-
公开(公告)号：CN119811571A
公开(公告)日：2025-04-11
申请号：CN202411869984.7
申请日：2024-12-17
Applicant: 南京工业大学 , 北京联达时代科技有限公司
Abstract: 一种基于大模型的病历结构化的系统，包括硬件采集装置、数据处理模块、大模型结构化模块、规则引擎模块和患者信息整合模块；对于纸质病历的处理步骤包括：S1采用硬件采集装置对纸质病历进行扫描，采集图像数据；S2在数据处理模块中，把S1采集到的图像数据转换成医学病历文本数据；S3在大模型结构化模块中，以S2得到的文本数据作为大模型的输入，生成单张病历的结构化数据；S4在规则引擎模块中，对S3得到的单张病历的结构化数据进行标准化处理；S5在患者信息整合模块中，对同一患者多张病历进行信息整合，形成完整的患者诊断与检查信息；在S3中，先获取预训练的医学基座模型，然后对医学模型进行医学数据结构化训练，得到医学病历结构化模型。
-
公开(公告)号：CN119544035A
公开(公告)日：2025-02-28
申请号：CN202411638622.7
申请日：2024-11-15
Applicant: 南京工业大学
IPC: H04B7/185 , H04L45/12 , H04L45/247
Abstract: 一种多用户动态星间网络的低成本通信路径实时计算和优化方法，步骤包括：步骤一、将时间段内星间网络建模到无向图，并为每条链路分配时间相关的通信成本函数；步骤二、计算链路通信成本函数的交叉点，根据交叉点对应的潜在路径改变时间划分稳定链路周期，计算卫星拓扑图的双连通分量和初始最优通信路径；步骤三、用过滤机制来判断每个交叉点涉及的链路，用链路交换策略更新路径；步骤四、输出稳定通信周期及最优通信路径的动态更新。本发明利用稳定通信周期和链路交换的思想实时计算和更新通信路径，确保通信成本最小化。该方法能够明显降低链路成本随时间变化的星间网络的通信成本和响应时间，避免了最优通信路径的重复计算。
-
公开(公告)号：CN114998255B
公开(公告)日：2024-11-01
申请号：CN202210606883.5
申请日：2022-05-31
Applicant: 南京工业大学
Abstract: 一种基于航空发动机孔探裂纹检测轻量化部署方法，包括步骤；1)获取航空发动机孔探裂纹的图像或视频，并构成孔探裂纹图像数据集；视频是多个连续帧图像；2)建立基于GhostNet的YOLOv5卷积神经网络模型；3)训练改进的YOLOv5卷积神经网络模型；4)利用训练好的权重文件与测试数据集进行测试，针对改进模型的测试结果进行消融实验，对各个模型的性能进行对比，从中选择性能最好的YOLOv5改进网络模型；5)将改进的网络模型部署到Jetson Nano嵌入式平台，利用训练好的权重文件对孔探裂纹图像和视频进行检测；通过比较裂纹检测的精准度和单帧图像推理时间，对改进模型的轻量化部署进行最终的评估。
-
公开(公告)号：CN117975230A
公开(公告)日：2024-05-03
申请号：CN202410009304.8
申请日：2024-01-03
Applicant: 南京工业大学
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/766 , G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/098
Abstract: 一种基于稀疏密集表征的多尺度神经网络架构设计方法，包括基于稀疏多窗口划分机制的表征编码器设计；基于密集区域池化机制的全局上下文表征编码器设计；多尺度信息融合设计。神经网络具有四个特征提取阶段，每个阶段包含了若干个特征提取模块以及一个降采样层，用于对前一个阶段的输出特征进行两倍的下采样，使得模型从浅层到深层的分辨率逐渐降低，宽度/通道数逐渐增加。基于稀疏多窗口划分机制的表征编码器采用多组并行的方式进行多种组合式感受野的联合学习；基于密集区域池化机制的全局上下文表征编码器首先将特征图进行下池化，然后进行点到区域的相似度计算以建模全局性的相似度信息；多尺度融合中采用基于线性多层感知机的模块实现。
-
公开(公告)号：CN117649896A
公开(公告)日：2024-03-05
申请号：CN202311645831.X
申请日：2023-12-01
Applicant: 南京工业大学
Abstract: 一种基于图神经网络的钙钛矿性质预测方法，采用基于注意力机制的图神经网络模型作为预测模型对钙钛矿各项性质进行预测；构建预测模型步骤包括：将钙钛矿晶体结构表示成图结构用于图神经网络模型的输入；构建基于注意力机制的图神经网络模型用于钙钛矿性质的预测；将图结构作为样本数据，用于预测模型的输入，进行预测模型的训练和测试过程，验证预测模型的预测效果。将训练完成的预测模型用于实际预测。本发明将钙钛矿材料表示为图数据，通过考虑每个节点与其邻居之间的距离向量，预测模型可以学习更全面的拓扑和空间几何结构信息。通过引入注意力机制，预测模型可以学习相邻原子之间的局部关系和原子对材料性质的总体贡献。
-
Patent Agency Ranking
公开(公告)号：CN115147385A
公开(公告)日：2022-10-04
申请号：CN202210820374.2
申请日：2022-07-13
Applicant: 南京工业大学
Abstract: 本发明公开了一种航空孔探视频中重复损伤的智能检测和判定方法，首先对内部损伤进行目标检测，读取当前帧目标检测框的位置和各检测框图像块的深度特征；然后根据置信度对检测框进行过滤；对检测框进行极大值抑制以消除同一损伤有多个检测框的现象；使用卡尔曼滤波追踪器预测目标当前帧的位置；接着对基于外观信息的马氏距离计算轨迹信息和探测信息的代价矩阵，相继进行级联匹配和IOU匹配；最后更新卡尔曼滤波追踪器参数和特征集，同时进行目标消失和新目标出现的判断。在此过程中，为了解决孔探视频中出现重复损伤误判的问题，本发明基于孪生卷积神经网络和最佳堆叠块的融合，提出了一种航空孔探视频中重复损伤的智能检测和判定方法。
-
公开(公告)号：CN110445866B
公开(公告)日：2021-11-30
申请号：CN201910739002.5
申请日：2019-08-12
Applicant: 南京工业大学
IPC: H04L29/08
Abstract: 本发明公开了一种移动边缘计算环境中任务迁移和协作式负载均衡方法，包括：周期初始微云检查是否有新的微云进入自己的通信范围，如果有，则更新邻居微云的列表；计算各邻居微云的当前负载，计算各邻居微云的延迟指标并广播；由得到的延迟指标，计算延迟参数和迁移概率，确定最优迁移对象；将任务迁移到最优迁移对象的邻居微云；进入下一个周期并回到步骤一执行，直到计算任务结束；计算最大负载、失衡度量和统计偏度，并进行负载均衡。所述方法根据微云当前的负载信息为移动用户选择最优的任务迁移对象；以及针对微云的协作式负载均衡策略，只需获取局部信息就可以有效地实现移动微云之间的负载均衡。
-
公开(公告)号：CN110365787B
公开(公告)日：2021-08-17
申请号：CN201910658469.7
申请日：2019-07-19
Applicant: 南京工业大学
IPC: H04L29/08
Abstract: 本发明公开了一种应用容器并基于微服务框架的边缘计算最优化布局方法，包括：接收用户应用请求和所控区域内各边缘服务器的状态信息；将所述各边缘服务器的状态信息和用户的状态信息代入优化模型，得到各边缘服务器当前的负载，比较得到当前负载最少的边缘服务器；选择负载最少的边缘服务器作为当前最优服务器，并在所述当前最优服务器上运行与所述用户应用请求对应的用户应用实例；当用户离开当前控制服务器服务范围至下一个控制服务器服务范围内，当前控制服务器将必要应用信息迁移至新控制服务器，在新的控制服务器所控区域内由步骤一开始执行；当应用结束，所述方法随之终止。本布局方法在低延时要求极高的移动边缘计算场景下也有良好的效果。
-
公开(公告)号：CN110895814A
公开(公告)日：2020-03-20
申请号：CN201911209120.1
申请日：2019-11-30
Applicant: 南京工业大学
Abstract: 一种基于上下文编码网络的航空发动机孔探图像损伤智能分割方法，步骤包括：(1)采集航空发动机孔探图像样本，并标记各个样本，构建航空发动机孔探图像语义分割数据集，将数据集划分；(2)搭建深度卷积神经网络，所述深度卷积神经网络包括特征提取子网络、多尺度上下文信息提取子网络和特征扩张子网络；(3)对待检测的航空发动机孔探图像进行预处理；(4)利用数据集训练深度卷积神经网络，用性能评估函数评估网络性能，将达到预设指标且性能最佳的卷积神经网络参数保存；(5)将经(3)处理的图像依次输入特征提取子网络、多尺度上下文信息提取子网络、特征扩张子网络，得到空间尺寸和输入图像相同的特征向量；(6)将(5)得到的特征向量生成预测标签图像。
-
公开(公告)号：CN119254297A
公开(公告)日：2025-01-03
申请号：CN202411345256.6
申请日：2024-09-25
Applicant: 南京工业大学
IPC: H04B7/185 , H04L45/12 , H04L45/125 , H04L41/14 , H04W40/02 , H04W72/0453
Abstract: 一种星地网络中计算资源与链路资源协同分配方法，包括步骤：步骤一、将时间线划分为多个时间段，每个时间段内构建有向图模型，其中节点为低轨卫星和地面站，边表示通信链路。步骤二、定义边的权重为链路带宽，寻找从源点到目的地的最短路径。考虑节点的计算能力，重新计算路径权重并更新最短路径。对路径上的带宽和计算资源进行分配，更新剩余资源。此过程循环执行，直到资源耗尽或无可用路径。步骤三、对每个时间段的星地网络进行路径寻找与资源分配，确保全时间线上的资源配置。该方法综合考虑了多任务传输需求、卫星计算能力和链路容量限制，显著提高了星地网络的数据处理和传输吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.018 seconds)
