-
公开(公告)号:CN119791609A
公开(公告)日:2025-04-11
申请号:CN202510288279.6
申请日:2025-03-12
Applicant: 南昌大学第一附属医院
IPC: A61B5/00 , G16H50/30 , G16H20/10 , G16H10/60 , G06F18/22 , G06F18/21 , G06N3/0464 , G06N3/08 , A61B5/0205 , A61B5/021 , A61B5/024 , A61B5/08 , A61B5/318 , A61B5/145
Abstract: 本发明公开了一种基于患者体征数据的麻醉深度评估方法及系统,涉及医疗麻醉技术领域。一种基于患者体征数据的麻醉深度评估系统,包括有:麻醉术前评估模块和麻醉术后评估模块。本发明通过结合术前体征数据分析、实时麻醉深度评估、麻醉代谢预测与后续麻醉管理,利用密集连接卷积网络、注意力机制以及动态时间序列分析,能够精准评估麻醉深度并实时调整麻醉方案,从而优化患者的麻醉管理,确保手术过程中麻醉深度的安全性与个性化,提升麻醉效果和患者安全性。
-
公开(公告)号:CN119649423A
公开(公告)日:2025-03-18
申请号:CN202411661913.8
申请日:2024-11-20
Applicant: 南昌大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种基于原型校准和自适应微调的小样本人脸识别方法,包括:1)在大规模人脸数据库上对编码器进行预训练,捕获丰富的语义信息和类分布,构建评估集,确保训练身份信息与构建的评估集不重叠;2)通过权重印迹方法初始化分类器权重,确保平滑过渡,诱导出编码器的判别结构;3)计算微调类原型与预训练原型之间的余弦相似度,通过加权平均融合预训练类信息,校准偏差的微调类原型;4)引入自适应间隔损失函数,调整样本惩罚强度,对BatchNorm层和分类器权重进行选择性微调;5)使用领域感知相似性NAC校准未知类别拒识,增强与领域样本的相似度关系,得到最终匹配分数。本发明方法能够提高模型在少样本学习场景下的识别精度和拒识能力。
-
公开(公告)号:CN118038542A
公开(公告)日:2024-05-14
申请号:CN202410086207.9
申请日:2024-01-22
Applicant: 南昌大学
IPC: G06V40/20 , G06V40/16 , G06V20/52 , G06V10/46 , G06V10/56 , G06V10/74 , G06V10/96 , H04N7/18 , G06Q50/20
Abstract: 本发明公开了一种基于图像分析的线上考试反作弊方法,所述反作弊方法包括:读取并根据用户预置参数以及基本的考生信息,确定基本检测规则;将考生信息数据初始到基本级别分区,并使用随机不重复方法在不定时间段得到图像集,并与对应考生数据链接;简化处理图像,提取基本脸部特征图像集,对特征图依照基本规则分析作弊可能性,并提高对应的级别;报告超过一定阈值的考生进行人工判定;对已作弊的考生图像生成相似作弊行为图像集并设定特征码加入检测规则,否则降低其级别至初始级别。本发明基于多级分区算法高效的分配监控资源,并通过简化算法实现图像的简化更便于存储与分析。
-
公开(公告)号:CN117835271A
公开(公告)日:2024-04-05
申请号:CN202311738298.1
申请日:2023-12-18
Applicant: 南昌大学
Abstract: 本发明提出的一种无线传感器网络节能分簇方法、系统及计算机设备,该方法包括:通过获取传感器节点的当前状态信息,根据传感器节点彼此之间的距离,与基站之间的距离,初始采集数据以及自身的剩余能量对所有传感器节点进行分簇和簇头选举,接着采用基于灰色模型实现的双端预测机制来优化数据传输过程,并引入双阈值临界机制,用于有效管理簇头的旋转或者重新分簇,本发明所提出的无线传感器网络节能分簇方法通过上述步骤实现了传感器节点之间的负载均衡,以及无线传感器网络能量的高效利用,达成了使无线传感器网络的长期高效运行的目标,优化了无线传感器网络的拓扑结构,极大地提高了使用寿命和能量效率。
-
公开(公告)号:CN117135588A
公开(公告)日:2023-11-28
申请号:CN202311104365.4
申请日:2023-08-30
Applicant: 南昌大学
Abstract: 本发明提供一种拓扑规模自适应的能量分簇方法和系统,以在不同网络规模下实现无线传感网络的能量可持续,同时使得簇头节点能量负载均衡,并最大化簇内的能效;通过基于密度的Meanshift算法对节点进行分簇,建立实现能量可持续和最大化能效的多约束函数,结合Dinkelbach与拉格朗日函数,利用梯度下降算法求解;此外该方案采用生物优化算法来简化计算量,适应大规模的网络结构;同时结合以上两种方式,提出一种实现能量可持续情况下同时提高网络吞吐率的分簇方案;利用模拟实验,最终证明该算法在提升无线传感网络吞吐率上,效果显著。
-
公开(公告)号:CN115730179A
公开(公告)日:2023-03-03
申请号:CN202211437873.X
申请日:2022-11-16
Applicant: 南昌大学
IPC: G06F17/15
Abstract: 本发明是一种基于闵可夫斯基距离的中心损失扩展方法,属于深度学习、计算机视觉领域。其中该方法包括:首先将欧氏距离的平方推广到n阶闵可夫斯基距离的n次幂,然后通过替换中心损失中的距离度量得出基于闵可夫斯基距离的中心损失(MC损失),其次将新得出的MC损失与Softmax Loss一起监督训练过程,通过训练调整MC损失影响的权重以得出最终的总损失,最后通过标准的随机梯度下降法对其进行优化。通过本发明可以提高无约束人脸识别的性能。
-
公开(公告)号:CN119741305A
公开(公告)日:2025-04-01
申请号:CN202411578056.5
申请日:2024-11-07
Applicant: 南昌大学
Abstract: 本发明提出了一种基于手工特征的无监督肝脏肿瘤CT图像分割方法,涉及深度学习技术领域,首先收集正常肝脏CT图像作为数据集,并结合临床知识选择肿瘤位置。通过三维简约噪声二进制掩膜生成类似真实成像的纹理,并利用组织学特征进行形态学建模。随后,将肿瘤纹理与肝脏CT图像在选定位置叠加,合成新的肝脏肿瘤CT图像。利用带有注释的CT图像训练分割模型,并使用合成图像进行医学图像分割。最后,采用Dice系数、豪斯多夫距离、标准化表面距离和表面距离指标评估分割结果。本发明有助于人工合成肿瘤病灶图像及生成体素级注释,为解决医学图像标注挑战、推进肝脏肿瘤诊疗提供新视角。
-
公开(公告)号:CN118474693A
公开(公告)日:2024-08-09
申请号:CN202410689376.1
申请日:2024-05-30
Applicant: 南昌大学
IPC: H04W4/38 , H04W72/0446 , H04W72/044
Abstract: 本发明公开了一种维持能量自治的无线携能通信系统及方法,通过在时隙分配机制中提出了一种新的帧结构,将传感器节点分为四种工作模式,即感知、传输、能量收集和睡眠,并为每个传感器节点分配时隙,可以实现传感器节点间的无冲突调度,同时可以动态调整传感器节点的能量消耗,缓解传感器节点因传输数据导致其能量不足的问题;基于最优化理论,将最优功率分配比的确定问题转化为单个分簇内信道速率的最优求和问题,通过求解该问题可以得到最优功率分配比,让传感器节点可以更好地平衡分簇中的能量消耗和吞吐量之间的关系。本发明通过提出的时隙分配机制和功率分配比确定方法,可以有效延长无线传感器网络的生命周期,实现传感器网络的可持续性。
-
公开(公告)号:CN118262596A
公开(公告)日:2024-06-28
申请号:CN202410346047.7
申请日:2024-03-25
Applicant: 南昌大学
IPC: G09B19/00 , G16H40/20 , G06Q10/0639 , G06Q50/20
Abstract: 本发明公开一种艾灸技能考核的方法及系统,涉及应用电子技术领域。一种艾灸技能考核方法,包括:捕捉艾灸灸条三个维度的运动轨迹,得到三个维度的待考核轨迹,三个维度为三个相互垂直的维度;计算待考核轨迹与标准轨迹的相异度;基于相异度计算考核评分。本发明通过目标检测技术捕捉艾灸灸条的三维运动轨迹,通过对轨迹数据的分析,进行合理的打分,是一款满足中医院、传统医学院校、艾灸技能培训机构和医疗机构等中医药领域的专业人士和学生其艾灸考评、训练需求的考评设备;让考官能够更加全面、准确地评估考生的技能水平,同时也能够为考生提供更加公正、客观的考核结果。
-
公开(公告)号:CN117671395B
公开(公告)日:2024-04-26
申请号:CN202410146122.5
申请日:2024-02-02
Applicant: 南昌康德莱医疗科技有限公司 , 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/82 , G06T5/50 , G06V20/69
Abstract: 本发明提供一种癌细胞种类识别装置,包括:用于获取包括初始癌细胞医疗图像的初始样本集,对其进行预处理后获取包括阶段癌细胞医疗图像的阶段样本集的处理模块;用于基于初始样本集及阶段样本集构建包括最终图像矩阵的最终样本集的融合模块;用于构建初始识别神经网络、DTW距离差异性损失函数及交叉熵损失函数的构建模块;用于获取最终识别神经网络的训练模块;用于通过最终识别神经网络获取种类识别结果的执行模块。通过最终识别神经网络进行癌细胞种类识别,其不依靠手工特征进行分类,直接提取图像的深层特征进行识别,提高了对癌细胞种类识别的准确度。
-
-
-
-
-
-
-
-
-