-
公开(公告)号：CN114863165B
公开(公告)日：2023-06-16
申请号：CN202210378696.6
申请日：2022-04-12
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/40 , G06T7/11 , G06T7/00 , G06T5/00 , G06N3/0464
Abstract: 本发明涉及医学图像分割与图像分类技术领域，具体涉及一种基于影像组学与深度学习特征融合的椎体骨密度分类方法，将CT图像下椎体分为骨质疏松、低骨量与正常组，包括S1:建立基于CRF和注意力引导的椎体分割网络，获取L1、L2椎体松质骨掩膜；S2:通过GCAM‑Net对L1和L2融合后的特征图进行深度学习特征提取，并利用L1和L2的CT图像及掩膜进行影像组学特征提取；S3：运用差分进化算法在深度学习特征中提取最优特征集，并将提取后影像组学特征通过SVM‑RFE法进行特征筛选，最后将影像组学特征和深度学习特征通过最大相关性融合算法进行特征融合，并利用神经网络分类。本发明技术方案结合深度学习特征和影像组学特征，有效提高骨密度分类的准确性。
-
公开(公告)号：CN114898464B
公开(公告)日：2023-04-07
申请号：CN202210502602.1
申请日：2022-05-09
Applicant: 南通大学
IPC: G06V40/20 , G06V10/10 , G06V10/22 , G06V10/40 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于手语识别技术领域，具体涉及一种基于机器视觉的轻量化精准手指语智能算法识别方法，具体步骤包括：第一步单目相机采集图像信息，以Finger‑YOLOv4算法对采集的图像信息处理，框选出手部的区域；第二步在框选的手部区域内基于稀疏性目标提取算法锁定操作人员手部区域排除非操作人员手部干扰；第三步在操作人员手部区域内基于DFCRF‑Net进行深度学习，识别出手部区域的21个关键点的坐标；第四步根据21个关键点坐标的位置关系采用强制坐标法推理出当前手势表达的手指语。本发明提出的算法架构轻量化，仅需单目相机即可部署，检测速度快、精度高；经过不同环境、操作人员的测试，该智能算法识别方法可以有效的识别出全部手指语手势。
-
公开(公告)号：CN112164069A
公开(公告)日：2021-01-01
申请号：CN202010740906.2
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于深度学习的CT腹部血管分割方法，步骤1：对原始CT小肠造影图像进行处理；步骤2：将步骤1得到的预处理后的图像作为输入，搭建AA R2U‑Net模型；步骤3：对步骤2得到的AA R2U‑Net进行训练；步骤4：加载步骤3得到的训练后的AA R2U‑Net对CT小肠造影进行血管分割。本发明设计了一种基于深度学习的血管分割方法，将注意增强模块与R2U‑Net相结合得到AA R2U‑Net模型，快速而精确地将CT小肠造影中的肠壁血管区域分割出来，帮助影像科医生快速定位CT小肠造影中的血管区域。
-
公开(公告)号：CN115635131A
公开(公告)日：2023-01-24
申请号：CN202211417094.3
申请日：2022-11-14
Applicant: 南通大学
Abstract: 本发明公开了一种自动化铜管水刀切割装置，包括基板，基板顶端由一侧依次设置有固定台、切割基座及传送支架，固定台靠近切割基座的一侧顶部设置有保护罩，切割基座靠近传送支架的一侧顶部设置有回收罩，传送支架顶端设置有传送带；保护罩内顶部设置有水刀切割组件，传送带顶部设置有若干等距排列的铜管夹具；基板背部一侧设置有侧支板，侧支板顶部设置有烘干风扇，切割基座正面一侧设置有控制中心；本发明还公开了一种自动化铜管水刀切割工艺。本发明通过采用自动化夹具与传送机构运输铜管，利用高压水刀方式对铜管内壁进行均匀高速切割，使管材保持在较低的温度和形变程度下进行加工，从而大幅提高切割质量及精度。
-
公开(公告)号：CN114863165A
公开(公告)日：2022-08-05
申请号：CN202210378696.6
申请日：2022-04-12
Applicant: 南通大学
IPC: G06V10/764 , G06K9/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/40 , G06T7/11 , G06T7/00 , G06T5/00 , G06N3/04
Abstract: 本发明涉及医学图像分割与图像分类技术领域，具体涉及一种基于影像组学与深度学习特征融合的椎体骨密度分类方法，将CT图像下椎体分为骨质疏松、低骨量与正常组，包括S1:建立基于CRF和注意力引导的椎体分割网络，获取L1、L2椎体松质骨掩膜；S2:通过GCAM‑Net对L1和L2融合后的特征图进行深度学习特征提取，并利用L1和L2的CT图像及掩膜进行影像组学特征提取；S3：运用差分进化算法在深度学习特征中提取最优特征集，并将提取后影像组学特征通过SVM‑RFE法进行特征筛选，最后将影像组学特征和深度学习特征通过最大相关性融合算法进行特征融合，并利用神经网络分类。本发明技术方案结合深度学习特征和影像组学特征，有效提高骨密度分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112597814A
公开(公告)日：2021-04-02
申请号：CN202011413525.X
申请日：2020-12-04
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进的Openpose课堂多人异常行为及口罩佩戴检测方法，该方法利用改进的Openpose对学生姿势中各个关节点的所在位置及位置关系，以及融入FPN的SSD口罩检测算法，检测出课堂异常行为学生，并及时提醒学生参与课堂以及反馈结果至老师，课后进行教学改革和总结，该方法利用改进的Openpose模型、多人口罩检测模型以及智能健康模块，不仅能够检测出学生上课异常行为及时反馈给老师并且能够提醒学生投入课堂，此外还可以对久坐的学生发出进行起身活动的提醒。
-
公开(公告)号：CN112287827A
公开(公告)日：2021-01-29
申请号：CN202011178410.7
申请日：2020-10-29
Applicant: 南通中铁华宇电气有限公司 , 南通大学
Inventor： 何小峰 , 张堃 , 冯文宇 , 朱远璠 , 张宇豪 , 祁晖 , 陆贝洋 , 沈桠楠 , 何秀平 , 戴璐 , 陈建锋 , 张树 , 涂鑫涛 , 徐沛霞 , 刘志诚 , 黄宇煦 , 韩宇
Abstract: 本发明公开了一种基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统，包括：接收系统传达的行人口罩佩戴检测请求，获取行人口罩佩戴检测请求对应的行人监控视频信息；提取行人监控视频信息中行人的人脸图像；将行人的人脸图像关键帧上传至系统云端；人脸图像输入至模型进行处理，获得行人的口罩佩戴检测结果；在行人口罩佩戴检测结果为行人口罩佩戴不规范时，启动相应的语音模块提醒所述行人正确、规范的佩戴口罩；在行人口罩佩戴检测结果为所述行人未佩戴口罩时，根据行人的身份信息对所述行人进行管控处理。通过上述方式，可以快捷识别路上行人是都佩戴口罩并对没有佩戴口罩的人员输出佩戴提示，节约了行人口罩佩戴检测的管控成本、提高了行人口罩佩戴管控效率和可操作性。
-
公开(公告)号：CN111862072A
公开(公告)日：2020-10-30
申请号：CN202010741397.5
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于CT图像测量腹围的方法，其具体操作方法包括以下步骤：A、图像预处理；B、图像块剪裁操作；C、通过深度学习进行外围曲线分割；D、骨骼化处理；E、边缘连接；F、累加像素点换算腹围，本发明旨在提出一种能够基于CT图像直接获得腹围的方法，该方法首先对CT图像进行预处理，通过深度学习进行外围分割，再对分割结果进行骨骼化处理，最后计算外围像素点个数乘以每个像素点对应的长度便可获得腹围，得出较为准确的实现腹围测算。
-
公开(公告)号：CN111862071A
公开(公告)日：2020-10-30
申请号：CN202010741396.0
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于CT图像测量腰1椎体CT值的方法，步骤1：对CT图像进行预处理，得到训练集；步骤2：对训练集进行图像块剪裁操作，得到数据集；步骤3：通过深度学习进行腰1椎体分割；步骤4：边缘检测精确定位腰1椎体；步骤5：孔洞填充；步骤6：寻找腰1椎体像素点；步骤7：累加腰1椎体像素点并换算CT值。本发明设计了一种腰1椎体CT值测算的方法，本方法基于先分割后计算的思路，较为准确的实现腰1椎体CT值的测算。
-
公开(公告)号：CN111862123B
公开(公告)日：2024-01-23
申请号：CN202010740903.9
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
IPC: G06T7/11 , G06T7/00 , G06T5/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的CT腹部动脉血管分级识别方法，包括如下步骤：步骤1：图像预处理，得到训练集；步骤2：对训练集进行图像块剪裁操作，得到数据集；步骤3：通过深度学习进行血管分割；步骤4：骨骼化处理；步骤5：寻找交叉点；步骤6：累加交叉点。本发明设计了一种血管分级的方法，基于先分割后分级的思路，较为准确的实现腹部动脉血管的分级。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.021 seconds)
