到可解释性和减少传统对抗生成网络中不可避免的随机性,从而将MR图像高效率、高质量的转换为CT图像。

    基于深度神经网络的生物发酵数据预测方法

    公开(公告)号:CN113052271B

    公开(公告)日:2022-02-15

    申请号:CN202110528150.X

    申请日:2021-05-14

    申请人: 江南大学

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于深度神经网络的生物发酵数据预测方法,包括如下步骤:获取并预处理样本光谱数据以得到训练集;利用训练集对自监督特征提取网络模型进行训练以优化特征提取网络模型参数;利用经特征提取的数据对自动编码器网络模型进行训练以建立降维模型;对经降维模型挑选的数据进行TSK模糊回归以建立浓度预测模型;输入待测溶液的光谱数据以预测溶液浓度。本发明结合自监督学习的深度自动编码器特征提取方法,既能构造比传统的主成分分析法更为复杂的非线性映射,还可以保证其提取的特征具有利于后续的回归预测方法的语义信息,结合TSK回归预测,可以避免光谱数据维度过大、冗余信息较多的问题,而且能给出精确且具有可解释性的结果。

    一种基于普通网络摄像机的国密加密传输设备

    公开(公告)号:CN112492274B

    公开(公告)日:2021-08-17

    申请号:CN202011342299.0

    申请日:2020-11-26

    摘要: 本发明公开了一种基于普通网络摄像机的国密加密传输方法,包括如下步骤:由第一网络摄像机收集图像数据并对图像数据进行国密加密;由第二网络摄像机收集图像数据并对图像数据进行国密加密;响应于对图像数据进行国密加密,由第一网络摄像机向宏基站发送调度请求;响应于接收到调度请求,由宏基站在第一时隙的第一符号集合上向第一网络摄像机发送第一PDCCH消息;响应于接收到第一PDCCH消息,由第一网络摄像机监听由宏基站发送的第一PDSCH消息;响应于接收到对于经过国密加密的图像数据的请求,由第一网络摄像机向宏基站发送经过国密加密的图像数据;由第一网络摄像机监听由宏基站发送的参考信号的信号质量。