-
公开(公告)号：CN104055515A
公开(公告)日：2014-09-24
申请号：CN201410325476.2
申请日：2014-07-09
Applicant: 重庆邮电大学
IPC: A61B5/053
Abstract: 本发明公开了一种微创测量直肠电阻抗的方法，属于生物组织电阻抗测量方法技术领域。在该方法中利用内窥镜、检测电极、控制电路等组成的系统来进行肠道电阻抗的测量；检测电极在肠道内部呈水平切面和垂直剖面均匀分布，采用水平测量和垂直测量两种方式相结合，从水平切面及垂直剖面上均可获取直肠组织返回的电信号，根据这些电信号分别进行切面上的成像，进而组合形成空间三维图形。该方法能够有效地构建三维成像模型，并在保证有效精度的前提下减小直接三维重构的计算量；本方法的稳定性、收敛性和图像质量都较高，测量方便，组合算法扩展性强。
-
公开(公告)号：CN104055514A
公开(公告)日：2014-09-24
申请号：CN201410325420.7
申请日：2014-07-09
Applicant: 重庆邮电大学
IPC: A61B5/053
Abstract: 本发明公开了一种微创的支撑式直肠电阻抗特性检测装置，属于医疗器械技术领域。该装置包括内窥镜、探测电极、压力传感器、撑杆、步进电机、信号发生及采集装置；撑杆通过圆环和与圆环相连的连接杆套装在内窥镜管上，探测电极和压力传感器设置在撑杆上，撑杆的撑开方式为伞状撑开，步进电机旋转带动圆环沿着内窥镜管向同一方向移动，从而带动连接杆和撑杆，促使连接电极的撑杆向外伸张，实现安装在撑杆上的探测电极和压力传感器与直肠内壁紧密接触；当步进电机反方向旋转时，撑杆回到原位，探测电极与直肠内壁分离；该装置实现了检测电极等器件与直肠内壁的紧密接触，能够反映直肠组织病变的微小变化，及时发现病变部位，并进行三维成像。
-
公开(公告)号：CN102512169B
公开(公告)日：2013-06-05
申请号：CN201110459746.5
申请日：2011-12-31
Applicant: 重庆邮电大学
IPC: A61B5/053
Abstract: 本发明涉及生物医学信息处理技术领域，提供一种皮肤电信号测试顶偏自适应控制方法，包括设置参考电压B，测试电极作用于人体；在参考电压B作用下，通过测量电极拾取人体皮肤电信号A；将皮肤电信号A经过第一级放大电路放大，得到放大后的皮肤电反应信号A1；将放大后的皮肤电反应信号A1减去参考电压B得到电压差值C，对电压差值C经过第二级放大电路得到放大后的电压差值C’；对放大后的电压差值C’进行模数转换；若|C’|＞电路的门限值V’，则逐级调整参考电压B，使得|A1-B|＜V’，否则，输出或存储参考电压B和C’；还提供一种皮肤电信号测试顶偏自适应控制装置。
-
公开(公告)号：CN101669808A
公开(公告)日：2010-03-17
申请号：CN200910190900.6
申请日：2009-09-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线内窥镜控制装置，它包括中央处理器、低频发送模块和射频接收模块，中央处理器的输出端与低频发送模块、数据存储设备和显示模块电连接；中央处理器的输入端与射频接收模块、输入外部信息的外部设备电连接，该装置的工作不依赖于外接计算机，可实时修改内窥镜胶囊的工作参数，灵活地选择数据存储的设备和根据需要实时显示数据。
-
公开(公告)号：CN118717144A
公开(公告)日：2024-10-01
申请号：CN202410744700.5
申请日：2024-06-11
Applicant: 重庆邮电大学
IPC: A61B5/389 , A61B5/397 , A61B5/00 , A61B5/11 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及人体主动运动意图识别领域，特别涉及一种基于表面肌电信号的膝关节角连续估计方法，包括获取下蹲膝关节数据集，针对每一组下蹲膝关节数据，对原始肌电信号和真实角度信号分别进行预处理，得到表面肌电信号和真实关节角度数据；采用多特征融合提取方法处理每一组预处理后的下蹲膝关节数据，得到一组表面肌电有序数据；对所有表面肌电有序数据进行归一化，然后将其按比例8:2划分为训练集和测试集；基于卷积神经网络和长短期记忆构建角度估计模型，采用训练集训练角度估计模型；将待估计数据输入训练好的角度估计模型，输出角度估计结果；本发明采用CNN和LSTM结合的角度估计网络，学习数据空间特征和时间特征，提高了角度估计准确度。
-
Patent Agency Ranking
公开(公告)号：CN117911302A
公开(公告)日：2024-04-19
申请号：CN202410078240.7
申请日：2024-01-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于条件扩散模型的水下低照度图像增强方法，涉及图像增强等技术领域。对低照度图像进行2D离散小波变换，得到低频全局系数和一组高频系数。针对全局系数，使用添加了曲线注意力分支的自注意力权重图引导的条件扩散模型以恢复其整体亮度。对于高频系数，使用小波高频增强模块WHFEM来增强其纹理细节信息。最后将增强的全局系数和高频系数组合起来进行2D离散小波逆变换得到最终的增强图像。本发明解决了水下低照度场景下导致的一系列如光照强度不足、色偏、模糊问题，且相比于现有增强方法，生成的图像具有更高的质量。
-
公开(公告)号：CN117883073A
公开(公告)日：2024-04-16
申请号：CN202410038168.5
申请日：2024-01-10
Applicant: 重庆邮电大学
Abstract: 本发明属于步态分析技术领域，涉及一种融合视觉与惯性传感器的步态分析方法，包括：获取目标人物步态视频，利用OpenPose模型分析目标人物步态视频，得到骨骼关节坐标以及骨骼关节坐标的置信度；通过惯性传感器获取IMU数据；所述IMU数据包括加速度计数据和陀螺仪数据；对骨骼关节坐标和IMU数据进行预处理；根据预处理后的骨骼关节坐标和IMU数据计算步态时空参数；根据骨骼关节坐标的置信度、预处理后的骨骼关节坐标和IMU数据计算踝关节角度；本发明根据不同关键点的重要性来进行速度信息的加权，以更好地反映步态速度；本发明利用视觉传感器和惯性传感器的互补特性，提高步态分析的准确性和鲁棒性。
-
公开(公告)号：CN117314852A
公开(公告)日：2023-12-29
申请号：CN202311240749.9
申请日：2023-09-25
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T3/00 , G06V10/25 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明属于自适应骨龄预测领域，具体涉及一种基于风格迁移的自动骨龄预测方法，包括：获取源域数据和目标域数据，对源域数据和目标域数据进行图像增强和风格迁移处理；将源域图像通过图定位网络得到骨龄感兴趣区域，保存权重，原图根据ROI裁剪出特征区域，将特征区域输入骨龄回归网络，得到骨龄并保存目标域权重；将目标域图像输入风格迁移网络，通过风格迁移网络得到与目标域类似的手骨数据集；将手骨数据集输入源域训练保存的权重模型，通过迁移学习，并重复定位和预测得到ROI和高准确度的骨龄；本发明通过源域对目标域的风格迁移，在不添加额外标签的情况下实现数据风格和像素分布的统一，提升了热图定位的能力和骨龄预测的准确度。
-
公开(公告)号：CN116863514A
公开(公告)日：2023-10-10
申请号：CN202310471477.7
申请日：2023-04-27
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明涉及一种基于YOLOv3的人脸佩戴口罩规范检测方法，属于图像检测领域。该方法为原始数据采集，数据预处理，数据标注，将YOLOv3模型主干网络全部替换成改进的轻量级网络ShuffleNetv2；将ShuffleNetv2网络的主干结构中添加ECA轻量级注意力机制。对得到的YOLOv3模型的Neck部分做进一步特征融合。将模型的回归损失函数替换成LossSIoU。本发明能够细分是否规范佩戴口罩，有效地检测出未规范佩戴口罩的人脸目标异常状态，该模型在提高了检测准确率的同时，对模型的体积和检测速度上都有了不同程度的优化，模型的泛化能力更强，能够较好地应用于口罩佩戴智能检测移动终端。
-
公开(公告)号：CN116842427A
公开(公告)日：2023-10-03
申请号：CN202310786003.1
申请日：2023-06-29
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/08 , A61B5/00
Abstract: 本发明涉及生理信号特征检测技术领域，具体涉及一种基于多源传感器的下肢肌肉疲劳检测方法及系统，方法包括：通过IMU传感器和EMG传感器同时采集人体下肢肌肉分别处于正常状态、轻微疲劳状态和严重疲劳状态的运动数据和生理数据，并进行预处理；构建基于卷积神经网络的人体下肢疲劳状态识别与预测模型；采用预处理后的数据集训练人体下肢疲劳状态识别与预测模型；实时采集人体下肢肌肉状态数据，通过训练好的模型识别下肢疲劳状态。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.027 seconds)
