-
公开(公告)号：CN113140327B
公开(公告)日：2023-01-03
申请号：CN202110407996.8
申请日：2021-04-15
Applicant: 广东工业大学
IPC: G16H70/40
Abstract: 本发明针对现有药物重新定位技术的局限性，提出了一种药物‑疾病关联预测方法及系统，方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性；同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式，从而获得更加全面的相似特征信息，能够充分反映药物与疾病的关系；并采用二分图扩散方法来计算药物‑疾病关联的预测分数，获得了优良的预测性能。
-
公开(公告)号：CN108596176B
公开(公告)日：2022-02-15
申请号：CN201810414537.0
申请日：2018-05-03
Applicant: 广东工业大学
IPC: G06V10/46
Abstract: 本申请涉及图像处理技术领域，本申请提供了一种对提取的硅藻区域进行硅藻类型识别方法及装置，使得硅藻不需要经过复杂实验手段去除硅藻里面及周围杂质，便可以直接提取成像后的硅藻区域图像。对提取的硅藻区域进行硅藻类型识别方法，包括：获取待识别硅藻的图像；将根据待识别硅藻的图像选择的与待识别硅藻匹配的藻类拟合轮廓边框作为硅藻ROI(region of interest，感兴趣区域)；根据硅藻ROI从待识别硅藻的图像提取待识别硅藻对应的待识别硅藻图像；对待识别硅藻图像进行特征识别确定待识别硅藻的类型。
-
公开(公告)号：CN113432531A
公开(公告)日：2021-09-24
申请号：CN202110694678.4
申请日：2021-06-22
Applicant: 广东工业大学
Abstract: 本发明公开一种瓶胚尺寸测量方法，包括以下步骤，S1：读取瓶胚图像并对瓶胚图像进行图像预处理；S2：以预处理过后的图像的中线为基准把图像划分为左右两个区域；S3：分别求出左边区域图像和右边区域图像的若干波峰值，根据波峰值最大的四个位置，对应瓶胚左右各区域的支撑环、锁环和螺纹的位置；S4：分别求出左边区域图像和右边区域图像的若干波峰上沿位置和瓶口位置；S5：根据左边区域图像和右边区域图像对应位置的坐标，计算对应位置坐标的距离即可得到瓶胚尺寸参数的检测值。该方案可以使瓶胚检测系统在保证测量精度的前提下，大大减少测量时间，简化测量流程，满足线下质检和抽检需求。
-
公开(公告)号：CN113160880A
公开(公告)日：2021-07-23
申请号：CN202110295353.9
申请日：2021-03-19
Applicant: 广东工业大学
Abstract: 本发明提供一种基于高阶接近性和矩阵补全算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：计算lncRNA相似矩阵LS和疾病相似矩阵DS的高阶接近矩阵；S2：获取疾病‑lncRNA邻接矩阵DL，所述疾病‑lncRNA邻接矩阵用于描述lncRNA‑疾病关联关系；S3：构建一个异构性的疾病‑lncRNA关联矩阵，所述疾病‑lncRNA关联矩阵整合了疾病‑lncRNA邻接矩阵DL、lncRNA相似矩阵LS的高阶接近矩阵和疾病相似矩阵DS的高阶接近矩阵；S4：采用矩阵补全法，在所述疾病‑lncRNA关联矩阵中预测lncRNA‑疾病的关联。本发明引入高阶接近性来重构lncRNA和疾病的相似度矩阵，建立一个更好的度量标准来精确描述药物或疾病之间的相似关系，采用构建异构矩阵来利用lncRNA和疾病的相似度信息来辅助预测，实现了更加准确的lncRNA‑疾病的关联预测。
-
公开(公告)号：CN113140327A
公开(公告)日：2021-07-20
申请号：CN202110407996.8
申请日：2021-04-15
Applicant: 广东工业大学
IPC: G16H70/40
Abstract: 本发明针对现有药物重新定位技术的局限性，提出了一种药物‑疾病关联预测方法及系统，方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性；同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式，从而获得更加全面的相似特征信息，能够充分反映药物与疾病的关系；并采用二分图扩散方法来计算药物‑疾病关联的预测分数，获得了优良的预测性能。
-
Patent Agency Ranking
公开(公告)号：CN113096184A
公开(公告)日：2021-07-09
申请号：CN202110327874.8
申请日：2021-03-26
Applicant: 广东工业大学 , 广州市刑事科学技术研究所
Abstract: 本发明提供一种复杂背景下硅藻定位与识别方法，包括以下步骤：S1：收集复杂背景的硅藻图像，制作硅藻数据集；S2：构建融合混合空洞卷积的SSD定位与识别模型；S3：利用硅藻数据集训练所述混合空洞卷积的SSD定位与识别模型；S4：利用训练好的混合空洞卷积的SSD定位与识别模型对复杂背景下的硅藻图像进行定位识别。本发明使用了SSD算法混合空洞卷积的策略，可以在保持感受野大小与原空洞卷积一样的情况下，增大了对信息的利用率，提升了对小目标的物体的检测能力。使用改进后的HDC‑SSD(融合混合洞空卷积的SSD)算法能够很好的解决原SSD算法在小目标和边缘物体上漏检的问题，提升了SSD算法对边缘目标和小目标的检测能力。
-
公开(公告)号：CN112838922A
公开(公告)日：2021-05-25
申请号：CN202110088780.X
申请日：2021-01-22
Applicant: 广东工业大学
Abstract: 本发明提供基于混沌映射和选择性Signcryption的DICOM图像非对称加密方法，包括：输入图像序列并进行多级小波变换处理，获取小波系数；广义双峰混沌系统和三维交织混沌系统生成加密序列、选点序列和置乱序列；根据加密序列对小波系数进行混沌加密；根据选点序列选出部分混沌加密后的小波系数进行ECC加密，同时对原系数序列的MD5hash进行ECC签名，两步合并进行Signcryption，构成ECC签密；对ECC签密后的图像根据置乱序列进行比特级置乱，生成加密图像。以上通过对DICOM图像进行混沌和ECC双重加密处理，提高了图像加密的安全性；同时，对图像进行多级小波变换选取部分数据进行非对称性加密的形式，有效地提高了加密效率，并通过比特级混沌置乱保证部分加密的影响扩展至整个图像。
-
公开(公告)号：CN112164053A
公开(公告)日：2021-01-01
申请号：CN202011058384.4
申请日：2020-09-30
Applicant: 广东工业大学
Abstract: 本申请公开了一种基于缺陷分类的皮革检测方法和相关装置，其中方法包括：响应于皮革检测请求，获取皮革检测终端发送的待检测的皮革图片；将皮革图片输入至预置深度网络模型，得到预置深度网络模型输出的缺陷标记，其中，预置深度网络模型为皮革图片和缺陷标记的映射关系模型；基于缺陷标记，根据缺陷标记和缺陷分类结果的预置对应关系，获取缺陷标记对应的缺陷分类结果；发送缺陷分类结果至皮革检测终端，使得皮革检测终端显示缺陷分类结果，以完成皮革检测。解决了现有的皮革检测方式，检测效率低及检测不够精细的技术问题。
-
公开(公告)号：CN109977780A
公开(公告)日：2019-07-05
申请号：CN201910142605.7
申请日：2019-02-26
Applicant: 广东工业大学
Abstract: 本发明实施例公开了一种基于深度学习算法的硅藻的检测与识别方法，用于解决了硅藻检验过程中因为种类过多和背景复杂而造成的识别效率低、识别不准确的问题。本发明实施例包括以下步骤：S1、获取多种硅藻种类图像，并按照Pascal VOC2007数据集格式制作数据集；S2、通过深度学习目标检测算法训练针对多种硅藻目标的目标检测模型；S3、使用训练好的Faster R‑CNN网络模型来检测待检测图像中的硅藻目标，图像进入Fast R‑CNN网络模型的卷积层中，把最后一个共享卷积层输出的特征图输入RPN网络模型中生成可能存在目标的候选区域，输出这些区域的中心坐标以及宽和高，再将候选区域特征输入Fast R‑CNN中后续的分类及边框回归部分即可得到目标种类和精修过的位置信息。
-
公开(公告)号：CN109886344A
公开(公告)日：2019-06-14
申请号：CN201910141949.6
申请日：2019-02-26
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本申请公开了一种基于深度学习的皮革破损识别方法、系统及一种电子设备和计算机可读存储介质，该方法包括：获取待识别皮革图像；将所述待识别皮革图像输入训练后分类模型中；利用所述训练后分类模型对所述待识别皮革图像进行识别，得到对应的皮革破损类型；其中，所述训练后分类模型为基于深度学习网络预先训练得到的模型。也即，本申请预先训练得到用于对待识别皮革图像进行识别的模型，在后续需要对皮革的破损类型进行识别时，仅需要将待识别图像输入该模型，即可识别得到待识别皮革表面明显破损并进行分类，得到皮革破损类型，显著降低识别时间，且识别准确率高，从而可根据破损类型对当前皮革进行相应的处理，有效地提高了生产效率。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.027 seconds)
