-
公开(公告)号：CN113706643B
公开(公告)日：2023-06-30
申请号：CN202010939063.9
申请日：2020-09-09
Applicant: 南京邮电大学
IPC: G06T11/00 , G06T5/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于同形适应学习的头部CT金属伪影校正方法。通过使用17层卷积神经网络，构建深度学习的生成框架；结合使用VGG19模型对CT图像进行特征提取；利用CT连续切片的先验信息和CT结构的相似性，对数据集进行扩充；为了解决医学类数据失准的问题，将改进的抗噪损失用于网络，通过平衡风格损失和内容损失的比重，在逐步迭代的过程中，达到去除金属伪影且保留原始疾病信息的目的；结果评价，在临床数据集和模拟数据集上进行训练和测试，综合评价方法，对模型进行评估。本发明实现了对头部CT伪影的校正，在保留图像细节信息的同时，没有新伪影产生，也没有造成模糊，提高了临床诊断的准确性，具有良好的实用价值。
-
公开(公告)号：CN114495213A
公开(公告)日：2022-05-13
申请号：CN202210027249.6
申请日：2022-01-11
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V20/40 , G06N3/04 , G06K9/62 , A61B5/024 , G06V10/774 , G06V10/56 , G06V10/25 , G06V10/82
Abstract: 本发明公开了一种基于人脸视频的心率估计方法及装置，通过对人脸视频的分析以估计心率值，包括对人脸视频进行预处理得到视频数据集，并分为训练集、验证集和测试集；构建包括ResNet网络和ConvLSTM网络的融合网络，ResNet网络包括瓶颈残差模块，以提高ResNet网络的性能；将训练集输入融合网络并进行训练，得到网络训练模型；将验证集输入网络训练模型进行验证，并通过损失函数计算损失，得到最终网络训练模型；将测试集输入最终网络训练模型，得到心率估计值；跨数据集测试，提高模型的精度。本发明通过在ResNet网络增加瓶颈残差模块，提高了ResNet网络的计算效率，使其能更好的训练深度较大的神经网络；通过融入ConvLSTM网络，能够充分利用全局特征，提高心率估计值的准确度。
-
公开(公告)号：CN112101449A
公开(公告)日：2020-12-18
申请号：CN202010951615.8
申请日：2020-09-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于语义损失的卫星云图反演雷达数据方法，包括如下：S1、建立数据集；S2、建立网络结构，对数据集进行特征提取，然后根据相应卷积层的特征计算损失；S3、使用训练集对深度卷积神经网络进行迭代训练，训练好后，使用验证集对训练后的模型进行验证，然后保存在验证集上抗模糊损失函数最小的模型；S4、使用测试集对抗模糊损失函数最小的模型进行测试，判断是否符合要求，若不符合，继续进行步骤S3，进行迭代训练，直到测试结果符合要求，输出正式模型；S5、使用正式模型对卫星云图反演雷达数据，输出结果。本发明提出的抗模糊损失函数解决了传统使用像素级损失函数的网络训练图像时会出现模糊现象的问题。
-
公开(公告)号：CN106296668B
公开(公告)日：2019-07-16
申请号：CN201610622454.1
申请日：2016-08-01
Applicant: 南京邮电大学
IPC: G06T7/11
Abstract: 本发明公开了一种多分辨分析的全局图像分割方法，首先，紧支撑小波变换对图像进行分解；然后，将分解后进行重构的系数矩阵作为滤波器；其次，将重构所得的滤波器施加于水平集函数的梯度项，构成新的正则项；接着，基于理想情况下，目标和背景的边界应充分契合，提出一种边界正则项用于保持全局最优的分割结果；最后，利用快速对偶算法将含有多分辨率信息的正则项和边界正则项的变分模型进行最小化，以实现水平集曲线的演化。经医学核磁共振图像分割实验表明，本发明对于狭长拓扑结构比一般活动轮廓模型具有更明显的扑捉能力以及更高效的计算时间。
-
公开(公告)号：CN105528771B
公开(公告)日：2018-09-18
申请号：CN201610035576.0
申请日：2016-01-19
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种使用通过最优化能量函数对锥束CT中杯状伪影进行校正的方法，该方法针对重建后的切片图像，直接面向用户，不对原有锥束CT设备进行任何改动，就可以完成校正工作，能够高效地进行锥束CT的杯状伪影校正的同时还能够提高重建图像的同种物质的CT值均匀性，从而有助于重建图像中，完善的体可视化和基于阈值的可视化技术的发展。该方法应用于锥束CT重建图像(即图像域)校正技术领域。
-
Patent Agency Ranking
公开(公告)号：CN107871332A
公开(公告)日：2018-04-03
申请号：CN201711097204.1
申请日：2017-11-09
Applicant: 南京邮电大学
Inventor： 谢世朋
CPC classification number: G06T11/008 , G06T5/006 , G06T2207/10081
Abstract: 本发明公开了一种基于残差学习的CT稀疏重建伪影校正方法及系统，首先通过FBP（滤波反投影）方法对CT产生的稀疏投影数据进行重建，重建后的图像带有严重的伪影；然后通过建立残差神经网络结构对伪影的特征进行学习，得到伪影图；最后通过稀疏重建的图与伪影图的做残差，恢复出清晰的CT图像。本发明在稀疏重建的基础上引入了残差学习的卷积神经网络结构框架；同时采用GPU加速，缩短了训练的时间，加速了实验的训练过程，可以在非常低的CT投影角度下实现非常高的CT重建图像质量；从而有效的降低了辐射对人体不必要的伤害。
-
公开(公告)号：CN104778667A
公开(公告)日：2015-07-15
申请号：CN201510176350.8
申请日：2015-04-14
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于水平集的锥束CT中杯状伪影的校正方法，该方法应用于锥束CT切片图像校正。该方法能够自适应的进行锥束CT的杯状伪影校正，无需人工干预就可以自动完成校正。该方法不需要重复扫描被测物体；不增加锥束CT系统的复杂度；针对重建后的切片图像，能够直接面向用户，不需要对原有锥束CT的原有设备进行任何改动，就可以完成校正工作，该方法能够高效地进行锥束CT的杯状伪影校正，同时还能够提高图像的对比度。
-
公开(公告)号：CN114139690B
公开(公告)日：2024-07-26
申请号：CN202111498466.5
申请日：2021-12-09
Applicant: 南京邮电大学
IPC: G06N3/0442 , G06N3/048 , G06N3/0464 , G06N3/08 , G01S7/41 , G01S13/95 , G01W1/10
Abstract: 本发明提供了一种短临降水预测方法，基于ConvLSTM网络和SENet注意力机制模块而实现，该方法包括对气象卫星数据进行预处理；用雷达反演降水；构建融合了SENet注意力模块的ConvLSTM网络；将经过预处理的雷达回波图像导入到网络中进行训练，得到网络训练模型；使用训练完毕的模型去生成预测降水图像。本发明输入和输出的数据均为雷达回波图像，结果表达更直观，最后的结果准确性更高。此外，本发明充分的利用了全局特征，使学习到的全局信息更合理。再有，通过加入SENet注意力模块，使网络模型的效果产生显著提升。最后，本发明在训练过程中没有改变图像的尺寸，完美的保留了图像的细节和边缘信息。
-
公开(公告)号：CN116152493A
公开(公告)日：2023-05-23
申请号：CN202310110895.3
申请日：2023-02-14
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/778 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明提出了一种基于语义分割的待清洁表面类型识别方法以及执行该方法的清洁设备，该方法包括以下步骤：清洁机器人通过摄像头获取自身所处场景中待清洁表面的类别信息；基于深度学习的语义分割训练，确定当前所处待清洁表面类别，根据识别的待清洁表面类型和区域，设置清洁机器人的清洗策略和/或清洁参数。根据本发明的方法，清洁机器人可以通过摄像头获取所处场景后，即可确定清洗模式，使用户无需手动操作，进而释放用户时间，提高用户的使用体验，同时还可提高地面清洗干净程度。
-
公开(公告)号：CN112101449B
公开(公告)日：2022-07-15
申请号：CN202010951615.8
申请日：2020-09-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于语义损失的卫星云图反演雷达数据方法，包括如下：S1、建立数据集；S2、建立网络结构，对数据集进行特征提取，然后根据相应卷积层的特征计算损失；S3、使用训练集对深度卷积神经网络进行迭代训练，训练好后，使用验证集对训练后的模型进行验证，然后保存在验证集上抗模糊损失函数最小的模型；S4、使用测试集对抗模糊损失函数最小的模型进行测试，判断是否符合要求，若不符合，继续进行步骤S3，进行迭代训练，直到测试结果符合要求，输出正式模型；S5、使用正式模型对卫星云图反演雷达数据，输出结果。本发明提出的抗模糊损失函数解决了传统使用像素级损失函数的网络训练图像时会出现模糊现象的问题。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.028 seconds)
