公开(公告)号：CN118389144A

公开(公告)日：2024-07-26

申请号：CN202410517984.4

申请日：2024-04-28

Applicant: 安徽大学

Inventor： 毕红 ,  李燕 ,  杨宇翔 ,  蔡皓 ,  李子健

IPC: C09K11/65 ,  B82Y20/00 ,  B82Y30/00 ,  C01B32/15 ,  A61K33/44 ,  A61P25/24

Abstract: 本发明公开一种茶多酚衍生碳点及制备方法与其在制备抗抑郁药中的应用，包括以下步骤：将茶多酚和盐酸氟西汀作为反应原料，通过微波加热反应，反应完全后加水溶解，随后抽滤、透析，再冷冻干燥，即得所述茶多酚衍生碳点。本发明使用的原料为天然产物茶多酚，所制备的碳点具有良好的荧光特性，表面基团丰富，毒性低、易于肾清除；通过细胞模型和斑马鱼动物模型发现，本发明制备的M‑CDs具有良好的生物安全性，并且能够明显改善斑马鱼的抑郁样行为，使斑马鱼的皮质醇和单胺类神经递质恢复到正常水平；本发明制备的M‑CDs具有良好的水溶性，有望作为新型抗抑郁药进行后续进一步的应用研究。

公开(公告)号：CN116580345A

公开(公告)日：2023-08-11

申请号：CN202211327771.2

申请日：2022-10-27

Applicant: 安徽大学

Inventor： 唐俊 ,  李燕 ,  王科 ,  段章领

IPC: G06V20/52 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及视频异常行为检测技术领域，解决了现有检测方法中对于视频异常行为检测识别精度低、视频中重要的时序关系被忽略、对异常片段的鲁棒性差的技术问题，尤其涉及一种弱监督视频异常行为检测方法，包括以下步骤：S10、获取若干视频数据作为训练集和测试集；S20、对训练集进行预处理并提取视频数据的第一原始特征；S30、搭建异常行为检测模型，异常行为检测模型包括多尺度时序卷积网络模块和自注意力模块。本发明在多实例学习的基础上引入多尺度时序卷积网络，获取视频片段之间的长短期时序信息，获取精确到片段级别的异常评分，弱监督方法在降低人工标注成本的同时提高了异常事件检测的准确率。

公开(公告)号：CN116597352A

公开(公告)日：2023-08-15

申请号：CN202310555091.4

申请日：2023-05-16

Applicant: 安徽大学

Inventor： 唐俊 ,  李燕 ,  王科 ,  段章领

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于因果时间关系模块的视频异常检测方法，该方法包括：首先收集视频数据作为训练集与测试，将其并划分为不重叠的片段，将视频视为包、片段视为示例；将视频示例输入至特征提取网络I3D中来提取其原始特征；利用因果时间关系模块来提取包含时间依赖关系的增强特征，将其输入到全连接层得到示例的异常得分，再通过设计的损失函数来训练模型；测试阶段将视频示例的原始特征输入最优的异常检测模型中，将预测结果与测试集的标签比对得到异常检测的准确率。本方法基于视频级标签，仅使用当前和历史的帧信息通过因果时间关系模块来提取时间相关性，有利于异常的在线检测，提升了异常检测的精度。