-
公开(公告)号:CN117542521A
公开(公告)日:2024-02-09
申请号:CN202311566464.4
申请日:2023-11-22
Applicant: 北京启丹医疗科技有限公司 , 安徽大学
IPC: G16H50/30 , G16H30/20 , G16H10/60 , G06N3/0455 , G06N3/0442 , G06T7/33
Abstract: 本发明提供基于有限脑部MRI数据的胶质瘤复发预测方法及系统,方法包括:获取并预处理术前MRI数据、复查MRI数据,得到MRI图像数据集,构建并利用MRI配准模型,处理得到术前MRI图像速度场、复查MRI图像速度场,以生成时间间隔图像;构建时序图像预测网络,其中,时序图像预测网络包括:门控循环单元GRU、Transformer模块,求取Transformer模块的查询参数Query、键Key以及值参数Value,据以计算权重,根据权重与值参数Value,进行加权求和,得到图像有效特征,据以编码得到特征向量xt,以利用门控循环单元GRU处理得到预期存活时间。本发明解决了脑部胶质患者生存期预测操作可靠性及准确性差、病灶动态变化捕捉不准确的技术问题。
-
公开(公告)号:CN109859817B
公开(公告)日:2022-12-09
申请号:CN201910256615.3
申请日:2019-04-01
Applicant: 安徽大学
Abstract: 本发明公开一种食管放射治疗计划中风险器官剂量学评估方法,包括以下步骤:集食管癌病人的VMAT计划数据信息,得到DTH;对DTH的几何特征向量进行降维,得降维后的几何特征向量;建立深度置信网络模型,并完成深度置信网络模型的训练;非线性地拟合剂量特征向量和降维后几何特征向量之间的相关性,得到与降维后的几何特征向量的维度相同的剂量特征向量;通过自动编码器结构的解码层将从步骤五的剂量特征向量重构,得到与降维前的几何特征向量的维度相同的剂量特征向量,最终得到预测危险器官的DVH。本发明还公开一种食管放射治疗计划中风险器官剂量学评估系统。本发明具有显著缩短制定食管癌放疗计划时间以达到减轻物理放疗师的负担的优点。
-
公开(公告)号:CN114595772A
公开(公告)日:2022-06-07
申请号:CN202210236093.2
申请日:2022-03-11
Applicant: 安徽大学
Abstract: 本发明公开一种基于Transformer融合模型的婴儿哭声分类方法;通过音频处理模块对输入的音频样本进行变换,得到音频的频谱图;将得到的频谱图通过预训练的Resnet‑50模型,得到频谱图特征;将得到的频谱图特征分别输入至频谱图增强模块和注意力机制模块,分别提取出数据增强后的特征表示和通道内和通道之间的可区分性特征表示;通过Transformer融合模块对双线性生成的特征表示进行融合,突出有用信息,抑制冗余信息,进一步增强特征图的表征能力;将融合后的特征图用于婴儿哭声分类,通过多次迭代训练得到最后分类结果。
-
公开(公告)号:CN110251076B
公开(公告)日:2021-10-22
申请号:CN201910542767.X
申请日:2019-06-21
Applicant: 安徽大学
Abstract: 本发明涉及一种融合视觉注意力基于对比度的显著性检测方法,步骤如下:S1、组建一个新的眼动数据集,并获取人眼注视图,对人眼注视图进行归一化处理;S2、在色彩空间中,获取显著性颜色的分量与显著性注意力的最大互信息系数;S3、在色彩空间中,对每个色彩通道的颜色种类进行量化;S4、在量化后的色彩通道中,根据所述最大互信息系数设置颜色权重,计算像素的显著性。本发明还公开了一种融合视觉注意力基于对比度的显著性检测装置。本发明的能够克服现有基于色彩信息的注意力预测模型的不足,基于自然界全彩色颜色对人眼注意力的引导性不同,本方法能够凸显不同色彩对注意力的影响,有助于符合人眼感知的注意力预测。
-
公开(公告)号:CN106971544B
公开(公告)日:2019-07-16
申请号:CN201710339106.8
申请日:2017-05-15
IPC: G08G1/01
Abstract: 本发明公开了一种直接利用静态图像来检测车辆拥堵的方法,其包括步骤:数据预处理;多任务卷积神经网络训练;检测图像;车辆排队长度及拥堵判定。通过数据预处理确定图像视角、车辆数和车辆密集度。将样本图像通过原始RGB图像转换后的灰色图像和光照不变图像,作为多任务卷积神经网络的输入,来训练多任务卷积神经网络,对图像视角、车辆数和车辆密集度并行进行训练。将待检测图像输入训练后的多任务卷积神经网络,得到与待检测图像相对应的图像视角、车辆数和车辆密集度或其组合信息。根据图像视角、车辆数和车辆密集度综合判断车辆拥堵情况。本发明不需要识别车辆移动过程,直接利用静态图像即可得到车辆数目实现拥堵检测的判定。
-
公开(公告)号:CN106971544A
公开(公告)日:2017-07-21
申请号:CN201710339106.8
申请日:2017-05-15
IPC: G08G1/01
CPC classification number: G08G1/0133
Abstract: 本发明公开了一种直接利用静态图像来检测车辆拥堵的方法,其包括步骤:数据预处理;多任务卷积神经网络训练;检测图像;车辆排队长度及拥堵判定。通过数据预处理确定图像视角、车辆数和车辆密集度。将样本图像通过原始RGB图像转换后的灰色图像和光照不变图像,作为多任务卷积神经网络的输入,来训练多任务卷积神经网络,对图像视角、车辆数和车辆密集度并行进行训练。将待检测图像输入训练后的多任务卷积神经网络,得到与待检测图像相对应的图像视角、车辆数和车辆密集度或其组合信息。根据图像视角、车辆数和车辆密集度综合判断车辆拥堵情况。本发明不需要识别车辆移动过程,直接利用静态图像即可得到车辆数目实现拥堵检测的判定。
-
公开(公告)号:CN119290918B
公开(公告)日:2025-03-18
申请号:CN202411845727.X
申请日:2024-12-16
Applicant: 安徽大学
Abstract: 本发明属于工业型材检测技术领域,具体公开了基于计算机视觉的工业型材缺陷检测装置,包括工作台,所述工作台的顶部固定连接有支撑架,所述工作台的一侧设置有工业计算机,所述工作台的顶部固定连接有均匀分布的支撑台;通过设置第一检测组件,启动电动推杆带动安装板移动至型材内部凹槽的开设高度处,并通过启动线性滑轨能够通过电动推杆带动安装板同步移动,使其能够移动至型材内部凹槽内,在此过程中通过启动第一LED灯能够对型材表面进行补光,在此过程中第一LED灯光线经过反光板反射后形成的光路,能够对型材内部凹槽的死角进行补光,以便于第二工业相机对型材内部凹槽的死角进行拍摄,避免了传统型材检测过程中死角处拍摄效果较差的情况。
-
公开(公告)号:CN118072530B
公开(公告)日:2024-11-12
申请号:CN202410182885.5
申请日:2024-02-19
Applicant: 安徽大学 , 安徽超远信息技术有限公司
Abstract: 本发明公开了一种用于高速公路的车辆异常行为监测系统,包括移动监测端和监测管理端,监测管理端包括:云信息库、预处理单元、对比提取单元、处理分析单元和监管处理单元;涉及公路监测技术领域,本发明,通过移动监测端和采集触发模块的设计,实现在高速公路上任意位置获取目标车辆视频,减少数据冗余并节能,利用预处理单元、对比提取单元和处理分析单元自动化识别异常行为,监测管理端可以实时分析视频,及时发现异常,提高道路安全,提供两种安装方式增加适用性,移动监测端与ETC卡或CPC卡一体设置简化使用,监管处理单元依据异常信号支持交通管理和执法,提升道路管理水平。
-
公开(公告)号:CN118300937A
公开(公告)日:2024-07-05
申请号:CN202410393852.5
申请日:2024-04-02
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种可抗频偏和相噪的超奈奎斯特系统打包率估计方法,包括:基于超奈奎斯特系统及传输帧,构建以仿真传输帧处理及传输过程的传输仿真模型;获取若干个假定下采样因子,将假定下采样因子分别输入传输仿真模型,得到下采样符号,基于下采样符号得到若干个下采样后的导频块,对若干个下采样后的导频块及传输导频块进行非相干相关差分后验累加处理,生成若干个判决值;提取数值最大的判决值对应的假定下采样因子,根据提取的假定下采样因子,得到超奈奎斯特系统对应的打包率。通过上述技术方案,本发明可以有效抵抗频偏和相噪,提高超奈奎斯特系统的打包率估计精度。
-
公开(公告)号:CN107886064B
公开(公告)日:2021-10-22
申请号:CN201711078847.1
申请日:2017-11-06
Applicant: 安徽大学
Abstract: 一种基于卷积神经网络的人脸识别场景适应的方法,包括:1)收集人脸数据并做好分类标签,对数据做预处理和增强,分成训练集和验证集;2)将训练集数据送入设计好的卷积神经网络进行训练,得到预训练模型;3)用验证集数据测试预训练模型,根据测试结果调整训练参数重新训练;4)重复3)获得最佳预训练模型;5)根据不同应用场景收集人脸图像数据,在新收集的数据上微调预训练模型,得到新的适应场景的模型;6)用适应场景模型对待测试人脸图像提取特征,对特征中人脸五官部分做加权操作,得到最终特征向量;7)用余弦距离度量最终特征向量,判断是否是目标人脸,输出结果。本发明的优点:保证了人脸识别的准确性及模型的场景适应性。
-
-
-
-
-
-
-
-
-