-
公开(公告)号：CN116070120B
公开(公告)日：2023-06-27
申请号：CN202310356461.1
申请日：2023-04-06
Applicant: 湖南归途信息科技有限公司 , 中南大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06F18/2415 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种多标签时序电生理信号的自动识别方法及系统，通过采集时序电生理信号数据集，将多标签信号解码为单标签特征信号，建立正负样本训练单标签识别模型，并通过自主学习、强化学习以及单标签识别模型的特征迁移，获得多标签识别模型以及根据多标签先验概率、单标签先验概率、单标签识别模型以及多标签识别模型对待识别的多标签时序电生理信号进行自动识别，解决了对类别不平衡的多标签时序电生理信号识别准确度低的技术问题，能同时精准识别常见类别和罕见类别，从而大大提高了多标签预测的准确度。
-
公开(公告)号：CN115588055A
公开(公告)日：2023-01-10
申请号：CN202211249488.2
申请日：2022-10-12
Applicant: 中南大学
Abstract: 本发明公开了一种数字病理图像的色彩标准化方法及系统，该方法包括：从目标域获取彩色的数字病理图像；并校正数字病理图像的数字化色彩差异后作为参考图像；将参考图像进行色彩扩增以模拟不同染色差异，获得多张色彩扩增图像；建立参考图像与对应的多张色彩扩增图像的相似性图；将相似性图输入到去染色模型中，消除染色带来的色彩信息，输出保留和人体组织、细胞结构以及形态分布相关信息的多张色彩扩增图像对应的灰度特征图；将色彩扩增图像对应的灰度特征图输入虚拟染色网络模型，为色彩扩增图像的灰度特征图做虚拟上色，输出上色色彩和参考图像色彩具有相似性的、经色彩标准化后的彩色图像。本发明是不需要利用源域图像的色彩标准化方法。
-
公开(公告)号：CN107582305A
公开(公告)日：2018-01-16
申请号：CN201710942825.9
申请日：2017-10-11
Applicant: 中南大学湘雅二医院
Abstract: 本发明涉及医疗器械领域，尤其是一种体感控制的手术床，床体设置在驱动箱的上端，驱动箱内设置有电机系统和机械装置，床体的左下部设置有中央控制系统和无线输入输出装置，无线输入输出装置包括输出接口和输入接口，床体的左上端设置有监视器，在床体设置有传感器系统，中央控制系统通过输出接口连接电机系统，电机系统通过机械装置连接传感器系统，传感器系统通过输入接口连接中央控制系统，中央控制系统分别连接监视器和体感输入装置。本发明有益效果：本发明是一个全自动的手术床，采集体感信息，计算手势运动的空间坐标，估算手势的相对位移量，利用电机精确的完成运动，从而替代了当前的触摸式摇床方式，保证了无菌的要求。
-
公开(公告)号：CN115100064B
公开(公告)日：2025-01-10
申请号：CN202210762365.2
申请日：2022-06-29
Applicant: 中南大学
IPC: G06T5/60 , G06T5/90 , G06T5/50 , G06T3/4038 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了复杂环境下视频图像混合失真的表示学习方法，从视频中建立混合失真类型相同以及不同的数据集，采用对比学习学习失真表示的方法，从而实现直接从失真的视频图像，对混合失真的自动建模，并在此基础上构建了复杂环境下视频图像混合失真的自动恢复方法，以实现混合失真的自动恢复。
-
公开(公告)号：CN113191949B
公开(公告)日：2023-06-20
申请号：CN202110469466.6
申请日：2021-04-28
Applicant: 中南大学
IPC: G06T3/40 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了多尺度超分辨率病理图像数字化、系统及存储介质，通过低放大倍率镜头，以病理载玻片为目标进行扫描，获得待转换的低分辨率的病理图像；构建以低分辨率病理图像为输入量，以低分辨率病理图像对应的多个尺度高分辨率病理图像为输出量的多尺度对抗网络。以最大放大倍率采集载玻片的真实图像，并从真实图像中提取其它放大倍率的图像以及低分辨率图像，将真实图像、对应的其它放大倍率的图像以及低分辨率图像输入至多尺度对抗网络中进行训练，将待转换的低分辨率病理图像输入至训练好的多尺度对抗网络中，得到多个不同放大倍率的高分辨率病理图像，从而实现一次性快速生成若干个不同放大倍率的高分辨率病理图像。
-
Patent Agency Ranking
公开(公告)号：CN110751172B
公开(公告)日：2023-05-19
申请号：CN201910853703.1
申请日：2019-09-10
Applicant: 中南大学
IPC: G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种弱监督学习的病理全片图像类别推断方法及其系统，通过将病理全片图像切割成包含不重叠图像块的二维网格图，并在所述二维网格图上使用每个图像块的类别概率向量，构建三维地形轮廓图，再获取所述三维地形轮廓图中的最显著特征峰，根据所述最显著特征峰和\或所述最显著特征峰的特征指标，计算出与所述三维地形轮廓图对应的病理全片图像的类别概率值，并将所述病理全片图像的类别概率值与预设的分类阈值进行对比来判断所述病理全片图像上包含所述三维地形轮廓图的类别，相比起现有技术而言，能依据临床规则，能有效避免假阳性错误，准确的判断出所述病理全片图像的类别。
-
公开(公告)号：CN116070120A
公开(公告)日：2023-05-05
申请号：CN202310356461.1
申请日：2023-04-06
Applicant: 湖南归途信息科技有限公司 , 中南大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06F18/2415 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种多标签时序电生理信号的自动识别方法及系统，通过采集时序电生理信号数据集，将多标签信号解码为单标签特征信号，建立正负样本训练单标签识别模型，并通过自主学习、强化学习以及单标签识别模型的特征迁移，获得多标签识别模型以及根据多标签先验概率、单标签先验概率、单标签识别模型以及多标签识别模型对待识别的多标签时序电生理信号进行自动识别，解决了对类别不平衡的多标签时序电生理信号识别准确度低的技术问题，能同时精准识别常见类别和罕见类别，从而大大提高了多标签预测的准确度。
-
公开(公告)号：CN115147769A
公开(公告)日：2022-10-04
申请号：CN202210904937.6
申请日：2022-07-29
Applicant: 中南大学
IPC: G06V20/40 , G06V40/16 , G06V10/25 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , A61B5/0205
Abstract: 本发明公开了一种基于红外视频的生理参数鲁棒性检测方法，运用图像配准从待检测对象的各个时序图像帧中建立稳定的时序图像帧序列。从稳定的时序图像帧序列抽取感兴趣区域内各个像素点的像素数据，构建感兴趣区域内各个像素点的时序像素序列；对于每一个像素点的时序像素序列，将时序像素序列分割成若干个长度为m的子集，每个子集同一位置像素数据处于生理周期的同一时序。将所有子集中位于相同位置的像素数据进行平均处理，得到像素点的高信噪比的时间序列数据；将感兴趣区域内所有像素点时间序列数据输入至基于深度学习的生理参数预测模型，得到待检测对象的生理参数。本发明通过相似性测量以及时间序列切割平均方法，能提高检测的精确度。
-
公开(公告)号：CN114898846A
公开(公告)日：2022-08-12
申请号：CN202210524436.5
申请日：2022-05-13
Applicant: 中南大学
Abstract: 本发明公开了基于低分辨率成像的数字病理系统，通过扫描病理切片，快速获取低分辨率病理图片，再将病理图像以低分辨率的方式进行存储，在使用时再采用超分辨率图像处理技术构建高分辨率图像，能在保证图片质量的同时，减少图像存储所带来的资源消耗，并且针对使用频率不同的图像进行分类存储，将经常使用的高分辨率图像单独存储，能大大提高检索速度。
-
公开(公告)号：CN113197558B
公开(公告)日：2022-06-17
申请号：CN202110325026.3
申请日：2021-03-26
Applicant: 中南大学 , 湖南致力工程科技有限公司
IPC: A61B5/0205
Abstract: 本发明涉及图像处理技术领域，公开一种心率与呼吸率检测方法、系统及计算机存储介质，以提高鲁棒性。本发明方法包括：基于额头、左脸颊、右脸颊以及侧脸四个区域进行图像数据集的提取和模型训练，一方面，分析4个感兴趣区域是否移动，排除集合内受到人脸表情、动作和姿势等影响的图像噪声；另一方面，考虑到视频采集的光照是不均匀的，而且是全局低频变化的，局部区域的光照可以认为是一个常数，去除网格数据的均值，也去除了光照的局部常数值，因此通过去均值处理后获得的信号数据序列可以削弱光照不均匀性的影响；再一方面，通过将各个感兴趣区域筛选出的相关性高的数据序列汇总成有效数据序列集合进一步确保了数据的多维性和精准度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.026 seconds)
