-
公开(公告)号：CN114176518A
公开(公告)日：2022-03-15
申请号：CN202111477923.2
申请日：2021-12-06
Applicant: 大连理工大学
Abstract: 一种提高CNN分类性能的复数fMRI数据空间成分相位反校正方法，属于生物医学信号处理领域。根据感兴趣成分时间过程的实部能量最大化计算旋转角；在保持BOLD信号小相位变化特性且最大相位变化仍然是π/4的条件下，将空间成分相位值的基线从0度变换为π，从而使SSP图的相位值变为大值，与背景噪声完全分离，最后送入CNN分类，实现对病人与健康人分类性能的改进。本发明对被试的复数静息态fMRI数据进行精神分裂症患者和健康对照被试分类，挑选出DMN作为感兴趣成分，进行相位反校正及消噪，然后获取SSP图切片，建立样本集送入2D‑CNN分类。相比于相位正校正所获取SSP图的分类准确率，本发明能够将切片分类准确率提高25.5％。
-
公开(公告)号：CN109948529B
公开(公告)日：2022-02-15
申请号：CN201910205693.0
申请日：2019-03-18
Applicant: 大连理工大学
IPC: G06T11/00
Abstract: 本发明公开了一种fMRI数据空间源相位从实数域到复数域的映射方法，属于生物医学信号处理领域。首先，对fMRI实数域相位数据进行空间ICA分离，根据感兴趣成分的空间参考网络对ICA得到的源成分做极性校正，选取感兴趣成分；接着，选取感兴趣成分的空间源相位，对其做取正值和空间平滑预处理；然后，估计空间源相位值的分布直方图，生成对称化的数据点，并求取拟合这些数据点的函数；最后，将拟合函数的值域变换到[0,π]得到映射函数，并将其用于空间源相位从实数域到复数域的映射。本发明将复数域空间源相位的消噪优势推广到了实数域，克服了传统阈值消噪法的性能劣势，为fMRI数据分析的后处理消噪提供了新的手段。
-
公开(公告)号：CN107945196B
公开(公告)日：2021-07-06
申请号：CN201711352536.X
申请日：2017-12-15
Applicant: 大连理工大学
Abstract: 本发明一种用于航拍校正图像拼接的图像边沿检测方法，属于计算机视觉领域。无人机非理想的俯仰角、翻滚角等信息会造成航拍图像的非线性畸变，而通过几何校正后，校正图像边沿会产生大量无规则的噪点。在多幅航拍图像进行拼接形成一张无缝的大场景图像时，若直接对每幅航拍校正图像进行裁剪，将裁去大量有效信息，不裁剪则会产生明显的拼接噪点。本发明对存在边沿噪声的航拍校正图像进行两次边沿检测，以一定的规则区分无效像素与有效像素，确定边沿噪声带。在校正图像拼接时，只需剪裁掉此噪声带，即可避免拼接噪声，同时又最大限度地保留了图像的有效场景。
-
公开(公告)号：CN110870770A
公开(公告)日：2020-03-10
申请号：CN201911144802.9
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA-CNN分类的fMRI空间激活图平滑增广方法，属于生物医学信号处理领域。首先对ICA分离得到的fMRI空间激活图施加三维空间平滑，增广生成新的样本集，然后送入CNN进行分类，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对ICA分离得到空间激活图进行空间平滑，生成三组样本集，然后送入CNN进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高5.76％；若将二者进行结合，能够将分类准确率提高21.33％。因此本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN110335682A
公开(公告)日：2019-10-15
申请号：CN201910509773.5
申请日：2019-06-13
Applicant: 大连理工大学
Abstract: 一种实部虚部联合的复数fMRI数据稀疏表示方法，属于生物医学信号处理领域。将fMRI复数数据分成实部和虚部两部分，生成实部虚部联合数据；利用稀疏表示算法分离联合数据，得到一系列SM成分；根据感兴趣成分的空间参考网络，基于相关系数绝对值最大化原则选取感兴趣成分索引，并做极性校正；最后，输出感兴趣成分的SM成分。与广泛应用的幅值fMRI数据稀疏表示方法相比，本发明能提取更多有意义的激活体素。例如，针对16被试任务态复数fMRI数据，本发明所估计的任务相关成分多提取了87％的激活体素。本发明能够有效分析完备的fMRI数据，获得更加全面的脑功能信息，在脑功能研究和脑疾病诊断方面有着良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110110776A
公开(公告)日：2019-08-09
申请号：CN201910350137.2
申请日：2019-04-28
Applicant: 大连理工大学
Abstract: 本发明公开了一种病人与健康人的静息态复数fMRI数据ICA-CNN分类框架，属于生物医学信号处理领域。本发明以ICA从静息态复数fMRI数据中分离得到的感兴趣功能网络为研究对象，利用参数较少的2D CNN学习特征，实现病人与健康人分类；利用在多组模型阶数下获取的ICA结果进行数据增广，解决fMRI数据短缺的问题。与已有的3D CNN网络相比，既减少了训练量，又提高了准确率。例如，针对82被试静息状态下采集的复数fMRI数据，应用ICA提取到的DMN成分，切片识别准确率比3D CNN高(0.728vs 0.701)，并且由被试决策后得到的被试识别准确率进一步提高(0.914vs 0.701)。
-
公开(公告)号：CN109410264A
公开(公告)日：2019-03-01
申请号：CN201811144951.0
申请日：2018-09-29
Applicant: 大连理工大学
Abstract: 一种基于激光点云与图像融合的前方车辆距离测量方法，属于多传感器信息融合领域。首先，利用激光点云与相机图像之间的映射关系，将3D激光点云映射为二维图像。其次，根据相机图像中所识别的车辆ROI，对激光点云映射的图像进行筛选。接着，经过图像—激光点云映射，得到筛选后车辆ROI对应的激光点云。利用双目图像检测的前方车辆距离进行约束，再次筛选对应车辆的激光点云。然后，对车辆点云进行聚类，进一步去除非车辆点云。最后，使用聚类出的车辆点云计算前方车辆的距离。测试结果表明，激光点云与图像融合方法测得的距离平均误差较之双目图像方法减小近一半，均方差也有所降低。因此，本发明方法较之双目图像方法测距更精确、更稳定。
-
公开(公告)号：CN107247953A
公开(公告)日：2017-10-13
申请号：CN201710389384.4
申请日：2017-05-31
Applicant: 大连理工大学
Abstract: 一种基于边缘率的特征点类型选择方法，属于计算机视觉领域。本发明在特征点检测之前，对图像进行结构信息检测与分类，为选用适合图像的特征点类型(斑点或角点)提供依据，解决由于特征点不适合而造成的匹配性能下降甚至失败的问题。对于一幅待匹配图像，利用Canny边缘检测算法计算图像边缘，然后计算边缘率，最后根据边缘率与高低阈值的关系对该图像进行分类：如果边缘率大于高阈值，说明图像结构信息非常明显，采用角点特征；如果边缘率小于低阈值，说明图像结构信息非常不明显，采用斑点特征；如果边缘率介于高低阈值之间，图像特征不明显，斑点或角点皆可使用。本发明快速有效，与现有图像匹配算法相结合，可实现性能更优的图像匹配。
-
公开(公告)号：CN105912851A
公开(公告)日：2016-08-31
申请号：CN201610218145.8
申请日：2016-04-07
Applicant: 大连理工大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 一种利用PCA和非环形特性估计复数fMRI数据模型阶数的方法，属于生物医学信号处理领域。先对复数fMRI数据进行连续主成分数的PCA消噪，再计算消噪数据的非环形度量DOI，得到DOI曲线并进行必要的调整，最后采用SORTE准则检测DOI曲线的拐点，该拐点对应的PCA成分数即为所估计模型阶数。本发明利用了完整的复数fMRI数据，能估计出更高更准确的模型阶数，进而分离更多更好的空时成分。在敲击手指任务下采集的复数fMRI数据的ICA分析中，本发明估计阶数下获取的单被试SM和TC与参考信号的相关系数最大可提高202.42％和51.89％以及123.15％和431.30％(DMN)。
-
公开(公告)号：CN103961103B
公开(公告)日：2015-12-30
申请号：CN201410189199.7
申请日：2014-05-07
Applicant: 大连理工大学
IPC: A61B5/055
Abstract: 一种对复数fMRI数据的ICA估计成分进行相位校正的方法，属于复数fMRI数据分析领域。基于ICA所估计的时间过程成分估计相位角θk，对具有相位模糊性的ICA估计成分和进行初步的相位校正，得到和然后采用易于获取的先验信息和相关系数法，对初步的相位校正信号和进行符号模糊性检测和去除。由于较之具有更大的非环形度，本发明能够避免高幅值噪声体素的错误影响。由于利用了先验信息，能够准确地检测并消除符号模糊性。当对运动刺激下采集的16被试复数fMRI数据的ICA估计成分进行相位校正时，基于方法的正确率只有81.25％，而本发明的正确率为100％，是多被试复数fMRI数据ICA分析的保障。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.022 seconds)
