-
公开(公告)号：CN106846343A
公开(公告)日：2017-06-13
申请号：CN201710136672.9
申请日：2017-03-09
Applicant: 东南大学
IPC: G06T7/11
CPC classification number: G06T7/0012 , G06T2207/30004
Abstract: 本发明公开一种基于超像素分割的病理图像特征提取方法，包括以下几个步骤：(1)初始化种子点，确定预分割为K个相同尺寸的超像素(2)相似度衡量，对于每个像素点，分别计算与之距离最近的种子点相似程度(3)提取每个分割部分的直方图，形状，纹理特征。本发明通过线性迭代聚类方法，将一副图像分割成很多部分，并对每部分提取该区域图像的直方图，形状，纹理特征。
-
公开(公告)号：CN104091346B
公开(公告)日：2017-02-15
申请号：CN201410356582.7
申请日：2014-07-24
Applicant: 东南大学
Abstract: 本发明公开了一种全自动CT图像冠状动脉钙化分数计算方法。该方法首先利用同一病人的冠状动脉CT造影图像，分割心脏及主动脉区域，提取冠状动脉中轴线并命名，然后将这些结果通过图像配准映射到普通CT图像上，生成一个用于钙化点检测的感兴趣区域，从而精确定位CT图像中位于冠状动脉血管壁上的钙化点。此外，利用冠状动脉中轴线命名结果，本方法还能区分属于不同冠状动脉主要分支的钙化点。本发明公开的方法能够有效提高冠状动脉钙化分数计算的准确性及计算机辅助诊断的效率。
-
公开(公告)号：CN105787958A
公开(公告)日：2016-07-20
申请号：CN201610341794.7
申请日：2016-05-20
Applicant: 东南大学
IPC: G06T7/00
CPC classification number: G06T2207/10081 , G06T2207/20081 , G06T2207/30084
Abstract: 本发明公开了一种基于三维Zernike矩的肾脏动脉CT造影图像血管分割方法，首先，获取预测体素点集合并提取体素点的局部几何结构；然后，通过将局部几何结构映射到单位球中并通过求解三维Zernike矩来构造具有空间旋转不变性的描述子，并用不同阶和重复度的描述子组成局部几何结构特征描述子来向量化表示局部几何结构的特征；最后采用基于支持向量机的学习分类模型对获取的局部几何结构特征描述子进行分类，以确定哪些体素点在血管腔内，进而通过区域生长获得最终血管分割结果。本发明方法实现了对肾脏动脉CT造影图像血管的半自动化和精确分割，提高了医生的工作效率和临床辅助诊断的准确性。
-
公开(公告)号：CN116403559B
公开(公告)日：2025-01-24
申请号：CN202310330246.4
申请日：2023-03-30
Applicant: 东南大学
IPC: G10L13/02 , H04N21/4627 , H04N21/439 , H04N21/44
Abstract: 本发明公开了一种文本驱动视频生成系统的实现方法，该方法把语音合成系统、视频生成系统集成到了一个系统。语音合成系统采用动态Web技术的JSP页面，通过执行后端服务器训练完成的语音合成模型，完成语音的生成，再通过框架把语音传送到前端，其中还增加了新增、删除、查询、批量删除、合成语音下载、合成语音变速等模块。视频生成系统以语音合成系统为基石，既可以采用语音合成系统生成的语音，也可以采用任意用户上传的语音，以及任意一张人脸图片，通过JSP页面将语音和图片传送到后端服务器，后端加载训练完成的视频生成模型，完成视频的生成，再通过框架把视频传送到前端，从而实现了完整的文本驱动视频生成系统。
-
公开(公告)号：CN110428427B
公开(公告)日：2023-05-12
申请号：CN201910639378.9
申请日：2019-07-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于密集偏置网络和自编码器的半监督肾动脉分割方法，包括：对现有的腹部CT血管造影图像，分割出图像中的肾脏区域得到感兴趣区域图像并进行标注得到肾动脉的真实掩模，并形成监督训练数据集和无监督训练数据集；将无监督训练数据集输入三维卷积去噪自编码器中进行图像重建训练，得到训练好的去噪自编码器模型；将监督训练数据集输入去噪自编码器模型，获得每张图像的先验解剖特征并同对应图像输入构建的密集偏置网络中进行分割训练，得到分割模型；对于新的待分割腹部CT血管造影图像，输入去噪自编码器模型得到图像的先验解剖特征，输入分割模型得到分割结果。本发明能获得高准确率的输出结果，快速实现肾动脉分割。
-
Patent Agency Ranking
公开(公告)号：CN115168612A
公开(公告)日：2022-10-11
申请号：CN202210848061.8
申请日：2022-07-19
Applicant: 东南大学
IPC: G06F16/36 , G06F40/279
Abstract: 本发明公开了一种基于任意维度超复数嵌入的知识图谱表示方法，该方法主要特征在于将原始的知识图谱表示中的四元数嵌入的线性层替换成了超复数嵌入的线性层。具体包括以下步骤：1、知识图谱数据预处理，将传统知识图谱根据模型需求预处理为结构化数据；2、利用深度学习框架pytorch构造初步嵌入，并构建新的线性层，即超复数嵌入线性层，在图谱上学习实体和关系的向量表示；3、用知识图谱校验集进行校验，调整到最佳网络参数；4、对知识图谱测试集进行测试，统计结果。本发明通过改进一种已有的四元数知识图谱嵌入方法QuatE，引入超复数策略，降低了内存占用，减少了参数，同时保持了优异地嵌入结果。
-
公开(公告)号：CN110292377B
公开(公告)日：2022-04-01
申请号：CN201910495542.3
申请日：2019-06-10
Applicant: 东南大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于瞬时频率和功率谱熵融合特征的脑电信号分析方法，包括以下步骤：(1)提取慢波睡眠期的正常脑电信号和早期帕金森病的脑电信号，分别计算其瞬时频率和功率谱熵，从而构成一个二维的时序特征；(2)将二维时序特征作为LSTM神经网络的输入并进行训练学习；(4)利用训练学习号的神经网络对待评估脑电信号进行分析。该方法效果良好，能区分帕金森病病人与正常人的脑电信号。
-
公开(公告)号：CN113539232A
公开(公告)日：2021-10-22
申请号：CN202110781210.9
申请日：2021-07-10
Applicant: 东南大学
IPC: G10L13/047 , G10L13/033 , G10L13/08 , G10L25/24 , G10L25/30 , G10L19/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于慕课语音数据集的语音合成方法，该方法的主要特征在于通过真实场景下的语音构建的数据集进行语音合成，并进行说话人转换和多语种语音合成；该方法运用端到端的语音合成模型生成梅尔频谱，并用基于生成对抗网络的声码器将梅尔频谱转换成最终音频。本发明在真实场景下的语音数据集上有良好的效果，降低了语音合成所需数据的要求，提高了合成音频的质量，使合成音频更贴近真实说话场景。
-
公开(公告)号：CN113434727A
公开(公告)日：2021-09-24
申请号：CN202110852417.0
申请日：2021-07-27
Applicant: 东南大学
IPC: G06F16/71 , G06F16/735 , G06F16/783 , G06F16/74 , G06F40/258 , G06F40/279 , G06F40/58
Abstract: 本发明公开了一种新闻类长视频描述数据集的构建方法，该方法的主要特征在于把新闻类长视频构建成包含视频、视频标题、音频、中英文文本的数据集；该方法基于感知哈希算法计算相邻帧对应的灰度图之间的相似度来进行长视频的自动分割，使用FFmpeg完成音频的提取，并基于Python和selenium制作了一个语音识别工具来自动识别音频中包含的有效文本信息，最后通过脚本自动将视频片段、视频标题、音频、中英文文本信息组合形成一个新闻类长视频描述数据集，为长视频描述网络的研究以及长视频描述在为视频拟定标题方面的应用提供了支持。
-
公开(公告)号：CN112508844A
公开(公告)日：2021-03-16
申请号：CN202011060583.9
申请日：2020-09-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于弱监督的大脑磁共振图像分割方法，包括以下步骤：使用超体素匹配方法实现待分割图像与参考图像之间的匹配，使得待分割图像的超体素获得标签，在待分割图像匹配的超体素中，选择高置信度的超体素组成种子区域；建立一种脑组织分割网络模型BTSNet，以选择的种子区域作为监督标签，指导网络训练，获得图像每个体素的类别概率；采用了深度种子区域增长方法，以当前种子区域为基础，使用卷积网络输出的类别概率，更新种子区域；最后，迭代脑组织分割网络与深度种子区域增长两个步骤，直至种子区域覆盖整个图像，输出分割结果。本发明能够在只使用少量参考图像的超体素级别标签的条件下实现脑MRI图像的准确分割。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.024 seconds)
