-
公开(公告)号：CN110378864B
公开(公告)日：2021-07-16
申请号：CN201810316983.8
申请日：2018-04-10
Applicant: 中南大学 , 深圳火眼智能有限公司
Abstract: 本发明公开了一种基于Radon域特征表示的青光眼检测方法，包括如下步骤：步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；步骤2：在n个投影角度下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号；步骤3：对一维离散信号进行维度统一，并采用双正交小波分解一维离散信号来提取到近似系数和细节系数；步骤4：将每组一维离散信号的近似系数和细节系数组合成样本的特征输入分类检测模型得到青光眼检测结果；分类检测模型训练时的输入参数为青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N以及特征向量矩阵N中每行的样本标签向量。本发明通过上述方法可以精确检测出是否为青光眼。
-
公开(公告)号：CN110378864A
公开(公告)日：2019-10-25
申请号：CN201810316983.8
申请日：2018-04-10
Applicant: 中南大学 , 深圳火眼智能有限公司
Abstract: 本发明公开了一种基于Radon域特征表示的青光眼检测方法，包括如下步骤：步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；步骤2：在n个投影角度下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号；步骤3：对一维离散信号进行维度统一，并采用双正交小波分解一维离散信号来提取到近似系数和细节系数；步骤4：将每组一维离散信号的近似系数和细节系数组合成样本的特征输入分类检测模型得到青光眼检测结果；分类检测模型训练时的输入参数为青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N以及特征向量矩阵N中每行的样本标签向量。本发明通过上述方法可以精确检测出是否为青光眼。
-
公开(公告)号：CN110363738A
公开(公告)日：2019-10-22
申请号：CN201810305736.8
申请日：2018-04-08
Applicant: 中南大学
Abstract: 本发明公开了一种具有仿射不变性的视网膜图像配准方法及其装置，涉及图像处理技术领域。与传统技术整体处理相比，本发明的一种具有仿射不变性的视网膜图像配准方法，在视网膜骨骼化网络图像的基础上，通过连通域内相互连通的两个交点来截取局部图像结构(即候选特征区域)，并将局部图像结构变换(旋转、高斯滤波、压缩)到圆形高斯滤波器适用的形式下，解决了视角和尺度变化问题，提高了多幅图像的配准精度，有利于构建完整的视网膜图像信息，减少了视网膜病变给诊断带来的干扰，提高了诊断的准确性。
-
公开(公告)号：CN110276763A
公开(公告)日：2019-09-24
申请号：CN201810213111.9
申请日：2018-03-15
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于可信度和深度学习的视网膜血管分割图生成方法，包括：步骤1：获取训练数据，并利用预设的可信度模型和训练数据构建训练集；步骤2：从训练集中选取数据并输入基于卷积神经网络的深度学习模型进行训练得到分类器；步骤3：获取待测图像，并对待测图像进行图像预处理；步骤4：将步骤3中图像预处理后的待测图像输入步骤2中的分类器得到待测图像中像素点位于五类可信度区域的五个预测概率值；步骤5：依据步骤4中待测图像中像素点位于五类可信度区域的预测概率值生成视网膜血管分割图。本发明通过上述方法既能精确分割粗血管，还能精确分割细小血管。
-
公开(公告)号：CN114626377B
公开(公告)日：2024-08-23
申请号：CN202210313916.7
申请日：2022-03-28
Applicant: 中南大学
IPC: G06F40/289 , G06F40/216 , G06F16/35
Abstract: 本发明提供了一种方面级情感分析方法及系统，该方法包括获取待分析的文本，通过分词工具将待分析的文本进行分词处理，基于字典对分词后的文本进行编码，根据编码后的文本构造出多个查询；将每个查询输入至双向机器阅读理解模型中，最终输出得到每个查询对应的方面与意见对；双向机器阅读理解模型由Bert预训练模型与多个二分类器组成；根据所述方面与意见对构造预测情感极性的情感查询，将情感查询输入至情感查询分类器中进行情感分类得到情感分类结果。本发明提供的一种方面级情感分析方法使用双向机器阅读理解模型来高效提取存在复杂对应关系的方面与意见，并通过多种策略来优化模型，大幅提升了最终情感分析的效率，且准确率高鲁棒性好。
-
Patent Agency Ranking
公开(公告)号：CN118332250A
公开(公告)日：2024-07-12
申请号：CN202310034152.2
申请日：2023-01-10
Applicant: 中南大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2411 , G06F17/14 , G06F17/16
Abstract: 本发明公开了一种适用于伴随动作的跌倒检测方法、系统、终端及介质，包括：S1：通过测量设备获取用户运动状态的信道状态信息样本信号数据，并对信号数据进行数据预处理，得到能够反映用户动作且保持平滑平静的感知信号；S2：对数据预处理后得到的感知信号作时频分析，并使用分割算法找出跌倒动作的起点和终点，生成对应的多普勒频移谱；S3：将多普勒频移谱输入到构建的跌倒识别模型中，在消除伴随动作干扰的基础上完成对用户运动状态的判断。克服传统方案在识别伴随动作时准确率下降的缺点。
-
公开(公告)号：CN116206717A
公开(公告)日：2023-06-02
申请号：CN202310141218.8
申请日：2023-02-21
Applicant: 中南大学
IPC: G16H10/60 , G06F16/2458 , G06F16/27
Abstract: 本发明公开了一种基于HBase的分布式医疗数据检索方法、装置、系统和介质，方法包括：接收并检验客户端提交的医疗数据访问请求，若通过检验则根据医疗数据访问请求中待检索数据的特点，判断待检索数据是否为热点数据；根据是否热点数据，分别在高速和低速访问存储介质中检索数据，并将检索到的数据返回给客户端；若在低速访问存储介质的HBase检索到数据，则根据数据温度动态管理高速访问存储介质中的数据，以及将新数据插入高速访问存储介质；其中，高速访问存储介质综合考虑数据访问频率、访问时间信息和数据大小实时选择存储较高温度的部分医疗数据进行存储。本发明能让高成本介质得以充分利用，满足热点数据频繁交互的访问需求。
-
公开(公告)号：CN109859139B
公开(公告)日：2022-12-09
申请号：CN201910117094.3
申请日：2019-02-15
Applicant: 中南大学
IPC: G06T5/00
Abstract: 本发明公开了一种彩色眼底图像的血管增强方法，包括获取训练数据并处理；将数据输入到生成模型中对生成模型进行训练并得到最终的生成模型；获取待增强的数据并处理；将数据输入最终的生成模型生成血管增强后的彩色眼底图像。本发明通过生成模型的建立，使用深度神经网络学习荧光造影图像的血管成像特征，可以学习到比灰度纹理等等更深层次的信息，使得眼底图的血管增强效果更佳显著，而且通过损失函数的设计，可以有效的使得生成图像和目标图像更加接近；因此，本发明方法能够有效的根据现有的彩色眼底图像生成血管增强后的彩色眼底图像，而且本发明方法的可靠性高、安全性好且适用范围广。
-
公开(公告)号：CN114900534A
公开(公告)日：2022-08-12
申请号：CN202210320412.8
申请日：2022-03-29
Applicant: 中南大学
IPC: H04L67/1097 , H04L9/40 , H04L9/32
Abstract: 本发明公开了一种基于区块链技术的大数据监管方法，包括区块链网络的初始化和客户端程序的初始化；身份绑定，包括用户本地生成密钥对，并将自身的实体身份与区块链账户地址进行绑定；数据存证，当数据变动时，用户与管理员可选采用哈希策略或副本策略，协同完成数据改动并进行存证；数据验证，包括对数据真实性和完整性的普通验证以及对历史操作记录的溯源验证。本发明提供的这种基于区块链技术的大数据监管方法，以用户可控的方式对用户自身的数据进行存证，解决了中心化服务提供商的不透明管理问题，同时根据不同数据特性设计适应的存证策略，为服务提供商不同数据类型实现安全高效的存证；因此本发明方法可靠性高、实用性好且透明科学。
-
公开(公告)号：CN112686135A
公开(公告)日：2021-04-20
申请号：CN202011588793.5
申请日：2020-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于分布拟合的可泛化的行人重识别方法，包括选取原始的神经网络模型；获取训练数据集，训练神经网络模型得到初步行人重识别模型；获取测试数据集，测试和修正初步行人重识别模型得到最终的行人重识别模型；实时获取行人图像，采用行人重识别模型进行识别并完成行人的重识别。本发明有效地减少了图像分布差异引起的性能下降，同时提升模型的泛化能力来适应不同场景；因此本发明方法不仅解决了图像分布差异所引起的性能下降问题，而且提升了模型的泛化能力，同时可靠性高、泛化性好而且精确度高。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.04 seconds)
