-
公开(公告)号：CN118365793A
公开(公告)日：2024-07-19
申请号：CN202410507749.9
申请日：2024-04-25
Applicant: 之江实验室
Abstract: 本申请涉及一种基于黎曼流形的肘关节分型方法、装置、设备和存储介质。所述方法包括：建立肘关节模板的第一三维模型以及多个目标肘关节的第二三维模型；对所述第一三维模型进行网格化，获取网格模板，并建立各所述第二三维模型与第一三维模型之间的特征点对应关系；基于各所述特征点对应关系以及网格模板，对各所述第二三维模型进行网格化，生成对应的网格模型；将各所述网格模型投影到黎曼流形上，提取各所述目标肘关节的全局形状特征；基于所述全局形状特征，利用聚类算法将各所述第二三维模型划分为若干个簇，得到各所述目标肘关节的分型结果。采用本方法能够量化和捕捉肘关节形状之间的潜在差异，实现按照全局形态相似度对肘关节进行分型。
-
公开(公告)号：CN117544821A
公开(公告)日：2024-02-09
申请号：CN202311462639.7
申请日：2023-11-03
Applicant: 之江实验室 , 上海人工智能创新中心
IPC: H04N21/44 , H04N21/4402
Abstract: 本申请涉及一种视频合并方法、装置、计算机设备以及存储介质。所述方法包括：采集候选视频，并确定候选视频的视频名称；根据候选视频的视频名称将候选视频存入存储系统的视频文件夹中；确定候选视频的视频元数据，并根据视频元数据对视频文件夹中的候选视频进行更新，确定视频文件夹对应的目标视频；根据关键词从视频文件夹中确定目标文件夹，并从目标文件夹对应的目标视频中确定期望视频；根据预设的目标视频尺寸和目标视频分辨率确定期望视频的排列方式，基于排列方式对期望视频进行合并，确定组合视频，并对组合视频进行可视化展示。提高了组合视频播放的流畅度，并且提高了组合视频的视频播放质量。
-
公开(公告)号：CN118608547B
公开(公告)日：2024-10-25
申请号：CN202411081243.2
申请日：2024-08-08
Applicant: 之江实验室 , 上海人工智能创新中心
IPC: G06T7/11 , G06T7/194 , G06V10/774 , G06V10/764 , G06V10/82 , G06V20/69 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于原型和半监督深度学习的细胞核分割方法和系统，方法包括：将病理图像构建为有标签图像和无标签图像；构建基于半监督学习的深度学习细胞核分割网络，首先利用有标签图像仅对细胞核分割网络中的学生网络进行监督训练；利用无标签图像对细胞核分割网络中的教师网络和学生网络进行引入类别原型的学习和训练；利用训练后的学生网络进行待测病理图像细胞核分割。本发明能够利用基于原型的半监督学习的方法减少标注成本并实现高精度的细胞核分割，具有标注数据量少、自动化和成本低等特点，对基于病理图像的医学诊断具有重大意义。
-
Patent Agency Ranking
公开(公告)号：CN118608547A
公开(公告)日：2024-09-06
申请号：CN202411081243.2
申请日：2024-08-08
Applicant: 之江实验室 , 上海人工智能创新中心
IPC: G06T7/11 , G06T7/194 , G06V10/774 , G06V10/764 , G06V10/82 , G06V20/69 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于原型和半监督深度学习的细胞核分割方法和系统，方法包括：将病理图像构建为有标签图像和无标签图像；构建基于半监督学习的深度学习细胞核分割网络，首先利用有标签图像仅对细胞核分割网络中的学生网络进行监督训练；利用无标签图像对细胞核分割网络中的教师网络和学生网络进行引入类别原型的学习和训练；利用训练后的学生网络进行待测病理图像细胞核分割。本发明能够利用基于原型的半监督学习的方法减少标注成本并实现高精度的细胞核分割，具有标注数据量少、自动化和成本低等特点，对基于病理图像的医学诊断具有重大意义。
-
公开(公告)号：CN118197636A
公开(公告)日：2024-06-14
申请号：CN202410319916.7
申请日：2024-03-20
Applicant: 之江实验室 , 上海人工智能创新中心
IPC: G16H50/50
Abstract: 本申请涉及一种基于多模态生物力学的腹主动脉瘤生长预测方法和装置，该方法包括计算腹主动脉瘤血管壁的个体化初始材料参数；基于个体化初始材料参数，分析血液‑血管壁的瞬态双向耦合作用；基于个体化初始材料参数，构建随时间和空间演变的血管壁的组织成分的应变能函；基于组织成分的应变能函数，分析腹主动脉瘤的生长与重塑过程；基于血液‑血管壁的瞬态双向耦合作用和腹主动脉瘤的生长与重塑过程，分析大时间尺度下的血液‑血管壁‑组织成分耦合作用；基于血液‑血管壁‑组织成分耦合作用预测腹主动脉瘤的生长过程，解决了预测结果与实际情况往差异较大的问题，极大程度地提高预测动脉瘤生长过程的精度。
-
公开(公告)号：CN118171045A
公开(公告)日：2024-06-11
申请号：CN202410364271.9
申请日：2024-03-28
Applicant: 之江实验室 , 上海人工智能创新中心
Abstract: 本发明涉及一种基于同步采样的斩波噪声消除方法及系统，该方法包括：基于系统时钟信号，通过分频处理，得到同步的第一时钟信号和第二时钟信号；根据第一时钟信号，针对脑电采集设备采集的信号进行斩波调制，输出得到脑电信号；根据第一时钟信号，对脑电信号进行放大处理后再进行斩波解调制，并返回至原始的脑电信号频段，得到放大脑电信号；根据第二时钟信号，通过模数转换对放大脑电信号进行采样，并转换为离散数字信号输出，得到清晰且没有噪声点的脑电信号。与现有技术相比，本发明能够有效消除脑电信号通过斩波放大器带来的斩波噪声的影响，提高信号的实时性和精度，节省硬件使用面积、功耗和硬件冗余，同时减少对计算能力和存储资源的需求。
-
公开(公告)号：CN118155280A
公开(公告)日：2024-06-07
申请号：CN202410271438.7
申请日：2024-03-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多模态数据频域融合的人体行为预测方法，包括：获取多模态数据并清洗数据，其中所述多模态数据包括光学运动捕捉数据、文本数据和视频数据；利用傅里叶变换把各模态的数据分别转换到频域中，得到各模态数据对应的一维频域向量；对得到的一维频域向量进行预处理，拼接为一个一维向量；利用人体行为预测模型对预处理后的一维频域向量进行处理，得到下一预测状态的融合频域信息；对所述融合频域信息进行后处理，并将得到的各模态频域预测信息利用傅里叶逆变换技术转换为各模态对应的时域预测数据。
-
公开(公告)号：CN117953351A
公开(公告)日：2024-04-30
申请号：CN202410355666.2
申请日：2024-03-27
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/44 , G06V10/77 , G06N3/092 , G06N3/0895 , G06N3/0985 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于模型强化学习的决策方法，包括：获取高维图像数据集；利用自监督学习方法从所述高维图像数据集中学习对应的低维特征；在低维特征空间中，利用Transformer架构构建强化学习的世界模型；利用构建的世界模型向前想象若干步，根据想象轨迹的回报进行前向搜索，得出最优策略。与随机决策相比，这种方法减少决策的随机性，可以提高决策效率，根据智能体现有的决策能力进行决策，克服了样本效率过低、增加了处理动态环境中不确定性的能力，进而达到更优且稳健的策略。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.021 seconds)
