-
公开(公告)号：CN104983407A
公开(公告)日：2015-10-21
申请号：CN201510277842.6
申请日：2015-05-28
Applicant: 南昌大学
IPC: A61B5/0205 , A61B5/00
CPC classification number: A61B5/02055 , A61B5/0022 , A61B5/01 , A61B5/02 , A61B5/0402 , A61B5/14542 , A61B5/6802 , A61B5/746
Abstract: 基于通用计算机的多功能穿戴式医疗监护系统，包括基于通用计算机的多功能穿戴式医疗监护系统、数据传输系统、通用计算机监护系统。本发明的生理参数采集系统使用的是可穿戴式技术，减小了被监护者的生理和心理负担；本发明是基于通用计算机的医疗仪器，生理参数的显示、报警、存储功能都在通用计算机上完成，进一步降低了成本，使得本发明更易于推广到普通家庭同是也适应所用拥有通用计算机的医疗机构。
-
公开(公告)号：CN117197501B
公开(公告)日：2024-11-22
申请号：CN202311157663.X
申请日：2023-09-08
Applicant: 南昌大学
IPC: G06V10/74 , G06V10/764 , G06V10/26 , G06V10/80 , G06V10/44
Abstract: 一种基于模板匹配算法的目标检测方法，包括：1)采集目标的图像数据，在OpenGL中生成目标不同视角下的渲染图像，提取RGB图像的梯度特征与深度图像的法向特征，保留最大特征的方向，生成待匹配的模板库；2)利用Kinect相机采集场景下的目标的RGB图像与深度信息，对彩色图像提取梯度特征，对深度图像提取法向特征；利用滑窗匹配的方法与模板库中的模板特征进行相似度计算，根据相似度计算的最大值判断是否为目标物体。本发明采用基于模板匹配的算法对传感器采集到的信息进行处理，并与数据库中的数据作对比，采用局部采样、分区投票的机制改进检测算法，提高稳定性和在遮挡环境下的识别准确性，具有广泛的应用前景。
-
公开(公告)号：CN117197501A
公开(公告)日：2023-12-08
申请号：CN202311157663.X
申请日：2023-09-08
Applicant: 南昌大学
IPC: G06V10/74 , G06V10/764 , G06V10/26 , G06V10/80 , G06V10/44
Abstract: 一种基于模板匹配算法的目标检测方法，包括：1)采集目标的图像数据，在OpenGL中生成目标不同视角下的渲染图像，提取RGB图像的梯度特征与深度图像的法向特征，保留最大特征的方向，生成待匹配的模板库；2)利用Kinect相机采集场景下的目标的RGB图像与深度信息，对彩色图像提取梯度特征，对深度图像提取法向特征；利用滑窗匹配的方法与模板库中的模板特征进行相似度计算，根据相似度计算的最大值判断是否为目标物体。本发明采用基于模板匹配的算法对传感器采集到的信息进行处理，并与数据库中的数据作对比，采用局部采样、分区投票的机制改进检测算法，提高稳定性和在遮挡环境下的识别准确性，具有广泛的应用前景。
-
公开(公告)号：CN116486081A
公开(公告)日：2023-07-25
申请号：CN202310403391.0
申请日：2023-04-17
Applicant: 南昌大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于双重Encoder‑Decoder结构的脑卒中病灶区域分割方法，首先获取脑部3D‑MRI图像，对图像数据进行预处理，获得待分割的2D脑部切片图；搭建深度学习分割模型，使用训练集训练分割模型；利用训练好的分割模型对图像数据进行图像分割，得到与图像对应的脑卒中病灶区域分割结果；其中所述分割模型为具有双重Encoder‑Decoder结构的深度学习分割模型，该结构在Encoder‑Decoder结构基础上进行延伸并结合多重跳跃连接，使浅层特征与深层特征信息进行多重深度融合，达到对目标区域的逐步定位和不断细化。本发明方法搭建的模型结构简单，抗干扰能力强，能够很好的拟合脑卒中病灶的不规则边界,对于细小的病灶也可以识别并进行精确的分割，在提升分割精度的同时还降低了病灶的遗漏率。
-
公开(公告)号：CN115830025B
公开(公告)日：2023-05-09
申请号：CN202310120811.4
申请日：2023-02-16
Applicant: 南昌大学
IPC: G06T7/00 , G06T7/11 , G06T7/70 , G06V10/764
Abstract: 本发明提供一种白细胞分类计数方法、系统、存储介质及计算机设备，该方法包括：根据第一预设分割规则将白细胞图像分割成预设份数的待识别图像；将待识别图像依次输入到预训练的白细胞识别模型中，并采用预设标记框分别对目标识别图像中的一个或多个细胞区域进行第一次标记；根据第一次标记结果获取重叠区域中被标记的重复细胞区域，并将相邻目标识别图像中的一个或多个重复细胞区域删除；若存在细胞区域为多细胞，则基于第二预设分割规则将多细胞所对应的细胞区域进行拆分，以根据拆分结果进行第二次标记。本发明提出的白细胞分类计数方法，能够解决传统白细胞分类计数过程中因存在重叠细胞难以分割而导致的分类计数准确率较低的问题。
-
Patent Agency Ranking
公开(公告)号：CN115359157A
公开(公告)日：2022-11-18
申请号：CN202210965431.6
申请日：2022-08-12
Applicant: 南昌大学
Abstract: 本发明属于流体流动技术领域，提供一种简易模拟流体流动的方法，包括如下步骤：步骤一，制作流体流动模拟试验的管道模型及建立流体试验场景；步骤二，制作包含流体纹理图片的拖尾渲染器，用于模拟流体在管道模型中的流动；步骤三，在管道模型中添加多个控制脚本，运行控制脚本实现交互，实现流体的模拟流动。此外，还提供一种存储介质，存储有执行如上所述方法的计算机程序。此外，还提供一种终端设备，包括如上所述的存储介质，处理器及显示屏，处理器用于运行存储介质上的计算机程序。通过本发明的简易模拟流体流动的方法，能够简单地模拟流体在管道中的流动，以解决以往油液模拟液压回路不直观、缺乏三维立体感的问题。
-
公开(公告)号：CN114700966A
公开(公告)日：2022-07-05
申请号：CN202210335389.X
申请日：2022-03-31
Applicant: 南昌大学
Abstract: 本发明公开了一种无接触式基于机器学习的病房送药移动机器人，机器人包括可编程摄像模组、摄像模组支架、红外对管、漫反射激光传感器、控制器、降压模块、有刷减速电机、橡胶轮、激光发射器、激光接收器、指示灯以及车身、电池盒，可编程摄像模组安装于所述摄像模组支架上并置于所述车身的前端，激光发射器及所述激光接收器安装于所述车身的中部，所述控制器置于所述车身的后端，所述指示灯置于所述第一降压模块的上方，所述漫反射激光传感器置于所述第二降压模块的上方，所述橡胶轮安装于所述车身中，并分别配置有所述有刷减速电机，所述车身的下端设置有电池盒。本发明结构简单，成本低廉，解决送药机器人模型复杂、价格昂贵的问题。
-
公开(公告)号：CN112861098A
公开(公告)日：2021-05-28
申请号：CN202110081760.X
申请日：2021-01-21
Applicant: 南昌大学
Abstract: 本发明公开了一种基于DTW算法和行走步态数据的手机身份验证方法，通过预先采集用户一段时间的行走步态数据，然后经过预处理、信号分割、循环剔除相似周期等步骤，获得多个相似性较弱的匹配模板，生成匹配模板库，再通过实时采集的手机加速度传感器数据，由信号分割方法获得用户行走步态周期，最后通过DTW算法计算实时数据与匹配模板库中样本的相似度，从而验证用户身份是否合法。本发明匹配模板样本差异大，能够尽可能全面的体现用户步态特征，同时利用匹配模板集成的方法代替匹配模板平均值合成的方法，解决了人工手动选择样本的片面性、繁琐性和特征数据丢失的问题，提高了识别准确率，具有计算量小，训练样本少的优点。
-
公开(公告)号：CN112704585A
公开(公告)日：2021-04-27
申请号：CN202110033857.3
申请日：2021-01-12
Applicant: 南昌大学
Abstract: 本发明公开了一种面向脚疾人群的自助力辅助假肢，包括脚底板、可伸缩小腿杆、小腿托盘、可转动踝关节托盘装置、拉力弹簧、膝关节固定装置和小腿固定装置，所述脚底板通过脚底板固定杆与可伸缩小腿杆相连，所述小腿托盘一端与可伸缩小腿杆相连，另一端连接有可转动踝关节托盘装置；所述拉力弹簧共有两根，分别设置在可伸缩小腿杆两侧；所述膝关节固定装置设置在可伸缩小腿杆与小腿托盘连接处；所述小腿固定装置由多根粘性绑带组成，所述粘性绑带安装在小腿托盘上。本发明辅助假肢的制作材料多为轻质材料，结构简单、穿戴方便、易于控制、通用性强，能够解决患有脚疾患者柱拐不便的麻烦，设计更加人性化。
-
公开(公告)号：CN112274159A
公开(公告)日：2021-01-29
申请号：CN202011050724.9
申请日：2020-09-29
Applicant: 南昌大学
Abstract: 本发明公开一种基于改进带通滤波器的压缩域心电信号质量评估方法，用于压缩采样后高质量的心电信号段的选择，将受到干扰的劣等信号与高质量信号区分出来，跳过了复杂的信号重构过程。该方法在传感采样节点对原始心电信号进行压缩采样，获得压缩采样信号，之后利用六个压缩域带通滤波器分别对压缩采样信号进行滤波处理，得出原始心电信号六个频带上的小波系数在压缩域的等价形式，并求出每层的类似能量和类似小波熵。最后将各频带类似能量和类似小波熵共同作为评估指数，运用支持向量机(Support Vector Machine,SVM)判断压缩采样信号为“可接受”或者“不可接受”，从而实时判断信号质量较高的压缩采样信号片段，为后续直接处理压缩采集心电数据提供评判依据。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.023 seconds)
