-
公开(公告)号：CN106780073B
公开(公告)日：2021-05-25
申请号：CN201710019177.X
申请日：2017-01-11
Applicant: 中南大学
IPC: G06Q50/00
Abstract: 本发明公开了一种考虑用户行为和情感的社会网络影响力最大化初始节点选取方法，使用带有分类标签的评价数据集，构建情感单词训练模型扩展已有的情感词典，分别对社会网络节点进行行为倾向分析和情感倾向分析，作为节点影响力的评判依据，构建综合考虑用户行为和情感的影响力传播模型BSIS，并结合贪心算法求解最大影响力边际收益节点加入到初始节点集合中。本发明综合考虑用户行为倾向和情感倾向，更加有效、准确、真实地挖掘影响力最大化初始节点。
-
公开(公告)号：CN107657605B
公开(公告)日：2019-12-03
申请号：CN201710810756.6
申请日：2017-09-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于主动轮廓和能量约束的筛板前表面深度测量方法，该方法采用基于k均值聚类和主动轮廓的Bruch膜开口点测定方法和基于能量约束的筛板前表面分割方法，首先将k均值聚类的聚类图作为C‑V主动轮廓模型的初始轮廓，提取出轮廓中的Bruch膜开口点，再根据开口点的位置得到筛板前表面分割的感兴趣区域，使用能量约束方法分割出筛板前表面，最后根据两个步骤的结构测量出筛板前表面深度。该方法所得结果优于现有的方法，并与专家手工标定结果相一致，能够解决专家在临床诊断时需要手动标定测量筛板前表面深度的费时费力的问题，对青光眼的早期筛查和临床诊断具有积极意义。
-
公开(公告)号：CN109744996A
公开(公告)日：2019-05-14
申请号：CN201910027537.X
申请日：2019-01-11
Applicant: 中南大学
Abstract: 本发明公开了一种OCT图像的BMO位置定位方法，包括合成二维投影图并对彩色眼底图像进行视盘分割；彩色眼底图和二维投影图进行配准得到二维投影图上的视盘轮廓；视盘轮廓投影到OCT图像上得到两条投影线；分割RPE层并得到BMO点的粗定位点；训练识别网络；以BMO点的粗定位点为中心提取感兴趣区域并输入识别网络；将识别结果进行后处理并选取一致性最好的图像块作为最终的BMO定位区域；最终的BMO定位区域的集合中心即为最终的BMO定位点。本发明方法在BMO定位的精度上优于现有方法，更为接近专家手动标定的结果，而且本发明能够减少BMO周围组织对自动定位造成的影响，帮助临床医生自动标定出BMO位置。
-
公开(公告)号：CN104537126B
公开(公告)日：2017-12-01
申请号：CN201510046401.5
申请日：2015-01-29
Applicant: 中南大学
IPC: G06F17/30
Abstract: 本发明提供一种基于边图随机游走的重叠社区发现方法，主要包括以下步骤：1)根据网络中成员的关系，构建一个相互连接的无向图G，由图G的关联矩阵B可得到有权边图LG的权值矩阵H，有权边图LG中的节点为初始无向图G中的边。2)在有权边图LG上进行长度为T的随机游走，初始转移概率矩阵P根据权值矩阵H得到，无向图G中边之间的相似度为T步内转移概率之和，再将相似度转化为距离，聚类产生边社区。3)定义节点受到边社区的吸引度，找出边社区之间的边缘节点，根据吸引度的阈值δ可对边缘节点划分，最后检测到允许节点重叠的社区。本发明方法简单易行，并且通过调整阈值δ能发现不同重叠程度的社区。
-
公开(公告)号：CN106066929A
公开(公告)日：2016-11-02
申请号：CN201610351176.0
申请日：2016-05-25
Applicant: 中南大学
IPC: G06F19/00
CPC classification number: G06F19/325 , G06F19/34
Abstract: 本发明提出一种新型临床医学对象组织方法，属于临床医学领域。本方法首先要将临床医学中各种实体和对象定义为具有三要素的元数据，构建基本医学对象数据模型；然后，将医学对象相互关系通过元网络建模，通过元网络将医学对象组织形成临床对象的整体数据模型；最后，通过基于医学对象组合查询，依据元网络映射，提取一级乃至多级医学数据。本发明适用度高，扩展性强，降低了对医学信息资源的存储、检索和利用的难度，并且对临床医学中的研究也有很大的帮助。
-
Patent Agency Ranking
公开(公告)号：CN118552626B
公开(公告)日：2024-11-26
申请号：CN202411002916.0
申请日：2024-07-25
Applicant: 中南大学
IPC: G06T7/80 , G06N3/0455
Abstract: 本发明公开了一种单视角图像相机标定方法，包括获取现有的图像数据集；基于图像的几何特征提取图像对应的特征向量并构建训练数据集；构建包括编码器网络和解码器网络的单视角图像相机标定初步模型并训练得到单视角图像相机标定模型；采用单视角图像相机标定模型完成目标单视角图像相机的参数标定。本发明还公开了一种实现所述单视角图像相机标定方法的系统。本发明能够在不预设标志物的场景中获得更精准的标定结果，而且可靠性更高，精确性更好，实用性更好。
-
公开(公告)号：CN114693928B
公开(公告)日：2024-11-26
申请号：CN202210303004.1
申请日：2022-03-24
Applicant: 中南大学
IPC: G06V10/26 , G06V40/10 , G06V10/774 , G06V10/52
Abstract: 本发明公开了一种OCTA图像的血管分割方法，包括获取视网膜OCTA图像数据集并分为带标签图像和无标签图像；构建编码器和双解码器；选出若干带标签图像和无标签图像；将带标签图像输入到编码器和主解码器得到血管分割结果，计算监督部分损失并反向传播更新编码器和主解码器的参数；将无标签图像输入到编码器、主解码器或辅解码器中得到血管分割结果，计算一致性损失并反向传播更新编码器和辅解码器的参数；重复以上步骤得到最终的OCTA图像的血管分割模型；采用OCTA图像的血管分割模型对实际的OCTA图像进行血管分割。本发明还公开了包括所述OCTA图像的血管分割方法的成像方法。本发明可靠性高、实用性好且分割效果较好。
-
公开(公告)号：CN116524178A
公开(公告)日：2023-08-01
申请号：CN202310224096.9
申请日：2023-03-10
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V10/774 , G06V10/82 , G06N3/088 , G06N3/0895
Abstract: 本发明公开了一种基于半监督的MRI图像组织分割方法，包括获取图像数据并标记得到带标签和无标签数据图像；构建图像组织分割初步模型；随机选取若干张图像并进行增广得到强增广图像和弱增广图像；选择带标签的图像输入到当前分割模型并得到监督部分损失和边界损失；选择无标签的图像输入到当前的分割模型中并得到无监督损失；综合所有损失构成总损失函数，通过梯度下降算法反向传播以更新当前的分割模型的参数；重复以上步骤直至得到最终的图像组织分割模型；采用图像组织分割模型进行实际的MRI图像的组织分割。本发名还公开了一种包括所述基于半监督的MRI图像组织分割方法的成像方法。本发明可靠性高、精确性好且分割效果好。
-
公开(公告)号：CN114691848A
公开(公告)日：2022-07-01
申请号：CN202210301448.1
申请日：2022-03-24
Applicant: 中南大学
IPC: G06F16/332 , G06F16/33 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种关系三元组联合提取方法，包括获取训练数据集并生成输入特征向量；将输入特征向量输入编码器生成上下文语义信息特征向量；解码上下文语义信息特征向量得到句子中所有可能的主体及对应的主体特征向量；将上下文语义信息特征向量和主体特征向量输入到关系注意力模块得到两个分支的注意力特征向量并相加，通过激活函数得到激活向量并进行乘法处理得到加权后的注意力特征向量；解码加权后的注意力特征向量并识别得到每个关系维度的客体；对主体与客体进行关系匹配得到最终的关系三元组。本发明还公开了包括所述关系三元组联合提取方法的自动问答系统构建方法。本发明能够全面提取关系三元组，而且可靠性高，准确性好且实施简单方便。
-
公开(公告)号：CN108961261B
公开(公告)日：2022-02-15
申请号：CN201810209966.4
申请日：2018-03-14
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间连续性约束的视盘区域OCT图像层次分割方法，该方法首先使用BM3D算法去除OCT图像中的散斑噪声；之后使用基于模糊C均值和主动轮廓的ROI分割方法将图像中多个高反射区相互分离；然后使用ROI区域图像对血管阴影进行定位；使用A‑scan分割算法依次对所述ROI区域进行分割，利用血管阴影区域对每幅图像的初步分割结果进行修正；最后使用空间连续性约束优化修正后的分割结果，获得ILM、IS‑OS、BM的分割边界；该方法是一种行之有效的视盘区域OCT图像的层次分割方法，分割准确度较高，并对散斑噪声、血管阴影具有一定的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
