-
公开(公告)号：CN116563284B
公开(公告)日：2023-11-07
申请号：CN202310835135.9
申请日：2023-07-10
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明公开了定量描述MRI中脑胶质瘤特征边界变化评估指标的系统，包括：图像预处理模块、MSC度量值计算模块、有效性评估模块和预测性评估模块。所述图像预处理模块将获取的脑胶质瘤数据进行去噪和去除孤立体素并填充处理；所述MSC度量值计算模块构建肿瘤的边界划分采样，设计计算脑胶质瘤的边界清晰度系数的模型；所述有效性评估模块利用Bland‑Altman检验和卡方检验分析评估MSC的准确性；所述预测性评估模块通过脑胶质瘤边界清晰度系数验证脑胶质瘤的侵袭性，结合机器学习线性回归、Cochran‑Armitage趋势卡方检验以及皮尔逊相关系数来评估MSC的预测性能。本发明可以满足在计算脑胶质瘤边界清晰度的同时，进一步的了解MSC与脑胶质瘤的侵袭之间的关系。
-
公开(公告)号：CN116612288A
公开(公告)日：2023-08-18
申请号：CN202310884464.2
申请日：2023-07-19
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明公开了一种多尺度轻量级实时语义分割方法、系统，该方法包括对互联网上公开的图像数据集进行预处理；构建基于下采样模块和轻量化可分离非对称残差模块的编码器主干网络，生成编码器主干网络浅层、中间层和最深层特征图；将浅层、中间层和最深层特征图分别输入到轻量化注意力模块中，生成增强的特征图；将中间层和最深层特征图分别输入到轻量化物体上下文特征融合模块中并进行上采样操作，生成二倍增强的区域上下文信息特征图；将增强的浅层特征图和二倍增强的区域上下文信息特征图进行连接、池化、上采样操作，生成最终网络分割结果。本发明改善了传统语义分割网络模型体量过大、在算力资源有限的移动平台上平衡分割精度和实现效率的问题。
-
公开(公告)号：CN116524419A
公开(公告)日：2023-08-01
申请号：CN202310802044.5
申请日：2023-07-03
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V10/80 , G06N3/048
Abstract: 本发明公开了基于时空解耦与自注意力差分LSTM的视频预测方法、系统，该方法包括：引入对抗性损失约束和相似性约束构建时空解耦网络，获得视频的解耦特征；利用差分运算设计动态差分模型，替换传统LSTM单元的遗忘门；在注意力基础上设计一个门控机制，将长时记忆与被注意的特征深度融合，组建新的全局自注意力模型；结合动态差分模型和全局自注意力模型，组建DISA‑LSTM单元，并使用对角循环体系结构堆叠该单元，构建DISA‑LSTM预测网络；基于卷积自编码器搭建网络整体架构，并联合损失函数训练模型。本发明有效提高了网络捕获高维动态复杂特征的能力和视频预测的精确性，降低了高维视频数据给预测工作带来的复杂程度。
-
公开(公告)号：CN117292361A
公开(公告)日：2023-12-26
申请号：CN202311590545.8
申请日：2023-11-27
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于进化动态图卷积的车辆轨迹长时精细预测方法，通过进化空间图卷积更多关注动态图中的空间信息相关性提取，之后使用基于CNN的时间特征提取模块进行同一车辆随时间变化的时间特征相关性。然而由于两个模块是分步骤的，最后加入了GRU编码解码模块，与LSTM相比加快了模型训练速度，同时GRU融合了空间相关性以及时间相关性，加强了分步特征提取的低耦合性。预测结果显示，本发明参数量大幅减少，预测时间显著缩短，预测精度明显提高，在长时间轨迹预测场景中也有非常好的表现，充分证明了该方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN117152657A
公开(公告)日：2023-12-01
申请号：CN202311067149.7
申请日：2023-08-23
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
IPC: G06V20/40 , G06V10/44 , G06V10/86 , G06N3/0442 , G06T3/40
Abstract: 本发明公开了一种结合时空记忆特征和运动感知的视频预测方法、系统，包括：在标准门控循环单元的基础上，添加调制门，利用调制门和重置门协同作用控制遗忘信息；引入时空记忆和注意力机制设计时空注意融合单元；在梯度高速公路单元的基础上引入运动感知，提出运动梯度高速公路单元，获得帧间的瞬态变化和运动趋势；将时空注意融合单元与运动高速公路调制单元协同工作，构建新型循环神经网络，实现对视频的预测。本发明减少了特征提取过程信息的丢失以及梯度消失问题的影响，获得多粒度的时空特征和运动信息，大大提高视频的预测精度和效率。
-
公开(公告)号：CN116612288B
公开(公告)日：2023-11-07
申请号：CN202310884464.2
申请日：2023-07-19
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明公开了一种多尺度轻量级实时语义分割方法、系统，该方法包括对互联网上公开的图像数据集进行预处理；构建基于下采样模块和轻量化可分离非对称残差模块的编码器主干网络，生成编码器主干网络浅层、中间层和最深层特征图；将浅层、中间层和最深层特征图分别输入到轻量化注意力模块中，生成增强的特征图；将中间层和最深层特征图分别输入到轻量化物体上下文特征融合模块中并进行上采样操作，生成二倍增强的区域上下文信息特征图；将增强的浅层特征图和二倍增强的区域上下文信息特征图进行连接、池化、上采样操作，生成最终网络分割结果。本发明改善了传统语义分割网络模型体量过大、在算力资源有限的移动平台上平衡分割精度和实现效率的问题。
-
公开(公告)号：CN116524419B
公开(公告)日：2023-11-07
申请号：CN202310802044.5
申请日：2023-07-03
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V10/80 , G06N3/048
Abstract: 本发明公开了基于时空解耦与自注意力差分LSTM的视频预测方法、系统，该方法包括：引入对抗性损失约束和相似性约束构建时空解耦网络，获得视频的解耦特征；利用差分运算设计动态差分模型，替换传统LSTM单元的遗忘门；在注意力基础上设计一个门控机制，将长时记忆与被注意的特征深度融合，组建新的全局自注意力模型；结合动态差分模型和全局自注意力模型，组建DISA‑LSTM单元，并使用对角循环体系结构堆叠该单元，构建DISA‑LSTM预测网络；基于卷积自编码器搭建网络整体架构，并联合损失函数训练模型。本发明有效提高了网络捕获高维动态复杂特征的能力和视频预测的精确性，降低了高维视频数据给预测工作带来的复杂程度。
-
公开(公告)号：CN116563284A
公开(公告)日：2023-08-08
申请号：CN202310835135.9
申请日：2023-07-10
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明公开了定量描述MRI中脑胶质瘤特征边界变化评估指标的系统，包括：图像预处理模块、MSC度量值计算模块、有效性评估模块和预测性评估模块。所述图像预处理模块将获取的脑胶质瘤数据进行去噪和去除孤立体素并填充处理；所述MSC度量值计算模块构建肿瘤的边界划分采样，设计计算脑胶质瘤的边界清晰度系数的模型；所述有效性评估模块利用Bland‑Altman检验和卡方检验分析评估MSC的准确性；所述预测性评估模块通过脑胶质瘤边界清晰度系数验证脑胶质瘤的侵袭性，结合机器学习线性回归、Cochran‑Armitage趋势卡方检验以及皮尔逊相关系数来评估MSC的预测性能。本发明可以满足在计算脑胶质瘤边界清晰度的同时，进一步的了解MSC与脑胶质瘤的侵袭之间的关系。
-
公开(公告)号：CN116309669A
公开(公告)日：2023-06-23
申请号：CN202310306189.6
申请日：2023-03-27
Applicant: 南京信息工程大学
IPC: G06T7/136 , G06T7/12 , G06T7/00 , G06V10/80 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于三平面融合边缘U‑Net的脑肿瘤分割方法，包括步骤：将获取的脑肿瘤MR图像分为训练集和验证集，并对训练集图像进行预处理；基于U‑Net架构，通过对脑肿瘤MR图像进行三平面的分割，以边缘辅助模块作为跳跃连接构建边缘U‑Net模型，将提取的图像特征和边缘特征进行融合；采用交叉熵损失函数和边界损失函数相结合的组合损失函数，对边缘U‑Net模型进行训练，获得最佳模型；将预处理脑肿瘤图像数据集和边缘特征图像数据集一起作为不同平面的数据，输入到三个网络结构中以训练最优参数，得到最优的网络分割结果；根据最有分割结果得到三维概率图。本发明能提高分割的精度和分割出整体肿瘤的不同部分。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.03 seconds)
