-
公开(公告)号：CN116128876B
公开(公告)日：2023-07-07
申请号：CN202310353365.1
申请日：2023-04-04
Applicant: 中南大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本申请实施例提供了一种基于异构域的医学图像分类方法和系统，本方法首先由特征提取器提取每一个模态图像中与病理性相关的图像特征，然后根据最大均值差异法学习属于同一种模态的图像特征之间的共有信息，然后根据域鉴别器学习不同模态的特征之间的一致性属性，最后利用分类器基于学习到的共有信息和一致性信息，得到分类器对脑科医学图像的病理性分类结果。本方法不仅充分学习了同模态图像之间关于病理信息的共有特征，而且还充分的学习了不同模态图像之间关于病理信息的一致性特征，充分利用不同模态图像中的这两类特征信息实现图像病理性分类，不仅能提高分类效率，而且也能提高图像病理性分类准确度。
-
公开(公告)号：CN115866247B
公开(公告)日：2023-05-09
申请号：CN202310189730.X
申请日：2023-03-02
Applicant: 中南大学
IPC: H04N19/11 , H04N19/593
Abstract: 本发明公开了一种基于MAE预训练模型的视频编码帧内预测方法和系统，本方法通过根据获得的所有预测单元的最优预测模式完成每个编码单元的帧内预测；获取每个预测单元的最优预测模式包括步骤：根据预测单元相邻的已预测单元获得初始化候选列表，并获取已预测单元的重建信息；计算每种预测模式的第一率失真损失；通过训练好的MAE预测模型，获得预测图像，并根据预测图像计算获得第二率失真损失；根据第一率失真损失和第二率失真损失，更新加入训练好的MAE预测模型后的初始化候选列表；计算更新后的候选列表中每种预测模式的实际损失，并根据实际损失获得预测单元的最优预测模式。本发明能够提高视频编码帧内预测的准确度。
-
公开(公告)号：CN119919527A
公开(公告)日：2025-05-02
申请号：CN202510415174.2
申请日：2025-04-03
Applicant: 中南大学
IPC: G06T11/00 , G06N3/0455
Abstract: 本申请公开了一种医学图像生成方法、系统、电子设备及存储介质，该方法通过获取由配对的sMRI图像和PET图像构建的训练数据集；构建包含3D编码器和3D解码器的医学图像生成模型，其中，3D编码器包括深度可分离卷积和多个包含MVM块和下采样的特征提取模块，3D解码器包括多个残差块、多个上采样和预测头，MVM块用于对MVM块的输入信息进行聚合并提取不同尺度特征；采用训练数据集对医学图像生成模型进行训练，得到训练好的医学图像生成模型，以便将待生成的sMRI图像输入训练好的医学图像生成模型中，生成PET图像。本申请能够高效、准确地实现从sMRI图像到PET图像的高质量转换，从而能够提高生成图像的精确度。
-
Patent Agency Ranking
公开(公告)号：CN116722751A
公开(公告)日：2023-09-08
申请号：CN202310756243.7
申请日：2023-06-26
Applicant: 中南大学
Abstract: 本发明公开了一种频率选择型射频电源及柔性变频控制方法，本发明中的频率选择型射频电源主要包括经过改进的射频电源主电路拓扑及与其配套的柔性调频控制技术；射频电源主电路拓扑包括AC/DC整流模块，DC/DC高频隔离模块，DC/AC逆变模块和控制模块，柔性调频控制方法是通过对锁相环的输入输出控制实现射频电源的柔性调频以及多个射频电源的一定同步关系构建。本申请一方面解决了射频电源偏离额定工作点处产生的输出特性恶化问题，另一方面也可方便的实现对多个射频电源同步输出的控制，扩展了等离子体射频电源的射频输出范围和应用范围，能够在一定程度上降低工艺制造的成本。
-
公开(公告)号：CN115866247A
公开(公告)日：2023-03-28
申请号：CN202310189730.X
申请日：2023-03-02
Applicant: 中南大学
IPC: H04N19/11 , H04N19/593
Abstract: 本发明公开了一种基于MAE预训练模型的视频编码帧内预测方法和系统，本方法通过根据获得的所有预测单元的最优预测模式完成每个编码单元的帧内预测；获取每个预测单元的最优预测模式包括步骤：根据预测单元相邻的已预测单元获得初始化候选列表，并获取已预测单元的重建信息；计算每种预测模式的第一率失真损失；通过训练好的MAE预测模型，获得预测图像，并根据预测图像计算获得第二率失真损失；根据第一率失真损失和第二率失真损失，更新加入训练好的MAE预测模型后的初始化候选列表；计算更新后的候选列表中每种预测模式的实际损失，并根据实际损失获得预测单元的最优预测模式。本发明能够提高视频编码帧内预测的准确度。
-
公开(公告)号：CN115474060B
公开(公告)日：2023-01-17
申请号：CN202211342013.8
申请日：2022-10-31
Applicant: 中南大学
IPC: H04N19/513 , H04N19/436 , H04N19/96 , G06F9/50
Abstract: 本发明公开了一种HEVC并行加速编码方法、系统、设备及存储介质，本方法获取预测的运动矢量，并将预测的运动矢量作为起点，预设运动矢量的第一预测范围；将原点作为起点，预设运动矢量的第二预测范围；延后预设的多个编码单元，并预设多个空闲线程对第一预测范围内的所有运动矢量进行SAD计算，以及对第二预测范围内的所有运动矢量进行SAD计算；在HEVC帧间编码中对运动矢量进SAD计算时，若多个空闲线程已完成SAD计算，并且运动矢量在第一预测范围内或第二预测范围内，则直接调用运动矢量对应的SAD计算结果；根据SAD计算结果，对编码单元进行编码。本发明能够保证视频编码的质量，同时提高HEVC的编码速度。
-
公开(公告)号：CN104616200A
公开(公告)日：2015-05-13
申请号：CN201510072839.0
申请日：2015-02-11
Applicant: 中南大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明提出了一种基于节点特性的在线社会网络影响力最大化初始节点选取方法。首先在网络中，基于用户活跃度、用户敏感度和用户亲密度三方面因素，对节点特性进行评价，并以此为依据对节点之间的信用值进行重新定义和分配，节点之间的信用值大小体现节点之间的影响力，如果两个相邻节点相继执行相同的行为，则认为后者被前者影响，为前者分配信用，之后我们结合网络结构和用户行为日志，计算网络中任意两节点之间的信用值大小，并通过贪心算法，递归选取边际收益最大的节点组成影响力最大化初始节点集合。本发明改进了以往仅依据节点度值评价节点影响力规则的弊端，减少了运算时间和内存消耗，能更真实有效地描述并预测影响力的传播过程。
-
公开(公告)号：CN104579787A
公开(公告)日：2015-04-29
申请号：CN201510027620.9
申请日：2015-01-20
Applicant: 中南大学
IPC: H04L12/24
Abstract: 本发明提出了一种考虑节点适应度的在线社会网络拓扑生成方法，属于计算机技术领域。本方法初始设定在为完全图的在线社会网络中，对于每个新加入的节点，根据基于节点适应度和点权的双重评估择优连接机制，从当前网络中选取若干节点与该新节点连接，新节点的加入会导致网络中部分节点的点权和适应度发生动态演化。节点的点权大小可以代表该节点在网络中的“地位”，而适应度则可以用来评估该节点的“吸引力”。本发明方法构建了一种新的在线社会网络演化评估条件，弱化了以往仅基于节点点权或度大小的演化规则的弊端，可以更真实地模拟并预测网络的演化过程。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
