一种基于矢状位医学影像的椎间盘突出退变评估系统

    公开(公告)号:CN116188441A

    公开(公告)日:2023-05-30

    申请号:CN202310208799.2

    申请日:2023-03-01

    Applicant: 山东大学

    Abstract: 本发明属于深度学习与医学影像处理领域,提供了一种基于矢状位医学影像的椎间盘突出退变评估系统,包括图像获取模块,用于获取腰椎矢状位医学图像;初步定位模块,用于基于腰椎矢状位医学图像和训练好的ResNet残差神经网络对椎体与椎间盘进行初步定位得到所有帧图像的初步定位中心点坐标;中心点修正模块,用于遍历所有帧图像的初步定位中心点坐标,判断是否符合腰椎与椎间盘中心点约束条件,若均符合则定位正确,输出椎体与椎间盘中心点坐标;否则基于腰间盘锥体定位中心点迭代修正算法进行修正得到正确的椎体与椎间盘中心点坐标;评估模块,用于根据定位正确的中心点坐标提取椎间盘图像,基于椎间盘图像和分级模型进行分级得到腰椎间盘退变的评估结果。

    基于层次化图神经网络的多机器人环境探索方法及系统

    公开(公告)号:CN115759199A

    公开(公告)日:2023-03-07

    申请号:CN202211454807.3

    申请日:2022-11-21

    Applicant: 山东大学

    Abstract: 本发明提出了基于层次化图神经网络的多机器人环境探索方法及系统,涉及多机器人未知环境探索领域。包括:基于拓扑图的环境建模方法把连续的环境地图表示为拓扑图;基于层次化图神经网络对拓扑图进行特征提取,将拓扑图中不同跳数的特征信息进行聚合,并利用多头注意力机制对拓扑图中结点和边的特征进行融合,得到最终输出拓扑图;将最终输出拓扑图中单个机器人节点对应的结点特征作为强化学习中对应智能体的状态,利用多头注意力机制对来自多个机器人的结点特征进行信息融合,得到机器人系统总状态价值。本发明有注意性地提取环境拓扑图中的特征信息,利用多智能体强化学习框架进行策略学习,提升多机器人系统整体的协同性和任务执行效率。

Patent Agency Ranking