-
公开(公告)号：CN118490363A
公开(公告)日：2024-08-16
申请号：CN202410940457.4
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种基于自适应神经网络的手术机器人末端力跟踪方法，该方法包括：手术机器人由机械臂和固定在其末端的末端执行器组成；通过机械臂的正逆动力学以及雅克比矩阵，建立末端执行器与机械臂之间的信息转换；建立末端执行器与人体组织交互的动力学模型，基于动力学模型设计末端力控制器；通过径向基函数神经网络确定最终的末端力控制器；基于机械臂上的关节速度、位姿以及最终的末端力控制器，跟踪并控制末端执行器的力。该方法可以提高机器人对手术力的控制精度，从而使得手术更加精确，且手术环境复杂多变；末端力控制器可以实时调整控制参数，适应不同的手术场景和组织特性，保证末端执行器的力跟踪性能。
-
公开(公告)号：CN118470037A
公开(公告)日：2024-08-09
申请号：CN202410941292.2
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种基于深度圆检测的无监督语义分割方法，该方法包括：构建第一阶段的仿射配准网络模型；获取心脏模板图像、目标图像；将心脏模板图像和目标图像输入至仿射配准网络优化训练；将心脏模板图像与目标图像进行特征对齐；将目标图像输入训练完成后的仿射配准网络模型得到仿射配准模板图像；获取目标图像和仿射配准模板图像；将目标图像和仿射配准模板图像输入至第二阶段的变形配准网络模型优化训练，得到变形配准模板图像；基于变形配准模板图像进行标签融合过程，确定目标图像的掩膜分割结果。该方法通过仿射配准模型和变形配准模型可以有效地捕获心脏的解剖结构，两阶段的网络框架能够实现对心脏解剖结构的无监督语义分割。
-
公开(公告)号：CN117745745B
公开(公告)日：2024-05-10
申请号：CN202410180218.3
申请日：2024-02-18
Applicant: 湖南大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于上下文融合感知的CT图像分割方法，构建包含具有编码器和解码器的骨干结构、并行空洞卷积模块PDCM、金字塔融合模块PFM和位置注意力模块PAM的CT图像分割模型，利用交叉熵和骰子损失作为混合损失来优化模型；利用编码器对输入图像进行编码，输出不同阶段的编码结果；利用PFM模块分别对不同阶段的编码结果级联并通过不同速率的可分离空洞卷积进行上下文特征融合，将输出与同阶段解码器跳接；利用PDCM模块对编码器最终输出的特征图通过六个不同的分支增强融合，对高阶特征映射经过改造后送入解码器；利用PAM模块对解码器输出的各阶段特征图通过多层位置注意力定位并分割出目标。提高了目标分割的准确率。
-
公开(公告)号：CN117982224A
公开(公告)日：2024-05-07
申请号：CN202410129056.0
申请日：2024-01-31
Applicant: 湖南大学
Abstract: 本发明公开了一种适用于手术机器人的耗能智能管控系统，通过控制调节机构的设置，提升了耗能管控终端的安装使用便捷性。为了使得手术机器人在运行过程中能够实现高效的能量使用，本发明还集成了一种能耗管理优化算法。该算法能够根据机器人各部件的实时功率需求，预测能量需求，并动态调整电机和气缸的工作状态，确保在手术过程中优化能源消耗，同时确保机器人操作的稳定性和精确性，算法还能够实时监控手术机器人的操作反馈，并根据历史数据不断优化能耗管理策略。通过结合调节机构和能耗管理优化算法，不仅提供了机器人的灵活调节能力，还确保了其在复杂手术环境中的高效和稳定运行，从而大大提升了耗能管控终端的安装使用便捷性和经济性。
-
公开(公告)号：CN117494584A
公开(公告)日：2024-02-02
申请号：CN202311828448.8
申请日：2023-12-28
Applicant: 湖南大学
IPC: G06F30/27 , G06N3/0499 , G06N3/084 , G06N3/094 , G06N3/096 , G06F18/213 , G06F18/241 , G06F18/27 , G06F111/04 , G06F111/08 , G06F119/02
Abstract: 本发明涉及高维可靠性设计技术领域，公开了基于神经网络对抗迁移学习的高维可靠性设计优化方法；在源域进行基于抽样的可靠性分析，获得源域MCS样本及其响应，以及源域失效概率；将源域失效概率及其随机敏感性信息和高维目标函数，送入优化器以获得目标域的分布信息，获得目标域MCS样本；根据源域MCS样本及其响应和目标域MCS样本，构建DARNN，以实现目标域MCS样本响应的预测，并根据预测结果计算目标域失效概率及其随机敏感性信息；判断是否达到优化器的收敛条件，收敛则优化设计结束并输出优化参数，不收敛则重复有关过程，直到达到优化器的收敛条件为止。该方法不需要耗时漫长的有限元计算过程，计算时间和精度较高。
-
Patent Agency Ranking
公开(公告)号：CN116912503B
公开(公告)日：2023-12-01
申请号：CN202311181827.2
申请日：2023-09-14
Applicant: 湖南大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于层级融合策略的多模态MRI脑肿瘤语义分割方法，包括构建多模态脑肿瘤语义分割模型，模型包括具有多分支编码器与单一分支解码器的骨干结构、多模态融合模块MMF、多分支聚合模块MBA和大核卷积跳跃连接模块LKC；多分支编码器对不同模态输入图像进行编码输出对应的编码结果；MMF模块对编码结果进行拼接并提取多模态特征表示，通过通道注意力和高斯调制函数得到对应模态的特征图；MBA模块聚合最后阶段的对应模态的特征图，对多模态特征图进行处理后送入解码器；LKC模块连接对应阶段的特征图与解码器在对应阶段输出的特征图，由解码器的解码路径生成多模态脑(56)对比文件Hao Du等.SinPA-Net:Swin Transformer-Based Multiscale Feature PyramidAggregation Network for Medical ImageSegmentation.IEEE Transactions on NeuralNetworks and Learning Systems.2022,全文.
-
公开(公告)号：CN116229065B
公开(公告)日：2023-12-01
申请号：CN202310109939.0
申请日：2023-02-14
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于多分支融合的机器人手术器械分割方法，其方法包括：获取腔镜影像数据，构建分支聚合注意力网络模型，分支聚合注意力网络模型包括编码器、分支均衡聚合模块以及分块注意力融合模块；根据腔镜影像数据通过编码器生成特征图，特征图包括多个，将每个特征图作为一个分支；根据各分支的特征图通过分支均衡聚合模块得到低阶特征图；将第一分支的特征图与第二分支的低阶特征图经过一分块注意力融合模块进行处理后融合，得到融合特征图；将融合特征图与下一分支的低阶特征图进行融合；以此循环，直至遍历完所有分支；将最后得到的融合特征图作为手术器械分割结果。本发(56)对比文件Y. Chen等.Semantic SegmentationNetwork of Noisy Plant Point Cloud basedon Self-Attention Feature Fusion《.202210th International Conference onInformation Systems and ComputingTechnology (ISCTech)》.论文第379-385页.
-
公开(公告)号：CN116912503A
公开(公告)日：2023-10-20
申请号：CN202311181827.2
申请日：2023-09-14
Applicant: 湖南大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于层级融合策略的多模态MRI脑肿瘤语义分割方法，包括构建多模态脑肿瘤语义分割模型，模型包括具有多分支编码器与单一分支解码器的骨干结构、多模态融合模块MMF、多分支聚合模块MBA和大核卷积跳跃连接模块LKC；多分支编码器对不同模态输入图像进行编码输出对应的编码结果；MMF模块对编码结果进行拼接并提取多模态特征表示，通过通道注意力和高斯调制函数得到对应模态的特征图；MBA模块聚合最后阶段的对应模态的特征图，对多模态特征图进行处理后送入解码器；LKC模块连接对应阶段的特征图与解码器在对应阶段输出的特征图，由解码器的解码路径生成多模态脑肿瘤图像分割图。实现目标区域的精准识别分割。
-
公开(公告)号：CN116030397B
公开(公告)日：2023-08-01
申请号：CN202310304494.1
申请日：2023-03-27
Applicant: 湖南大学
Abstract: 本发明公开了一种基于时序信息交互的腔镜手术视频分割方法，该方法通过视频帧特征交互的方式，可以通过辅助帧的特征对分割帧进行特征修复或者抑制不正确的特征表达，可以有效提高腔镜手术视频全场景分割的精度。该方法得到的分割结果可以进一步用于手术导航和手术技能评估，并且可以作为参考进行手术路径的规划，作为腔镜机器人手术的辅助技术，实现智能化的机器人手术。
-
公开(公告)号：CN116030397A
公开(公告)日：2023-04-28
申请号：CN202310304494.1
申请日：2023-03-27
Applicant: 湖南大学
Abstract: 本发明公开了一种基于时序信息交互的腔镜手术视频分割方法，该方法通过视频帧特征交互的方式，可以通过辅助帧的特征对分割帧进行特征修复或者抑制不正确的特征表达，可以有效提高腔镜手术视频全场景分割的精度。该方法得到的分割结果可以进一步用于手术导航和手术技能评估，并且可以作为参考进行手术路径的规划，作为腔镜机器人手术的辅助技术，实现智能化的机器人手术。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.028 seconds)
