-
公开(公告)号：CN109086809A
公开(公告)日：2018-12-25
申请号：CN201810787550.0
申请日：2018-07-18
Applicant: 安徽安大笃北信息科技有限责任公司 , 安徽大学
Abstract: 本发明公开了一种基于改进的监督局部线性嵌入的早期阿尔茨海默病分类方法，包括以下步骤：(1)图像预处理：将采集的结构核磁共振图像进行图像校正、标准化、颅骨剥离和脑组织分割等过程；(2)相关特征的选取：根据脑区各功能的划分和统计分析技术提取出全脑感兴趣灰质体积和脑区平均皮层厚度，从数据集中获取CSF数据，将三组数据的组合作为原始特征；(3)高维空间特征的降维：将原始的高维特征作为改进的监督局部线性嵌入算法的输入，进行非线性降维，提取更具有鉴别信息的特征；(4)分类：将降维后的特征作为支持向量机分类器的输入，得到最终的分类精度。本发明相较于现有技术可以有效提高小样本数据的早期阿尔茨海默病分类结果。
-
公开(公告)号：CN106954069A
公开(公告)日：2017-07-14
申请号：CN201710306336.4
申请日：2017-05-04
Applicant: 安徽大学
IPC: H04N19/467 , H04N19/176 , G06T9/00
CPC classification number: H04N19/467 , G06T9/00 , H04N19/176
Abstract: 本发明公开一种面向数字图像隐私保护和管理的可逆数据嵌入编码方法，将灰度图像分为八个位平面图，对每个位平面图进行图像加密和数据嵌入联合编码，然后将这八个位平面图重新合成为灰度图像，即为携有秘密信息的密文图像，得到携有秘密信息的密文图像后，每个位平面图使用解密密钥可对密文信息进行解密，解密后的位平面图根据数据嵌入编码可直接提取嵌入信息并将图像恢复为原始载体图像。本发明有效保证数据的大容量嵌入，载体数据的可逆恢复。
-
公开(公告)号：CN103854074A
公开(公告)日：2014-06-11
申请号：CN201410114812.9
申请日：2014-03-25
Applicant: 安徽大学 , 国网安徽省电力公司电力科学研究院 , 安徽继远电网技术有限责任公司
Abstract: 本发明公开了一种基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统，通过小波分解将冰灾影响因素与覆冰数据逐个分解，求得小波系数和尺度系数；利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列，逐个对各气象因素与输电线路因素进行非线性回归得到覆冰厚度及质量的拟合方程；对这些方程建立基于IOWA算子的组合预测模型，求得组合预测加权向量和诱导值序列，产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数；再采用小波重构算法得到覆冰厚度及质量的预测值序列。本发明的覆冰预测方法及系统，具有速度快、外推性好、结果比较可信等优点。
-
公开(公告)号：CN119693171B
公开(公告)日：2025-05-16
申请号：CN202411760607.X
申请日：2024-12-03
Applicant: 安徽大学
IPC: G06Q50/00 , G06F18/22 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/042
Abstract: 本发明公开一种基于动态调整和邻居对比模块的网络社团划分方法，获取社交网络数据并构建原始图，图增强模块基于样本学习正负例法对原始图进行社团划分，生成两个新的增强图，将两个增强图输入共享参数的双层编码器，通过编码器分别进行特征提取，得到对应的节点特征，对节点特征输入自适应调整模块，动态调整重构，通过邻居对比模块来评估每个邻居对损失计算的贡献，计算对比损失时引入锚点相邻节点的相似度，通过对比损失和重构损失来评估模型的预测值与真实值之间差别。本发明通过引入邻居对比模块，将邻居锚点对相似度得分相加，使得模型能够更精确地区分正样本对和负样本对，从而提高了模型的聚类和预测准确性。
-
公开(公告)号：CN119559230B
公开(公告)日：2025-05-06
申请号：CN202410426737.3
申请日：2024-04-10
Applicant: 安徽大学
Abstract: 本发明公开一种基于手动特征伪装的热图像深度估计方法，首先输入原始热图像和相机内部参数；然后，计算得到加强热图像；其次，构造特征提取编码器、计算热图像特征图及其集合；再次，构造特征伪装结构，计算不确定特征图；从次，构造特征向量解码器，计算估计深度图；和地面真实值计算混合损失；最后，根据估计深度图和地面真实值计算混合损失，即可获得精确的深度图。本发明既能解决现有基于自监督的单目图像深度估计方法在处理大规模室外环境条件恶劣图像数据时所产生的远距离信息感知不足问题，又能提高估计深度的工作效率，为大规模室外环境条件恶劣图像数据在深度估计领域的应用以及三维立体重建和视觉导航技术的发展奠定了重要基础。
-
Patent Agency Ranking
公开(公告)号：CN119479969B
公开(公告)日：2025-03-28
申请号：CN202510013977.5
申请日：2025-01-06
Applicant: 安徽大学
IPC: G16H10/60 , G16H15/00 , G16H30/20 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种多模态特征融合Mamba用于医学报告自动生成方法，将原始医学图像输入视觉特征提取模块输出视觉特征；将原始医学报告输入文本特征提取模块，输出文本特征；将视觉特征和文本特征分别输入SSM‑Attention视觉文本特征整合模块，输出新的视觉特征和文本特征；新视觉特征输入Transformer编码器，增强视觉特征提取高级视觉特征；将文本特征和增强后的高级视觉特征输入多模态融合Mamba模块输出融合特征，将融合特征输入Transformer解码器自动生成医学报告。本发明的SSM‑Attention、Multi modal Mamba可独立发展和改进，同时也方便将新开发的技术模块集成进来，并不仅限与医学影像与文本特征的融合，他适用于任何的多模态的特征进行融合。
-
公开(公告)号：CN119625657A
公开(公告)日：2025-03-14
申请号：CN202411701664.0
申请日：2024-11-26
Applicant: 江淮前沿技术协同创新中心 , 安徽大学
Abstract: 本发明公开一种基于多模态的双阶段细化绑定关系的车辆目标检测方法。该方法采用RGB、灰度和红外图像的多模态输入，通过独立网络进行多尺度特征提取，并在不同模态的多尺度特征之间进行融合，构建多模态多尺度特征图。在第一阶段，进行检测目标与查询的初步绑定，通过查询与多模态多尺度特征图的交互确定采样点。基于该位置信息，从多模态多尺度特征图中采样特征，并将采样特征映射到查询的通道维度。接着，通过交叉注意力机制更新查询，并引入历史查询以增强当前查询的效果。在第二阶段，基于初步绑定关系进行得分计算，设定阈值，以区分稳定与不稳定的绑定关系。对于得分高于阈值的目标，加大权重以强化绑定；而得分低于阈值的目标，则通过重新匹配查询与目标，优化绑定关系。最终，预测头对经过强化和调整的查询进行解码，输出目标的类别与边界框。
-
公开(公告)号：CN119559230A
公开(公告)日：2025-03-04
申请号：CN202410426737.3
申请日：2024-04-10
Applicant: 安徽大学
Abstract: 本发明公开一种基于手动特征伪装的热图像深度估计方法，首先输入原始热图像和相机内部参数；然后，计算得到加强热图像；其次，构造特征提取编码器、计算热图像特征图及其集合；再次，构造特征伪装结构，计算不确定特征图；从次，构造特征向量解码器，计算估计深度图；和地面真实值计算混合损失；最后，根据估计深度图和地面真实值计算混合损失，即可获得精确的深度图。本发明既能解决现有基于自监督的单目图像深度估计方法在处理大规模室外环境条件恶劣图像数据时所产生的远距离信息感知不足问题，又能提高估计深度的工作效率，为大规模室外环境条件恶劣图像数据在深度估计领域的应用以及三维立体重建和视觉导航技术的发展奠定了重要基础。
-
公开(公告)号：CN119479969A
公开(公告)日：2025-02-18
申请号：CN202510013977.5
申请日：2025-01-06
Applicant: 安徽大学
IPC: G16H10/60 , G16H15/00 , G16H30/20 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种多模态特征融合Mamba用于医学报告自动生成方法，将原始医学图像输入视觉特征提取模块输出视觉特征；将原始医学报告输入文本特征提取模块，输出文本特征；将视觉特征和文本特征分别输入SSM‑Attention视觉文本特征整合模块，输出新的视觉特征和文本特征；新视觉特征输入Transformer编码器，增强视觉特征提取高级视觉特征；将文本特征和增强后的高级视觉特征输入多模态融合Mamba模块输出融合特征，将融合特征输入Transformer解码器自动生成医学报告。本发明的SSM‑Attention、Multi modal Mamba可独立发展和改进，同时也方便将新开发的技术模块集成进来，并不仅限与医学影像与文本特征的融合，他适用于任何的多模态的特征进行融合。
-
公开(公告)号：CN119344751A
公开(公告)日：2025-01-24
申请号：CN202411897459.6
申请日：2024-12-23
Applicant: 安徽大学
IPC: A61B5/372 , A61B5/00 , G06F18/10 , G06F18/15 , G06F18/2131 , G06F18/24 , G06F18/25 , G06N3/0464
Abstract: 本发明公开一种基于自适应时空注意力与动态融合网络的癫痫预测方法，涉及脑信号预处理模块、上下文注意力编码层、远距离内容依赖网络、自适应时序状态空间建模模块和癫痫预测模块；脑信号预处理模块获得对应时域信息和频域信息和邻接矩阵；邻接矩阵视为图结构，图结构各条边的权重输入上下文注意力编码层，提取各通道间的空间特征，通过邻居节点信息的聚合和注意力动态调整权重，输出节点特征矩阵；节点特征矩阵输入远距离内容依赖网络输出全局空间特征和对应时间序列；通过自适应时序状态空间建模模块得到时空动态融合特征；时空动态融合特征输入癫痫预测模块后输出癫痫预测结果。本发明能够精准预测。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.032 seconds)
