-
公开(公告)号：CN106056602B
公开(公告)日：2019-06-28
申请号：CN201610365605.X
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于CNN的fMRI视觉功能数据目标提取方法，首先被试在复杂场景自然图像刺激下采集到的fMRI视觉功能数据，训练一个由刺激图像到fMRI视觉功能数据的深度卷积神经网络模型，同时训练一个由fMRI视觉功能数据到关注目标类别的线性映射模型；在深度卷积神经网络模型中加入反馈层，将训练好的线性映射模型与其复合，对一幅测试图像中的不同目标类别分别得到类别评分映射；利用类别评分映射，分析被试观看全新测试图像的fMRI视觉功能数据，提取被试所关注的目标。本发明能够对被试观看复杂场景自然图像时所引发的fMRI视觉功能数据进行解析，提取出被试在图像中所关注的目标，提高提取关注目标的准确性。
-
公开(公告)号：CN107898458A
公开(公告)日：2018-04-13
申请号：CN201710946732.3
申请日：2017-10-12
Applicant: 中国人民解放军信息工程大学
IPC: A61B5/0484 , A61B5/00 , G06K9/62
Abstract: 本发明属于人脑与机器视觉融合技术领域，尤其涉及基于图像先验的单试次脑电P300成分检测方法及装置。基于图像先验的单试次脑电P300成分检测方法，包括：计算刺激图像数据集中图像的复杂度，根据复杂度对图像进行排序；对不同复杂度的图像诱发的脑电信号训练分类器；对图像诱发的脑电信号进行评分。基于图像先验的单试次脑电P300成分检测装置，包括：复杂度计算排序模块；训练模块；评分模块。本发明可以根据图像复杂度主动预判P300潜伏期的范围。
-
公开(公告)号：CN106022384A
公开(公告)日：2016-10-12
申请号：CN201610361766.1
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6261 , G06K9/6296
Abstract: 本发明涉及一种基于fMRI视觉功能数据DeconvNet的图像关注目标语义分割方法，通过被试在自然场景图像刺激下采集到的fMRI视觉功能数据，训练深度卷积神经网络模型，将其映射到关注目标类别标签上进行模型优化；构造与优化后的深度卷积神经网络对称的深度网络模型，利用fMRI视觉功能数据及刺激图像相对应的语义分割结果优化该模型参数，获得fMRI视觉功能数据到逐像素语义分割结果的映射；采集被试观看测试图像的fMRI视觉功能数据，确定被试关注目标类别和逐像素语义分割结果，分割出关注目标区域和相应目标语义。本发明对被试观看自然场景图像时所引发的fMRI视觉功能数据进行解析，提取出刺激图像中所有目标类别并获得语义分割结果，提高关注目标提取的准确性。
-
公开(公告)号：CN105825225A
公开(公告)日：2016-08-03
申请号：CN201610139386.3
申请日：2016-03-11
Applicant: 中国人民解放军信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6263 , G06K2209/21
Abstract: 本发明公开了一种机器视觉辅助脑电目标判决的方法，克服了现有技术中，因目标图像的具体含义会导致P300成分潜伏期的变化导致单试次P300检测算法精度下降的问题。该发明步骤（1）、通过脑电信号采集设备收集被试的脑电信号；步骤（2）、确定被试P300成分潜伏期的变化误差；步骤（3）、通过P300成分定位目标图像在图像序列中的位置；步骤（4）、结合步骤（2）中确定的潜伏期变化误差与步骤（3）中单试次检测算法确定的目标图像位置，确定目标备选图像；步骤（5）、使用机器视觉对目标备选图像进行识别归类，并统计图像出现最多的类别作为被试所关注的目标图像类别。该技术具有高准确率、低虚警率。
-
公开(公告)号：CN103279644B
公开(公告)日：2016-04-06
申请号：CN201310153660.9
申请日：2013-04-27
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明涉及一种fMRI头动的实时监测与反馈方法，含有下列步骤：步骤1：将数据处理终端与MRI系统的主控机用网络连接在一起；步骤2：数据处理终端对主控机中的fMRI数据的存储目录进行监控；步骤3：头动参数计算：数据处理终端实时读取主控机中的DICOM格式的文件，并采用经典的刚体变换方法进行头动校正，最终得出六个头动参数；步骤4：进行头动参数显示：数据处理终端将步骤3中得出的六个头动参数以图表的形式显示出来；步骤5：头动视觉反馈：数据处理终端将步骤3中得出的六个头动参数分别映射到对应的坐标系中，并沿着坐标方向设置指示进度条；本发明可提高fMRI的数据质量。
-
Patent Agency Ranking
公开(公告)号：CN106022384B
公开(公告)日：2019-07-12
申请号：CN201610361766.1
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于fMRI视觉功能数据DeconvNet的图像关注目标语义分割方法，通过被试在自然场景图像刺激下采集到的fMRI视觉功能数据，训练深度卷积神经网络模型，将其映射到关注目标类别标签上进行模型优化；构造与优化后的深度卷积神经网络对称的深度网络模型，利用fMRI视觉功能数据及刺激图像相对应的语义分割结果优化该模型参数，获得fMRI视觉功能数据到逐像素语义分割结果的映射；采集被试观看测试图像的fMRI视觉功能数据，确定被试关注目标类别和逐像素语义分割结果，分割出关注目标区域和相应目标语义。本发明对被试观看自然场景图像时所引发的fMRI视觉功能数据进行解析，提取出刺激图像中所有目标类别并获得语义分割结果，提高关注目标提取的准确性。
-
公开(公告)号：CN105873129B
公开(公告)日：2018-12-18
申请号：CN201610175992.0
申请日：2016-03-24
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明涉及一种多节点协作的传感器网络缺失值重构方法，包括：根据目标节点O和邻居节点A的空间相关性，得到邻居节点A关于目标节点O缺失值的意见：目标节点O缺失值的论断为x″(On+1)，意见为{b，u，a}；类似的，分别计算目标节点O的其它邻居节点关于缺失值的论断及对应意见；综合目标节点O的多个邻居节点的论断和对应意见，得到最终意见及对应的论断集合；期望ei为论断xi出现的概率，对期望ei进行基于权重的合并，还原目标节点O的缺失值x″(On++1)。本发明充分利用传感器节点感知数据存在时间相关性和空间相关性特点，客观量化每个邻居节点关于目标节点缺失值的意见，并且准确的融合多个邻居节点的意见，使还原的缺失值误差减少，不需要用户过多参与，鲁棒性更强，还原准确率更高。
-
公开(公告)号：CN106056602A
公开(公告)日：2016-10-26
申请号：CN201610365605.X
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10088 , G06T2207/20081
Abstract: 本发明涉及一种基于CNN的fMRI视觉功能数据目标提取方法，首先被试在复杂场景自然图像刺激下采集到的fMRI视觉功能数据，训练一个由刺激图像到fMRI视觉功能数据的深度卷积神经网络模型，同时训练一个由fMRI视觉功能数据到关注目标类别的线性映射模型；在深度卷积神经网络模型中加入反馈层，将训练好的线性映射模型与其复合，对一幅测试图像中的不同目标类别分别得到类别评分映射；利用类别评分映射，分析被试观看全新测试图像的fMRI视觉功能数据，提取被试所关注的目标。本发明能够对被试观看复杂场景自然图像时所引发的fMRI视觉功能数据进行解析，提取出被试在图像中所关注的目标，提高提取关注目标的准确性。
-
公开(公告)号：CN105873129A
公开(公告)日：2016-08-17
申请号：CN201610175992.0
申请日：2016-03-24
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明涉及一种多节点协作的传感器网络缺失值重构方法，包括：根据目标节点O和邻居节点A的空间相关性，得到邻居节点A关于目标节点O缺失值的意见：目标节点O缺失值的论断为x″(On+1)，意见为{b，u，a}；类似的，分别计算目标节点O的其它邻居节点关于缺失值的论断及对应意见；综合目标节点O的多个邻居节点的论断和对应意见，得到最终意见及对应的论断集合；期望ei为论断xi出现的概率，对期望ei进行基于权重的合并，还原目标节点O的缺失值x″(On++1)。本发明充分利用传感器节点感知数据存在时间相关性和空间相关性特点，客观量化每个邻居节点关于目标节点缺失值的意见，并且准确的融合多个邻居节点的意见，使还原的缺失值误差减少，不需要用户过多参与，鲁棒性更强，还原准确率更高。
-
公开(公告)号：CN103823984A
公开(公告)日：2014-05-28
申请号：CN201410076298.4
申请日：2014-03-04
Applicant: 中国人民解放军信息工程大学
IPC: G06F19/00
Abstract: 本发明涉及一种脑网络动态差异实时度量方法，含有如下步骤：步骤1：针对某一被试对象获取fMRI训练数据，根据该fMRI训练数据计算脑网络的两个待比较DCM模型；步骤2：根据两个待比较DCM模型定义参考模型；步骤3：计算两个待比较DCM模型的先验分布；步骤4：参考模型后验参数估计；步骤5：计算脑网络动态差异值，并输出计算结果；步骤6：判断是否有新的fMRI实时数据y；如有，执行步骤7；如没有，执行步骤8；步骤7：获取下一个时刻的fMRI实时数据y，然后，执行步骤4；步骤8：结束。本发明速度快，可实现脑网络动态差异的实时度量。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.044 seconds)
