-
公开(公告)号：CN113138024A
公开(公告)日：2021-07-20
申请号：CN202010057563.X
申请日：2020-01-19
Applicant: 复旦大学
IPC: G01J5/00
Abstract: 本发明公开了一种红外智检系统及其智检方法，所述红外智检系统包含UI界面、开发板、红外相机和远程服务器；所述开发板与UI界面通过局域网无线连接，与红外相机通过有线连接，同时还与远程服务器通过无线连接。所述开发板通过对红外相机拍摄的可见光图片和红外图片信息进行算法逻辑判断，自动识别设备、判断设备故障及故障类型、生成检测信息等并通过UI界面向用户显示，同时，所述开发板还将生成的检测信息以及相应图片信息传送到远程服务器，由远程服务器储存。本发明提供的一种红外智检系统及其智检方法提高了电力设备巡检的智能化程度，为未来机器人巡检奠定基础。
-
公开(公告)号：CN108013933B
公开(公告)日：2019-10-18
申请号：CN201711335659.2
申请日：2017-12-14
Applicant: 复旦大学
Abstract: 本发明公开了一种基于集成学习的大脑功能影像定位方法，针对胶质瘤患者脑功能区空间位置的个体差异，利用先进的机器学习算法，将弹性网络算法嵌入集成学习框架，实现了个体化模型生成，构建出因人而异的脑功能区定位器，真正实现了个体化定位，可以在手术中更好的保护脑功能，对每例患者构建个体化脑功能定位模型，提高了定位精度，同时实现无创的脑功能区定位，并不需要患者配合任务态，有利于保护危重病人脑功能。
-
公开(公告)号：CN108417271A
公开(公告)日：2018-08-17
申请号：CN201810027371.7
申请日：2018-01-11
Applicant: 复旦大学
Abstract: 本发明属于医药技术领域，具体为基于精神障碍亚型分类的精神抑制药物推荐方法与系统。本发明采用人工智能与机器学习的技术，通过精神障碍诊疗量表数据的挖掘与分析，对给定精神障碍进行分类；本发明具体包括：基于精神障碍量表评估数据的双聚类亚型分类；利用机器学习算法和治疗前的量表数据，建立治疗后评估预测模型；精神分裂症药物分析推荐：对于每个精神分裂症病人和初步疾病判断，通过量表打分数据和病人信息，划分其亚型；依据病人的量表指标分量数据，以及病人基本信息，对于每种候选药物分别执行评估预测模型；把治疗后能进入优效亚型和/或量表总分降低最多的药物，作为推荐药物。本发明可实现精确和客观的因病辅助诊疗，提高疗效。
-
公开(公告)号：CN119993470A
公开(公告)日：2025-05-13
申请号：CN202311503648.6
申请日：2023-11-13
Applicant: 复旦大学
Abstract: 本发明涉及一种基于蛋白组学的个体未来健康状态预测方法、装置及介质，其中方法包括以下步骤：获取蛋白质组学数据并进行预处理；共享网络构建：构建基于孪生网络框架下的个体既往及未来共病状况预测神经网络；主干网络构建：构建基于多层感知机方法的健康特异结局预测神经网络；健康评估网络综合所述共享网络与主干网络架构，并对其提取特征在潜在空间中进行融合与微调，通过进一步训练更新微调网络参数，输出多种健康特异结局未来的风险评估概率。与现有技术相比，本发明聚焦蛋白组学数据处理与建模方法，以既往和未来健康估计作为先验信息，实现对多病种和死亡为结局的个体化健康状况评估。
-
公开(公告)号：CN116681633B
公开(公告)日：2024-04-12
申请号：CN202310666645.8
申请日：2023-06-06
Abstract: 本发明涉及一种多波段成像及融合方法，属于缺陷识别技术，解决了现有技术中图像采集成功率低的问题。方法包括：利用三通道成像单元对目标进行可见光、紫外光、红外光成像，得到可见图像、紫外图像、红外图像；获取可见图像、紫外图像、红外图像的清晰度函数，并基于各图像的图像清晰度函数采用改进的变步长爬山算法获取三通道成像单元的聚焦位置；获取聚焦位置处清晰的可见、紫外、红外图像；基于清晰的可见、紫外、红外图像采用融合算法进行融合，得到融合后的图像。实现了成像图像采集成功率低、图像融合度低的问题。
-
Patent Agency Ranking
公开(公告)号：CN116975549A
公开(公告)日：2023-10-31
申请号：CN202210409478.4
申请日：2022-04-19
Applicant: 复旦大学
Abstract: 本发明公开了基于fMRI信号的大规模神经元网络的同化与模拟系统：网络结构生成模块，根据对被试者测量得到的DTI大脑结构连接和灰质密度信号，通过设置网络规模参数来生成被试者的脑模型，并将脑模型存储地址输出；信号处理模块，对fMRI信号的在特定任务下的标准化BOLD信号进行处理，实现fMRI信号的标准化处理，输出处理后的BOLD信号；数据同化模块，对于脑模型存储地址和处理后的BOLD信号，运行数据同化算法，同化脑模型中的参数，将同化参数存储并输入至神经网络模拟模块，使得脑模型的输出与被试者的BOLD信号相似，实现特定任务下的脑模型的同化与模拟；以及神经网络模拟模块，基于同化参数，利用GPU多卡并行计算，实现大规模神经网络的复现与模拟。
-
公开(公告)号：CN116681633A
公开(公告)日：2023-09-01
申请号：CN202310666645.8
申请日：2023-06-06
Abstract: 本发明涉及一种多波段成像及融合方法，属于缺陷识别技术，解决了现有技术中图像采集成功率低的问题。方法包括；利用三通道成像单元对目标进行可见光、紫外光、红外光成像，得到可见图像、紫外图像、红外图像；获取可见图像、紫外图像、红外图像的清晰度函数，并基于各图像的图像清晰度函数采用改进的变步长爬山算法获取三通道成像单元的聚焦位置；获取聚焦位置处清晰的可见、紫外、红外图像；基于清晰的可见、紫外、红外图像采用融合算法进行融合，得到融合后的图像。实现了成像图像采集成功率低、图像融合度低的问题。
-
公开(公告)号：CN114781258A
公开(公告)日：2022-07-22
申请号：CN202210409488.8
申请日：2022-04-19
Applicant: 复旦大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G16H50/20 , G06F111/08
Abstract: 本发明提供了基于钙波成像信号的数字孪生斑马鱼神经系统的构建方法：步骤1，基于实验数据估算出斑马鱼不同脑区间神经元连接的概率分布，生成网络连接结构。步骤2，基于斑马鱼的钙波成像信号计算神经元兴奋抑制指标，得到神经元种类信息。步骤3，基于连接数据和神经元种类信息构建斑马鱼神经网络模型，并划定需要同化的参数。步骤4，使用集群卡尔曼滤波对需要同化的参数进行同化，直到系统产生的钙波数据与实验数据的相关性足够高。步骤5，使用同化出的系统参数进行模拟测试，若系统产生的钙波信号与实验数据的相关性较弱则重复步骤4，直到达到步骤4中的条件。步骤6，将迭代出的同化参数作为系统参数，完成对斑马鱼神经元系统的构建。
-
公开(公告)号：CN114169129A
公开(公告)日：2022-03-11
申请号：CN202111279980.X
申请日：2021-10-29
Applicant: 复旦大学
IPC: G06F30/20 , G06F16/904 , G06Q10/06
Abstract: 本发明公开一种自动驾驶的可视化评估方法和装置，该方法包括：根据自动驾驶的评估需求，构建自动驾驶的可视化评估页面；获取一段时间的自动驾驶数据；对所述自动驾驶数据进行处理，得到评估结果；在所述可视化评估页面通过可视化图表展示所述评估结果。根据本发明实施例通过构建自动驾驶的可视化评估页面，并通过可视化图表展示所述评估结果使得开发人员可以直观地查看评估结果。
-
公开(公告)号：CN114092761A
公开(公告)日：2022-02-25
申请号：CN202111326655.4
申请日：2021-11-10
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/80 , G06V10/26 , G06K9/62
Abstract: 本发明提供一种基于双模态数据融合的变电站设备故障检测方法，用于对变电设备故障进行检测，其特征在于，包括以下步骤：步骤S1，采集变电站设备的可见光模态图像和温度模态图像。步骤S2，利用PSO‑SIFT方法进行像素级对齐，得到双模态训练数据集。步骤S3，构建双模态检测模型。步骤S4，将双模态训练数据集输入到双模态检测模型进行训练。步骤S5，采集待测可见光图像和待测温度图像。步骤S6，利用PSO‑SIFT方法将待测可见光图像和待测温度图像进行像素级对齐。步骤S7输入到训练完成的双模态检测模型，得到图像分割结果。步骤S8，根据图像分割结果得到变电站设备故障信息。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
