公开(公告)号：CN114038536B

公开(公告)日：2024-08-06

申请号：CN202111302597.1

申请日：2021-11-04

Applicant: 中南大学

Inventor： 杨晓喻 ,  赵于前 ,  杨振 ,  曹瑛 ,  李书舟 ,  邵其刚

IPC: G16H20/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明一个或多个实施例提供一种基于不确定度筛选的人机结合放疗计划验证方法及装置，包括：根据预设数据集进行模型训练获取最终的集成深度学习模型以及不确定度阈值；将待验证计划的射野通量输入所述最终的集成深度学习模型，并经所述最终的集成深度学习模型处理后输出预测的第一伽马通过率和不确定度；比较所述不确定度和所述不确定度阈值，并根据比较结果应用所述第一伽马通过率或人工测量方法得到的第二伽马通过率作为所述待验证计划的伽马通过率。本发明能够结合人工测量和人工智能预测两种方法各自的优点，满足不同的临床人力成本和准确度要求。

公开(公告)号：CN114155934B

公开(公告)日：2024-05-14

申请号：CN202111505915.4

申请日：2021-12-10

Applicant: 中南大学

Inventor： 赵于前 ,  杨金娜 ,  张帆 ,  杨晓喻 ,  邸拴虎

IPC: G16H20/40 ,  G06T7/00 ,  G06T7/73 ,  G06T9/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的肿瘤调强放疗剂量预测方法，其实施方案为：1)收集调强放疗计划数据；2)数据预处理；3)构建剂量预测模型；4)构建损失函数；5)训练预测模型；6)剂量预测。本发明构建的调强放疗剂量预测模型，将卷积编码器获得的深层语义特征输入到Transformer编码器，实现对语义特征重复利用的同时，通过对输入序列长距离建模获取多层次的全局特征，设计的语义场对齐模块能够灵活对齐相邻分辨率的特征图以保证强语义信息从深层到浅层的有效传播，提高了剂量预测的准确性和鲁棒性，能够快速实现剂量制定与计算，为加速放疗计划设计提供理论依据和技术支持。

公开(公告)号：CN117706563B

公开(公告)日：2024-05-07

申请号：CN202410165411.X

申请日：2024-02-05

Applicant: 中南大学 ,  湖南创远高新机械有限责任公司

Inventor： 代建龙 ,  赵于前 ,  刘志华 ,  龚志鹏 ,  王毅 ,  阳春华

IPC: G01S17/06 ,  G01S17/86 ,  G01S17/89 ,  G06T7/73 ,  G06V10/75 ,  E21F17/18

Abstract: 本发明公开了矿井垂直断面钻孔定位方法、系统、设备及存储介质，矿井垂直断面钻孔定位方法包括根据历史激光雷达点云数据与惯性测量单元传感器数据构建第一坐标系的第一全局点云地图，将第一坐标系的第一全局点云地图通过KD树邻域搜索算法转换至中线导向的第二坐标系中，得到第二全局点云地图，提取第二全局点云地图的垂直断面，并计算垂直断面的所有钻孔位置，计算第二全局点云地图至实时激光雷达点云数据的实时位姿转换矩阵，根据实时位姿转换矩阵，将垂直断面的所有钻孔位置转换至第三坐标系中，以得到第三坐标系的最终钻孔位置，实现了自主确定钻孔位置，提高了钻孔精准度与施工效率，减少了施工成本。

公开(公告)号：CN114919581B

公开(公告)日：2024-04-26

申请号：CN202210509160.3

申请日：2022-05-11

Applicant: 中南大学

Inventor： 余伶俐 ,  李科艺 ,  赵于前 ,  陈白帆 ,  周开军

IPC: B60W30/18 ,  B60W30/08 ,  B60W30/095 ,  B60W50/00 ,  B60W60/00

Abstract: 本发明公开了一种智能车辆无序交叉路口的行为决策方法、计算机装置，根据马尔可夫决策过程，并结合现实世界中车辆在无序交叉路口中的行驶交通规则，设计动作空间A和奖励函数R；智能车辆从仿真环境中实时获取激光雷达传感器信息和无序交叉路口的鸟瞰图信息，构建状态空间S；构建包含多层感知机，卷积神经网络和竞争神经网络的竞争双重Q网络，将处理的激光雷达传感器信息和经由空间注意力提取特征的无序交叉路口的鸟瞰图信息编码融合后，解码输入竞争神经网络计算Q值进行决策。模型评估阶段中，智能车辆以Q值最大为原则进行决策，顺利通过无序交叉路口。本发明可有效提高智能车辆在无序交叉路口中的自主决策能力。

公开(公告)号：CN114359873B

公开(公告)日：2024-04-26

申请号：CN202210012751.X

申请日：2022-01-06

Applicant: 中南大学

Inventor： 阳春华 ,  陈佩 ,  赵于前 ,  张帆 ,  余伶俐

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种融合道路空间先验和区域级特征的弱监督车辆可行域分割方法，能够在自动驾驶复杂场景中解决类别标签与目标区域空间信息错误关联的问题，其具体实施方案为：1)获取数据集与对应标签；2)训练集数据处理；3)构建道路分类模型；4)训练道路分类模型；5)获取道路全局空间权重；6)提取超像素区域级特征；7)融合空间先验和区域级特征的自适应加权聚类；8)车辆可行域图像分割。本发明可通过道路全局空间权重生成方法优化可行域类别标签关联到的目标区域空间信息，提供精准的空间先验，并结合可行域局部相似性提取超像素区域级特征以获取可行域判别表征，从而有效提升弱监督车辆可行域分割的准确性和鲁棒性。

公开(公告)号：CN115100039B

公开(公告)日：2024-04-12

申请号：CN202210736896.4

申请日：2022-06-27

Applicant: 中南大学

Inventor： 赵于前 ,  李明鸿 ,  张帆 ,  阳春华 ,  桂卫华

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的轻量级图像超分辨率重建方法，其实施方案为：1)获取训练数据集；2)扩充训练数据集；3)构建多尺度特征挑选网络；4)构建损失函数；5)训练模型；6)图像超分辨率重建。本发明构建的多尺度特征挑选网络，通过构建多尺度特征挑选模块来提取丰富的多尺度特征，增强网络的表达能力，提升图像超分辨率重建性能。为了提高网络的自适应能力，在多尺度特征挑选模块中，设计多尺度特征融合模块用于融合不同尺度的特征并动态调整感受野范围。相比其他基于深度学习的轻量级图像超分辨率重建方法，本发明能以相对较少的参数获得较为准确的图像超分辨率重建结果，易于部署在现实场景的移动设备中。

公开(公告)号：CN114429607B

公开(公告)日：2024-03-29

申请号：CN202210098849.1

申请日：2022-01-24

Applicant: 中南大学

Inventor： 阳春华 ,  周玮 ,  赵于前 ,  张帆

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明公开了一种基于Transformer的半监督视频目标分割方法，其实现方案为：1)获取数据集与分割标签；2)数据扩充与处理；3)构建分割模型；4)构建损失函数；5)训练分割模型；6)视频目标分割。本发明通过设计时空整合模块压缩时空信息，引入多尺度层生成跨尺度输入特征，构建双分支交叉注意力模块以兼顾目标信息的多个特征。本发明的方法能够在减少计算成本的同时，有效提高对小尺度目标和相似目标的分割精度。

公开(公告)号：CN117315543A

公开(公告)日：2023-12-29

申请号：CN202311338760.9

申请日：2023-10-17

Applicant: 中南大学

Inventor： 赵于前 ,  孟显帅 ,  张帆 ,  阳春华 ,  桂卫华

IPC: G06V20/40 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明公开了一种基于置信度门控时空记忆网络的半监督视频目标分割方法，包括：获取视频分割相关数据集以及对应的分割标签；构建编码器，提取视频图像中所包含的信息；构建置信度门控时空记忆读取模块，过滤历史时空信息中的噪声；构建空洞卷积空间池化金字塔模块，捕捉多尺度的目标特征信息，提升模型的特征识别能力；构建分割解码器，将目标外观信息恢复至高分辨率，得到目标分割结果。本发明方法能够有效减少因目标遮挡或消失对视频目标分割任务带来的影响，进一步提升模型对小目标或相似目标局部特征的识别能力和视频目标分割的准确率。

公开(公告)号：CN117036859A

公开(公告)日：2023-11-10

申请号：CN202311021284.8

申请日：2023-08-15

Applicant: 中南大学

Inventor： 赵于前 ,  王辉 ,  张帆 ,  阳春华 ,  桂卫华

IPC: G06V10/774 ,  G06V10/74 ,  G06V20/70 ,  G06V10/10

Abstract: 本发明公开了一种面向小样本表面缺陷数据集的样本增广方法，主要解决表面缺陷数据集中类别不平衡与样本不足的问题。其实施方案为：1)获取原始数据与人工标签；2)构建样本增广算法；3)样本增广。本发明构建的样本增广方法，采用八邻域描述环境并通过协方差计算环境相似度，实现无语义冲突的跨图像目标复制，解决了类别不平衡问题，实现了缺陷目标的增广。采用缺陷子图与背景子图拼接的方法，将背景子图重新纳入数据集，提升了数据集的样本复杂度，实现了样本增广。

公开(公告)号：CN114429607A

公开(公告)日：2022-05-03

申请号：CN202210098849.1

申请日：2022-01-24

Applicant: 中南大学

Inventor： 阳春华 ,  周玮 ,  赵于前 ,  张帆

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Transformer的半监督视频目标分割方法，其实现方案为：1)获取数据集与分割标签；2)数据扩充与处理；3)构建分割模型；4)构建损失函数；5)训练分割模型；6)视频目标分割。本发明通过设计时空整合模块压缩时空信息，引入多尺度层生成跨尺度输入特征，构建双分支交叉注意力模块以兼顾目标信息的多个特征。本发明的方法能够在减少计算成本的同时，有效提高对小尺度目标和相似目标的分割精度。