-
公开(公告)号：CN117122303A
公开(公告)日：2023-11-28
申请号：CN202311394088.5
申请日：2023-10-26
Applicant: 烟台大学
Abstract: 本发明涉及图像处理技术领域，具体为一种脑网络的预测方法、系统、设备和存储介质，该预测方法通过对T1加权成像的影像组学特征和形态学脑网络进行线性处理、特征提取和残差连接处理等，得到的深度特征矩阵进行皮尔逊相关性处理后，与初始的形态学脑网络继续进行线性处理、特征提取、残差连接、多线性变化处理等，得到节点特征和网络拓扑信息丰富的预测功能连通性网络，从而更好地预测学习大脑功能连通性网络的拓扑结构和连接强度值，实现了T1加权成像形态学脑网络到功能磁共振成像功能连接网络的准确预测，得到真实性更高的预测结果，增强了结构核磁共振成像和功能磁共振成像在临床实践中的应用，对脑科学研究具有重要意义。
-
公开(公告)号：CN115294548A
公开(公告)日：2022-11-04
申请号：CN202210897544.7
申请日：2022-07-28
Applicant: 烟台大学
IPC: G06V20/58 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于行方向上位置选择和分类方法的车道线检测方法，该方法能够采用基于ResNet的特征提取模块提取车道线浅层的特征，并结合CBAM注意力机制使模型关注重要特征，采用辅助分割模块，在训练过程增加分割任务，增强视觉特征，最后采用基于行锚点的分类模块将车道图像分为一个个特征块，并检测特征块是否包含车道线，实现了车道线的检测，本发明涉及智能交通技术领域。
-
公开(公告)号：CN113869280A
公开(公告)日：2021-12-31
申请号：CN202111226015.6
申请日：2021-10-21
Applicant: 烟台大学
Abstract: 本发明公开了一种基于Ncut的车辆特征点轨迹聚类方法，该方法能够利用Ncut准则针对车辆目标轨迹数据进行聚类，基于给定的轨迹集建立了无向图TG，并通过对车辆目标刚性运动特性的分析，利用其3D轨迹特征构造了对应的相似矩阵，实现了车辆特征点的轨迹聚类。
-
公开(公告)号：CN119360124A
公开(公告)日：2025-01-24
申请号：CN202411688405.9
申请日：2024-11-25
Applicant: 烟台大学
IPC: G06V10/764 , G06T7/11 , G06F17/10 , G06V10/74 , G06T3/4038 , G06T5/50 , G06N3/0464 , G06N3/042 , G06N3/045 , G06V10/82 , G06T7/00
Abstract: 本发明涉及脑龄预测、图像数据处理技术领域，具体为一种基于多模态信息融合的脑龄预测方法、系统、装置和介质，对预处理后的图像进行多尺度增强处理，结合多尺度特征和空间注意力信息，得到脑图像特征图，对脑区节点特征矩阵和邻接特征矩阵分别使用不同的特征提取方式，其中使用若干个不同的图卷积进行并行卷积处理提取脑区节点特征，使用边卷积处理、行卷积列卷积处理组合的方式提取邻接特征，拼接后得到脑影像组学特征图，并进一步对脑图像特征图和脑影像组学特征图进行特征拼接和跨模态特征融合处理，实现对大脑年龄的精准预测。
-
公开(公告)号：CN118863468B
公开(公告)日：2024-12-06
申请号：CN202411320580.2
申请日：2024-09-23
Applicant: 烟台大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/006 , G06N20/00
Abstract: 本发明属于众包任务分配技术领域，具体涉及极限学习机协同樽海鞘群优化算法的任务分配方法、系统，基于工作者和任务的属性，构建目标函数，依次经三个阶段任务分配，得到使目标函数最大化的众包任务分配方案，其中，第一阶段分配中，将多维众包任务分配优化问题转化为一维优化问题，经樽海鞘群优化算法得到第一阶段分配结果；第二阶段分配中，将相关性高的维度合并为一个种群，经樽海鞘群优化算法或训练后的极限学习机进行更新，得到第二阶段分配结果；第三阶段分配中，经训练后的极限学习机或局部聚集法进行更新，得到第三阶段分配结果，即最优任务分配方案，最大化完成任务数量的期望。
-
Patent Agency Ranking
公开(公告)号：CN117853858B
公开(公告)日：2024-11-08
申请号：CN202410256686.4
申请日：2024-03-07
Applicant: 烟台大学
IPC: G06V10/80 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/764
Abstract: 本发明涉及图像处理技术领域，具体为基于全局和局部信息的磁共振图像合成方法、系统和设备；该合成方法，首先将含有不同序列的磁共振成像数据转化为二维切片图；然后，基于最大池化、平均池化和卷积等处理获取二维切片图的局部特征，并基于空间线性投影处理和通道线性投影处理获取二维切片图的全局特征后，将二维切片图的局部特征和全局特征进行融合，得到切片融合特征图，并将切片融合特征图进行特征提取处理，得到初始磁共振图像合成图；最后，根据细节特征提取后的初始磁共振图像合成图与标准磁共振图像之间的相似度，获取初始磁共振图像合成图的评分，并通过控制评分与准特征图的标签值的差值大小，得到高质量的磁共振图像合成结果。
-
公开(公告)号：CN118799603A
公开(公告)日：2024-10-18
申请号：CN202411280700.0
申请日：2024-09-13
Applicant: 烟台大学
IPC: G06V10/762 , G06V10/82 , G06V10/44 , G06N3/0455
Abstract: 本发明涉及数据挖掘技术领域，尤其是涉及一种基于深度学习的不完全多视图聚类方法及系统。一种基于深度学习的不完全多视图聚类方法包括S1.获取跨视图训练集，包括完整数据集和不完整数据集；S2.构建聚类模型，包括编码器网络和解码器网络；S3.利用聚类模型对跨视图训练集进行特征提取和重构，并计算重构损失，对重构损失进行优化；S4.基于重构损失，分别利用完整数据集和不完整数据集对聚类模型进行训练；S5.利用训练好的聚类模型进行预测。本发明解决了对完整和不完整数据通过有效双层操作来提高聚类精度的问题。
-
公开(公告)号：CN118411443B
公开(公告)日：2024-09-24
申请号：CN202410873821.X
申请日：2024-07-02
Applicant: 烟台大学
IPC: G06T11/00 , G06T5/70 , G06T7/33 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明属于医学图像生成技术领域，具体涉及基于DR图像的CT图像生成方法、系统、装置、介质，使用CT图像数据合成DR图像数据，将合成的DR图像数据与DR图像数据进行配准，使用配准的DR图像数据与CT图像数据进行模型训练，以提高训练精度；采用跨维度注意力增强处理、多模态特征融合处理、非平衡多模态注意力增强处理，充分利用DR图像的浅层与深层特征，以合成高精度CT图像。
-
公开(公告)号：CN118333910B
公开(公告)日：2024-08-09
申请号：CN202410756697.9
申请日：2024-06-13
Applicant: 烟台大学
IPC: G06T5/77 , G06V40/16 , G06V10/774
Abstract: 本发明属于图像的复原技术领域，具体涉及一种人脸图像修复方法、系统、装置、介质，通过对人脸图像数据进行压缩感知处理后，依次进行正向扩散加噪及基于文字条件约束的逆向去噪处理，得到自定义的初步修复图像，再以训练后的第二模型为导向，对人脸部位的细节进行优化，从而获得可控、多元化和高保真的人脸图像。
-
公开(公告)号：CN118298069B
公开(公告)日：2024-08-06
申请号：CN202410725853.5
申请日：2024-06-06
Applicant: 烟台大学
Abstract: 本申请涉及图像数据处理技术领域，具体为一种PET合成图的获取方法、系统、设备和存储介质，首先将CT图进行多次下采样和全局特征提取处理，提取CT图中的全局细节特征；然后通过将CT全局特征图与配准PET图的全局相似度与第一相似度阈值进行对比，根据对比结果，对CT全局特征图执行不同的特征增强处理；随后，获取CT图的局部特征，并将全局特征和局部特征进行融合和上采样处理，得到初始合成图；最后，提取初始合成图或CT全局特征图、和配准PET图的病灶特征表达能力后，基于交叉熵损失，控制初始合成图或CT全局特征图的病灶特征表达能力更接近配准PET特征图，从而满足合成要求，得到PET合成图；该方法合成结果质量高，合成稳定性好。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.063 seconds)
