-
公开(公告)号：CN116452617A
公开(公告)日：2023-07-18
申请号：CN202310319882.7
申请日：2023-03-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于跨模态域迁移学习的全心脏分割方法，包括以下步骤：S1，对初始的全心脏MRI图像和CT图像进行数据预处理；S2，将预处理后的图像输入模态迁移网络MTN进行数据训练，生成新的CT图像；S3，将模态迁移网络MTN生成的新的CT图像和带全心标签的CT心脏图像输入U形多注意网络MAUNet，输出中间心脏图像分割结果；S4，将中间心脏图像分割结果输入至空间配置网络SCN进行数据训练，输出最终心脏图像分割结果。本发明使用多模态数据对心脏进行分割，多模态数据因成像机理的不同而具有多层面信息，使用多模态数据对同一组织进行分割一方面可以扩充训练数据集，使更容易训练一个健壮的网络，一方面可以更好的利用多层面信息，提升分割准确率。
-
公开(公告)号：CN116403548A
公开(公告)日：2023-07-07
申请号：CN202310319854.5
申请日：2023-03-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于心音特征的音乐生成算法，包括提取心音的MFCC文件特征、提取音乐文件中的音符相关特征、通过深度学习网络对两种特征之间的关联性进行学习，训练模型、通过训练好的模型用心音特征生成音乐，并根据音乐类型对心音类别进行判断。与现有技术相比，本发明基于人工智能的以心音特征为基础的音乐生成算法，可以根据心音的特征生成对应的音乐，并且生成的音乐因其根据的心音不同具有显著的正常/异常区分度，不具备音乐知识、医学知识的人可以根据音乐的差异性区分心音的正常/异常。
-
公开(公告)号：CN108764286B
公开(公告)日：2022-04-19
申请号：CN201810372015.9
申请日：2018-04-24
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于迁移学习的血管图像中特征点的分类识别方法，包括血管图像模拟训练和血管图像类型识别两部分；在血管图像模拟训练中通过制作特征点数据集，并利用特征点数据集对深度学习模型进行训练，获得基于迁移学习的血管图像中特征点的分类模型，在血管图像类型识别中提取血管图像的特征点，将提取的特征点输入到血管图像模拟训练中得到的基于迁移学习的血管图像中特征点的分类模型，获得血管图像中特征点的的类型。本发明利用分类模型能准确快速的识别血管图像中特征点是分叉点还是交叉点，解决了现有方法存在的步骤繁杂、准确性和效率低的问题，对临床医学有莫大的帮助作用。
-
公开(公告)号：CN108961334A
公开(公告)日：2018-12-07
申请号：CN201810668831.4
申请日：2018-06-26
Applicant: 电子科技大学
Abstract: 本发明涉及图像处理领域，目的是针对现有配准方法准确率低、现有视网膜血管壁厚度测量方法准确率低的问题，公开了一种基于图像配准的视网膜血管壁厚度测量方法；提出了一种新的眼底多模态图像配准方法及一种新的视网膜血管壁平均厚度、单个血管壁厚度测量方法；方法包括：获取眼底彩色图像及眼底荧光造影图像；分别对两种图像进行预处理、血管分割、血管去噪、血管骨骼化提取、角点检测、特征点生成；依据角点特征进行配准；对配准后的图片进行视盘标注；测量血管壁厚度。本发明可用于临床眼科图像分析及结果成像，致力于辅助医生进行判断，节约医生时间。
-
公开(公告)号：CN118038326A
公开(公告)日：2024-05-14
申请号：CN202410184478.8
申请日：2024-02-19
Applicant: 电子科技大学
IPC: G06V20/40 , G06V10/26 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种针对稀疏标注超声心动图的视频目标分割方法，涉及图像处理技术领域，该方法采用的网络模型包括编码器模块、解码器模块和边缘修正模块；解码器模块包括四层逐级连接的解码器；边缘修正模块用于对各层解码器输出的特征图进行边缘修正，并得到边缘预测结果作为最终的视频目标分割结果；编码器模块包括四层编码器；每层编码器均包括图像分支、变形场分支和单侧协同注意力模块。本发明能有效地提取出清晰的目标边缘；通过引入变形场形成双流编码器，在训练阶段不需要密集的GT；同时，在预测阶段不需要额外的注释，能提供更准确、有用的时序信息，解决医疗视频中常见的复杂结构和低对比度问题，从而提高分割质量，增强准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115578360B
公开(公告)日：2023-12-26
申请号：CN202211303675.4
申请日：2022-10-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种针对超声心动图像的多目标语义分割方法，包括：获取具有不同感受野的特征图；根据空间位置信息和通道信息对特征图矩阵赋予权重，并根据特征图矩阵中局部区域内像素点对之间的关联和标签一致性对特征图进行校正，使其更有效的捕获感兴趣区域的特征；将处理后的具有不同感受野的特征图进行有效融合；将特征图进行上采样和归一化后，对感兴趣部位进行分割；优化神经网络参数，使分割结果逐渐逼近正确结果，完成超声心动图像多目标分割任务。本发明解决了现有方法中缺乏2D超声心动图图像中不同位置之间标记连贯性的学习机制，以及超声心动图像本身信噪比较低，边缘缺失等问题，有效实现了分割精度的提升。
-
公开(公告)号：CN112507065B
公开(公告)日：2022-07-12
申请号：CN202011296561.2
申请日：2020-11-18
Applicant: 电子科技大学
IPC: G06F16/33 , G06F16/338 , G06F40/126 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于注释语义信息的代码搜索方法，所述搜索方法包括从收集的代码仓库中得到存储为“自然语言描述，函数代码”形式的代码样本，对代码样本进行数据处理后通过神经网络模型编码器进行编码，并对神经网络模型进行训练；通过神经网络模型编码器将代码仓库中的所有代码函数和用户的输入转化为向量形式并构建代码向量仓库，计算代码向量仓库中与用户输入转化后的向量最接近的多个代码向量，并返回对应的代码作为检索结果。本发明的优点在于：使用代码内部本身带有的注释信息作为自然语言标注，减少的需要人工标注这一工作量，可以实现大规模的数据生成。其次采用了Transformer神经网络等进行语义特征提取，解决了传统的关键词匹配需要一一对应的缺点。
-
-
公开(公告)号：CN112765580A
公开(公告)日：2021-05-07
申请号：CN202110088789.0
申请日：2021-01-22
Applicant: 电子科技大学
Abstract: 本发明涉及计算机技术技术领域，具体地说，涉及一种在线考试试题保护与防抵赖方法及系统，方法包括以下步骤：1)、系统初始化；2)、出题并加密签名；4)、验证并返回回执；5)、试题获取及解密；6)、答题；7)、交卷并签名；8)、验证、返回回执并阅卷；本发明解决了现行传统在线考试系统中存在的对于考试试题保护不足以及可能存在的抵赖问题，通过使用密码学相关的技术，实现在整个在线考试过程中，对于试题数据的保护以及防止用户抵赖的功能。同时，使用认证机构保证公钥的完整性和机密性。
-
公开(公告)号：CN110525741A
公开(公告)日：2019-12-03
申请号：CN201910787015.X
申请日：2019-08-25
Applicant: 电子科技大学
IPC: B65B57/04
Abstract: 本发明公开了一种异型卷烟自动分拣系统及分拣方法，包括条烟分发模块、传送模块、条烟姿态调节模块、打码模块、扫码模块、道岔模块和包装模块，对条烟进行分发、传送、条烟姿态调节、打码、条烟姿态再调节、贴码、扫码和包装步骤，完成对异型卷烟的自动分拣。本发明能实现异型条烟机械化分发和自动分拣，能避免条烟倾倒、卡顿或损坏，并且不会出现分发卡顿和分发出错，提高异形条烟的分发效率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.028 seconds)
