-
公开(公告)号：CN115376159B
公开(公告)日：2025-05-16
申请号：CN202210820445.9
申请日：2022-07-13
Applicant: 南开大学
Abstract: 本发明提供了一种基于多模态信息的跨外观行人重识别方法，包括以下步骤：预处理跨外观行人重识别数据集；从视觉图像中获取行人的轮廓图像与部件语义图像；利用网络模型提取特征矩阵；将三个特征矩阵拼接为融合特征矩阵；对四个特征矩阵，分别进行池化下采样获取特征；再分别使用批次归一化和全连接层获取分类特征；计算损失；损失层梯度反向传播，更新网络模型及其全连接层的权值参数；重复上述步骤，直至网络模型收敛，或者达到最大迭代次数；使用融合推理特征作为行人特征表示进行检索，融合推理特征由融合特征采用批次归一化获取。本发明有效地缓解了网络过于关注行人外观信息的问题，提升了跨外观行人重识别模型的检索性能。
-
公开(公告)号：CN119386264A
公开(公告)日：2025-02-07
申请号：CN202411472520.2
申请日：2024-10-22
Applicant: 南开大学
Abstract: 本发明属于人工血管领域，具体涉及一种兼具抗炎症和促进内皮化功能的人工血管及其制备方法和应用。人工血管包括基质材料以及FTY720。本发明的技术方案提供的负载FTY720的人工血管，体内植入后既需要具有良好的抗炎症性能，也需要具有良好地促进内皮化的性能，两者性能的结合能够实现长期通畅；本申请的技术方案不需要对人工血管进行多步处理，操作步骤简单，减少了制备时间和经济成本。
-
公开(公告)号：CN117312851B
公开(公告)日：2025-02-07
申请号：CN202311249581.8
申请日：2023-09-26
Applicant: 南开大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种流程工业多元时间序列预测任务的预训练方法，涉及时间预测技术领域，具体包括S1：数据划分与预处理；S2：工况辨识与特征抽取；S3：权重矩阵计算；S4：隐含层表示生成；S5：预训练模型输出；S6：预训练模型训练；S7：预训练模型输出。将本发明提出的方法应用于基于注意力的图卷积神经网络模型(ASTGCN)中，通过在某化工厂提供的精馏工段工业数据集上的验证，得出经过考虑工况辨识的预训练模型相比于未预训练的模型，其均方根误差降低了约15％。此外，相比于未考虑工况辨识的预训练模型，其均方根误差降低了约5％。
-
公开(公告)号：CN118512659B
公开(公告)日：2024-12-06
申请号：CN202410576362.9
申请日：2024-05-10
Applicant: 南开大学
IPC: A61L27/36 , A61L27/50 , A61L27/54 , B33Y10/00 , B33Y80/00 , B33Y70/10 , D03D1/00 , D03D25/00 , D03D15/20
Abstract: 本发明公开了一种管状细胞外基质纤维支架及其制备方法与应用，属于医用材料技术领域，本发明利用3D打印结合编织方法制备得到管状细胞外基质纤维支架后进行抗凝修饰，即得到所述管状细胞外基质纤维支架。同时公开了通过上述制备方法制备得到的管状细胞外基质纤维支架及其在制备组织修复支架材料中的应用。本发明通过多巴胺将管状细胞外基质纤维支架修饰上抗凝药物水蛭素，使得人工血管具有持久的抗凝活性，可以抑制血小板粘附活性，提高血液相容性，促进内膜再生，提升长期通畅率。
-
公开(公告)号：CN118304476B
公开(公告)日：2024-08-23
申请号：CN202410727557.9
申请日：2024-06-06
Applicant: 南开大学 , 上海交通大学医学院附属第九人民医院
IPC: A61L27/36 , A61L27/24 , A61L27/18 , A61L27/54 , A61L27/56 , B32B27/02 , B32B27/36 , B32B27/12 , B32B5/12 , B29C64/112 , B33Y10/00 , D04H1/728 , D01D5/00
Abstract: 本发明涉及生物医用材料技术领域，尤其涉及一种细胞负载的微纳复合纤维结构材料、制备方法及其在制备组织修复医疗器械中的应用，细胞负载的微纳复合纤维结构材料包括：外壳和内芯，外壳包裹内芯；外壳为中空管状结构，内芯由纳米纤维膜和微米纤维膜层叠后卷曲而成；载细胞负载于纳米纤维膜上；外壳、纳米纤维膜和微米纤维膜均以聚合物为原料制备而成。基于细胞负载的微纳复合纤维结构材料的制备方法包括以下步骤：纳米纤维膜、微米纤维膜、细胞负载的微纳纤维膜、外壳以及细胞负载的微纳复合纤维结构材料的制备过程。细胞负载的微纳复合纤维结构材料有望在制备修复组织医疗器械中获得应用。
-
Patent Agency Ranking
公开(公告)号：CN118512659A
公开(公告)日：2024-08-20
申请号：CN202410576362.9
申请日：2024-05-10
Applicant: 南开大学
IPC: A61L27/36 , A61L27/50 , A61L27/54 , B33Y10/00 , B33Y80/00 , B33Y70/10 , D03D1/00 , D03D25/00 , D03D15/20
Abstract: 本发明公开了一种管状细胞外基质纤维支架及其制备方法与应用，属于医用材料技术领域，本发明利用3D打印结合编织方法制备得到管状细胞外基质纤维支架后进行抗凝修饰，即得到所述管状细胞外基质纤维支架。同时公开了通过上述制备方法制备得到的管状细胞外基质纤维支架及其在制备组织修复支架材料中的应用。本发明通过多巴胺将管状细胞外基质纤维支架修饰上抗凝药物水蛭素，使得人工血管具有持久的抗凝活性，可以抑制血小板粘附活性，提高血液相容性，促进内膜再生，提升长期通畅率。
-
公开(公告)号：CN117312851A
公开(公告)日：2023-12-29
申请号：CN202311249581.8
申请日：2023-09-26
Applicant: 南开大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种流程工业多元时间序列预测任务的预训练方法，涉及时间预测技术领域，具体包括S1：数据划分与预处理；S2：工况辨识与特征抽取；S3：权重矩阵计算；S4：隐含层表示生成；S5：预训练模型输出；S6：预训练模型训练；S7：预训练模型输出。将本发明提出的方法应用于基于注意力的图卷积神经网络模型(ASTGCN)中，通过在某化工厂提供的精馏工段工业数据集上的验证，得出经过考虑工况辨识的预训练模型相比于未预训练的模型，其均方根误差降低了约15％。此外，相比于未考虑工况辨识的预训练模型，其均方根误差降低了约5％。
-
公开(公告)号：CN115587627A
公开(公告)日：2023-01-10
申请号：CN202211271767.9
申请日：2022-10-18
Applicant: 南开大学
Abstract: 本发明提供了一种细粒度导向的小目标检测方法，包括以下步骤：预处理小目标检测数据集，利用滑动窗口对训练图像进行裁剪；根据标注框位置信息，生成分割分支伪标签；对裁剪后的小目标图像做数据增强，再分别输入特征提取网络模型；将输出的特征矩阵输入到小目标检测分支和分割分支；小目标检测分支和分割分支并行训练、独立优化；直至特征提取网络模型收敛，训练阶段结束；测试阶段，移除分割分支，分割分支不参与模型推理过程。本发明在网络训练过程中，新增分割分支，引导特征提取网络对于输入图像细粒度特征的学习，并设计分割分支伪标签，消除背景噪音的影响，且在不增加模型推理计算代价的前提下针对性地提高模型对小目标检测能力。
-
公开(公告)号：CN112285362B
公开(公告)日：2022-09-20
申请号：CN202011096838.7
申请日：2020-10-14
Applicant: 南开大学
IPC: G01N33/68 , G01N33/58 , G01N33/543 , G01N33/533 , C07D417/06 , C09K11/06
Abstract: 本发明公开了一种用于早期检测动脉粥样硬化的诊断试剂，以具有聚集诱导发光性质的荧光小分子/聚合物为母核，以表面活性剂为载体制备纳米粒子，再通过化学合成法在纳米粒表面连接Anti‑CD47抗体，制备Anti‑CD47抗体修饰的荧光纳米探针。本发明的目的是提供一种用于提高动脉粥样硬化检测准确度以及诊断早期动脉粥样硬化的探针，以解决“临床上的CT或MRI只有到达动脉粥样硬化的中晚期，斑块较大或发生明显钙化的情况下，才能检测到，而此时动脉粥样硬化已经不能逆转，只能通过药物减缓动脉粥样硬化发展进程”的问题。
-
公开(公告)号：CN110223291A
公开(公告)日：2019-09-10
申请号：CN201910534317.6
申请日：2019-06-20
Applicant: 南开大学
Abstract: 本发明公开一种基于损失函数的训练眼底病变点分割网络方法，使用损失函数来训练深度分割网络，来对眼底病变点进行高效地分割。根据指示器函数的结果，判断负样本被保留还是丢弃，指示器函数取值为1则保留负样本，反之则丢弃负样本。以此来提高网络的判别能力和学习速率，其中，易分样本以较高的概率丢弃，难分样本以较低的概率丢弃；在保留难分样本的情况下，可以节约大量的样本选择时间，从而使得网络集中在难分样本的学习上。本发明可解决类平衡交叉熵损失函数造成的分割网络误分情况多和学习效率较低的问题，对眼底病变点进行高效分割。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.027 seconds)
