一种基于多时间点CT影像分析的COVID-19预后评估方法及系统

    公开(公告)号:CN115937620A

    公开(公告)日:2023-04-07

    申请号:CN202111605001.5

    申请日:2021-12-24

    摘要: 本发明公开了一种基于多时间点CT影像分析的COVID‑19预后评估方法及系统,对于待预后评估的患者对应的数据,取初期CT数据进行预处理后输入到训练出的预后评估模型中,得到该患者是否会发生不良事件的概率;所述预后评估模型的特征提取模块支持处理单个患者多次CT数据,共享网络结构,提取出多次CT数据之间的特征;3D病灶特征Attention模块对特征提取层的得到的特征赋予权重信息;特征转化模块将特征提取模块提取的多时间CT数据纵向特征和Attention模块获取的特征权重信息进行合并,分类模块自动评估患者发生不良事件的可能性;无需复杂的病灶标注工作,帮助细化隐藏特征映射,可为临床医生提前制定针对性的治疗方案争取时间,降低COVID‑19预后不良事件的发生概率。

    基于多尺度特征自表达的联合工业异常检测方法及系统

    公开(公告)号:CN118247254A

    公开(公告)日:2024-06-25

    申请号:CN202410409752.7

    申请日:2024-04-07

    摘要: 本发明属于图像识别技术领域,公开了一种基于多尺度特征自表达的联合工业异常检测方法,本发明可以实现在仅有正常工业产品的情况下,使用一个统一模型同时对多类工业产品的图像进行异常检测和定位(多类别‑单模型),而无需对不同类别产品单独训练模型(单类别‑单模型),进而避免随产品类别增加而线性增长的模型数量和存储代价,本发明提出的基于多尺度特征自重建和自表达任务的无监督学习方法,可帮助模型更好的学习多类别正常图像的特征表示,并通过融合自重建和自表达差异,实现对异常图像的判别和定位;此外,本发明具备较高的实时性和较小的模型规模,可应用于对实时性要求高的工业异常检测场景。

    基于深度强化学习的胶囊内窥镜辅助体位决策方法及系统

    公开(公告)号:CN115938569A

    公开(公告)日:2023-04-07

    申请号:CN202211700946.X

    申请日:2022-12-28

    IPC分类号: G16H50/20 A61B1/04 G16H50/50

    摘要: 本发明公开了一种基于深度强化学习的胶囊内窥镜辅助体位决策方法及系统,目的在于实现胶囊内窥镜在消化道内的合理运动,提供合适的体位指导用于辅助决策,在实际应用中,本发明可实时将当前状态下胶囊内窥镜所拍摄的消化道解剖部位以及记录历史信息,输入到预先训练好的体位决策模型,并实时输出下一时刻最优的体位决策,从而在尽可能少的有限体位转换下,实现整个目标解剖部位更高覆盖率的全局目标;整个辅助体位决策方法,在一定程度上学习融合了专业医生的经验,降低了整个检测过程中对专业医生的高度依赖;尽可能少的体位转化也可以大大降低整个检查过程的时间成本,减少被检查者因长时间的体位转换而获得的不良体验。

    基于小弧度翼型的多学科优化方法、系统、设备、介质

    公开(公告)号:CN115935508A

    公开(公告)日:2023-04-07

    申请号:CN202211506387.9

    申请日:2022-11-28

    发明人: 刘欢 张扬 郑宇

    摘要: 本发明属于飞行器优化技术领域,公开了一种基于小弧度翼型的多学科优化方法,包括翼型及网格的前处理部分、翼型参数化及动网格部分、气动数据评估部分、结构评估部分、隐身性能评估部分、多学科约束下寻优部分,翼型参数化部分通过使用FFD参数化方法使得模型表面网格与空间坐标点建立联系,通过扰动设计变量实现模型表面网格变化,并更新空间网格,气动数据评估部分通过流场求解器获得气动数据并进行评估,结构评估部分通过脚本对翼型体积及厚度进行评估,隐身性能评估部分通过电磁软件与脚本实现RCS的自动化评估,在气动、结构及隐身数据的基础上进行变形及寻优,进而得到多学科约束下的翼型最优解。

    一种基于全局上下文交互的场景图生成方法及系统及设备

    公开(公告)号:CN114677544A

    公开(公告)日:2022-06-28

    申请号:CN202210297025.7

    申请日:2022-03-24

    摘要: 本发明公开了一种基于全局上下文交互的场景图生成方法及系统及设备,1)基于物体视觉特征、空间坐标、语义标签等多种特征融合的向量联合表示;2)基于双向门控循环神经网络的全局特征生成;3)基于全局特征向量的消息迭代传递机制;4)基于目标与关系状态表示的场景图生成。本发明所公开的基于全局上下文交互的场景图生成方法,同现存的场景图生成方法相比,通过上下文交互充分利用图像的全局特征,更具有应用广泛性;同时,得到上下文交互后的全局特征后进行目标对与其关系间的消息传递,利用目标间的潜在联系更新现有状态,进行更准确的场景图生成,具有实际应用的优势。

    一种多机协作草坪修剪机器人系统及方法

    公开(公告)号:CN108628314B

    公开(公告)日:2021-06-29

    申请号:CN201810609028.3

    申请日:2018-06-13

    IPC分类号: G05D1/02

    摘要: 一种多机协作草坪修剪机器人系统及方法,包括地面站控制系统、定位系统和若干机器人,其中,定位系统用于确定工作区域的大小与障碍物的位置以及机器人位置信息,并将其发送给地面站控制系统;地面站控制系统接收到定位系统发送的信息后,用户通过地面站控制系统选择工作区域、工作机器人数量、机器人行走速度以及路径规划方式;地面站控制系统路径规划出机器人路径并发送给机器人;机器人接收路径信息后进行任务作业。各机器人在地面站指挥下,可以同时对同一区域进行作业且具有避障能力,保证了工作的高效性与安全性。