-
公开(公告)号：CN113191685A
公开(公告)日：2021-07-30
申请号：CN202110567293.1
申请日：2021-05-24
Applicant: 华侨大学
Abstract: 本发明涉及一种施工现场安全综合评测系统，包括安全培训考核系统、反馈系统和评测分析系统。安全培训考核系统包括安全教育培训模块和安全培训测试模块，输出安全培训测试结果。反馈系统包括管理人员反馈模块或者工程人员反馈模块，输出反馈评测结果。评测分析系统依据评测框架计算得分并由各子项的得分数据输出评测分析结果。综合评测系统综合以上测试结果，给出人员素质、安全风险评分，输出综合评测报告。本系统设计了针对工程人员及管理人员的安全能力培训及评测机制。员工可在软件上学习通用施工安全相关问题，通过测试提高安全意识和安全能力，管理者可通过成绩、访问等方式一定程度上了解工人的安全意识及相关能力，提高施工安全系数。
-
公开(公告)号：CN107256204B
公开(公告)日：2020-12-01
申请号：CN201710235714.4
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置、两种传递函数获取方法、以及利用该实验装置在不相关多源未知载荷联合激励工况环境下根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。基于传递函数和载荷识别的振动响应预测方法步骤：首先利用历史载荷和测点振动响应求解所有载荷点到已知测点和未知测点的传递函数；然后利用工况环境下已知测点的振动响应和所有载荷点到已知测点的传递函数识别工况环境下不相关多源频域载荷；最后利用识别的工况环境下不相关多源频域载荷和载荷到未知测点的传递函数来预测工况环境下未知测点的频域振动响应。本发明可用于多源不相关载荷未知情况下，利用已知测点的频域振动响应对未知结点频域振动响应进行预测。
-
公开(公告)号：CN103886630B
公开(公告)日：2016-11-30
申请号：CN201410092656.0
申请日：2014-03-13
Applicant: 华侨大学
Inventor： 洪欣
IPC: G06T13/00
Abstract: 本发明提供一种分片图片的动画生成方法，1、将完整的图片进行切割，并导入切割好的多个分片图片；2、输入各个分片图片平移的起始坐标、平移的终点坐标、平移时间，获得各个分片图片对应的平移速度，并进行分片图片的平移动画；3、输入各个分片图片旋转的起始坐标、旋转的终点坐标、旋转时间，获得各个分片图片对应的旋转速度，并进行分片图片的旋转动画；4、输入各个分片图片的缩放比例，从而实现各个分片图片的缩放；5、输入父子关系设置，将各个平移、旋转、缩放后的分片图片进行连接，产生动画。本发明还提供了一种分片图片的动画生成系统；其使得分片图片片段在动画场景中可以复用，从而减少动画文件的占用空间，且系统处理动画速度快。
-
公开(公告)号：CN119361087A
公开(公告)日：2025-01-24
申请号：CN202411369620.2
申请日：2024-09-29
Applicant: 华侨大学
IPC: G16H30/00 , G16H50/20 , G16H50/30 , G06T7/00 , G06T7/30 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于坐标注意力的阿尔兹海默症病程预测方法及系统，方法包括以下步骤：原始影像进行预处理方法，剥离脑壳，并进行方向矫正及模板配准，得到输入影像数据；采用深度神经网络模型进行阿尔兹海默症病程预测；所述深度神经网络模型包括特征编码模块和注意力指导模块，特征编码模块基于坐标注意力对输入影像数据进行特征编码，编码后的特征数据输入到注意力指导模块；注意力指导模块结合类别信息和特征数据以精炼目标区域位置的特征，再通过分类器根据对当前影像进行病程预测。本发明结合坐标注意力机制和分类激活映射方法，有效预测阿尔兹海默症病程状态。
-
公开(公告)号：CN119028585A
公开(公告)日：2024-11-26
申请号：CN202411155731.3
申请日：2024-08-22
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多尺度特征的阿尔兹海默症病程预测方法及系统，方法包括以下步骤：获取原始脑部影像并进行预处理，获得三维全脑图像作为待预测图像；将待预测图像输入阿尔茨海默症3D特征提取模型，实现病程预测；所述阿尔茨海默症3D特征提取模型包括输入层、多个依次排列的改进ResNet块、平均池化模块和全连接模块；所述改进ResNet块采用3D空洞卷积进行不同尺度的特征提取，采用注意力机制进多尺度特征融合。本发明通过多尺度方法提取脑影像特征，能够更加准确捕获到疾病的重要病理特征，提高定位病理区域的准确性；通过多尺度特征融合不同尺度的脑影像特征，能够更好地强化重要特征的表达同时抑制无关的信息，有效诊断阿尔兹海默症病程状态。
-
Patent Agency Ranking
公开(公告)号：CN115064263B
公开(公告)日：2024-08-06
申请号：CN202210642807.X
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，包括如下步骤：原始影像首先通过数据预处理，获取各个脑区的医学形态特征，并按时间序列顺序排列，得到形态特征序列；采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名靠前的形态特征数据，得到最相关特征；将最相关特征的时间序列作为输入，使用递归神经网络抽取时序特征，然后通过逻辑回归算法得到阿尔兹海默症病程发展的最相关特征的预测结果；最后将所述最相关特征的预测结果可视化。本发明提供的方法，不仅解决了阿尔兹海默症的相关特征提取与病程预测的问题，还解决了模型的可解释性问题。
-
公开(公告)号：CN115588025A
公开(公告)日：2023-01-10
申请号：CN202211143740.1
申请日：2022-09-20
Applicant: 华侨大学
IPC: G06T7/194 , G06T7/90 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于深度学习的自适应场景智能抠图方法、系统及介质，该方法包括，对用户输入彩色图片中的前景区域、背景区域、未知区域进行初步估计，得到前景区域图片、背景区域图片、未知区域图片；分别对前景区域图片和背景区域图片进行色彩分析，得到前景区域像素色彩模型和背景区域像素色彩模型；分别对前景区域图片和背景区域图片进行多尺度分析，得到前景区域图片多尺度模型和背景区域图片多尺度模型；根据前景区域像素色彩模型、背景区域像素色彩模型和前景区域图片多尺度模型、背景区域图片多尺度模型以及用户输入彩色图片对未知区域图片的像素点逐个进行分类，得到精细化前景图片。本发明可实现精细化前景分割，准确高效的抠图。
-
公开(公告)号：CN115064263A
公开(公告)日：2022-09-16
申请号：CN202210642807.X
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，包括如下步骤：原始影像首先通过数据预处理，获取各个脑区的医学形态特征，并按时间序列顺序排列，得到形态特征序列；采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名靠前的形态特征数据，得到最相关特征；将最相关特征的时间序列作为输入，使用递归神经网络抽取时序特征，然后通过逻辑回归算法得到阿尔兹海默症病程发展的最相关特征的预测结果；最后将所述最相关特征的预测结果可视化。本发明提供的方法，不仅解决了阿尔兹海默症的相关特征提取与病程预测的问题，还解决了模型的可解释性问题。
-
公开(公告)号：CN119028586A
公开(公告)日：2024-11-26
申请号：CN202411155732.8
申请日：2024-08-22
Applicant: 华侨大学
IPC: G16H50/30 , G16H50/70 , G06V10/764 , G06V10/20 , G06V10/44 , G06V10/24 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于领域适应的阿尔兹海默症进程识别方法及系统，方法包括如下步骤：对脑部影像数据进行预处理，得到源域图像；对源域图像进行数据增强处理，获得增强后的源域图像作为目标域图像；利用目标域图像与源域图像训练阿尔兹海默症进程识别模型；利用训练好的阿尔兹海默症进程识别模型实现阿尔兹海默症进程识别；所述阿尔兹海默症进程识别模型包括特征编码器和分类器，特征编码器提取待识别图像的特征，分类器基于提取的特征进行分类，识别进程。本发明通过提出一个领域损失函数约束模型的学习和对齐源域与目标域特征的特征表达，使模型学习到具有领域不变性质的特征，缓解了不同站点的数据的差异对模型诊断性能的影响。
-
公开(公告)号：CN115064262B
公开(公告)日：2024-08-06
申请号：CN202210642798.4
申请日：2022-06-08
Applicant: 华侨大学
IPC: G16H50/20 , G06T7/00 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于长短时记忆的阿尔兹海默症病程预测方法，包括：对脑部影像数据进行脑区形态特征提取，得到特征预处理数据，然后将所述特征预处理数据进行时序预处理，得到时序预处理数据；将所述时序预处理数据按照病例进行分组，每一个分组包括同一个病例的多次检查的预处理数据并按时间顺序排序，得到时间序列特征数据；根据深度神经网络的方法通过所述时间序列特征数据中第N次和第N+1次的检查影像对第N+2次影像的状态预测。阿尔兹海默症发展的病程较长，随着时间的推移慢慢出现症状，疾病预测有利于早期的介入治疗，延缓疾病发展过程。本发明提供的方法解决了阿尔兹海默症病程的状态预测问题，为医生的影像诊断提供有效的预测诊断辅助。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.023 seconds)
