-
公开(公告)号：CN110633663B
公开(公告)日：2022-04-08
申请号：CN201910835953.2
申请日：2019-09-05
Applicant: 东南大学
Abstract: 本发明公开了一种手语视频中自动裁剪多模态数据的方法，该方法：把手语视频裁剪为图像、视频、语音以及手语四个模态的数据集合，基于感知哈希算法把视频关键帧与自定义人脸特征库进行比对，实现视频裁剪过程全自动。本发明通过利用自定义的人脸库裁剪视频中的多模态数据，提高构建多模态数据集的效率。
-
公开(公告)号：CN109086802B
公开(公告)日：2022-04-08
申请号：CN201810748292.5
申请日：2018-07-10
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于八元数卷积神经网络的图像分类方法，首先，输入训练图像，并且将训练图像表示成八元数矩阵的形式；其次，建立八元数卷积神经网络并且训练八元数卷积神经网络，学习得到每一层的网络参数，即训练模型；然后，用校验图像集进行校验，调整到最佳网络参数；最后，对测试图像进行测试，统计分类结果，计算识别率。本发明构造的八元数卷积神经网络，应用八元数矩阵表达方式保留图像内部的内在结构，使得在各种分类任务中，构造的网络与传统方法相比能够获得更高的图像的分类准确率。
-
公开(公告)号：CN109472263B
公开(公告)日：2021-06-15
申请号：CN201811186880.0
申请日：2018-10-12
Applicant: 东南大学
Abstract: 本发明公开了一种结合全局和局部信息的大脑磁共振图像分割方法，包括：利用构建的端到端卷积神经网络对大脑磁共振图像进行分割，得到各类别的预测概率分布；对于大脑磁共振图像利用线性迭代聚类超体素算法生成超体素；将分割所得预测概率分布和所生成超体素融合得到分割结果的大脑磁共振图像，包括：找出超体素在各类别预测概率分布中的对应区域；统计找出各对应区域中背景、脑脊液、灰质和白质出现次数，并计算各个类别出现的比重；利用超体素类别比例方法对各类别预测概率分布重新赋值；求出其类别概率最大的一类，及将类别作为该像素点的类别标签，得到分割结果的大脑磁共振图像。本发明可提高分割精度，得到较好的大脑磁共振图像分割结果。
-
公开(公告)号：CN109124623B
公开(公告)日：2021-03-19
申请号：CN201810554759.2
申请日：2018-06-01
Applicant: 东南大学
IPC: A61B5/369
Abstract: 本发明公开了一种基于三维非线性偏直接相干函数的脑电信号间效应连通性检测方法，包括如下步骤：(1)构造单输入多输出的非线性自回归模型；(2)应用FROLS算法对步骤(1)构造的模型进行系数估计；(3)对三维PDS进行形式变换，得到用频率响应函数描述的信号yi对yj的PDC的定义式；(4)应用Volterra级数核函数的多维傅里叶变换对SIMO NARX模型进行频域分析，计算出模型的非线性频率响应函数；(5)将步骤(4)计算出的非线性频率响应函数代入步骤(3)中的PDC定义式，得到三维NPDC，得出在同时考虑三维信号的情况下某一信号对另一信号的因果影响。该方法可以检测三维脑电信号之间的因果关系。
-
公开(公告)号：CN111553392A
公开(公告)日：2020-08-18
申请号：CN202010307109.5
申请日：2020-04-17
Applicant: 东南大学
Abstract: 本发明涉及一种基于卷积神经网络的细粒度犬类图像识别方法，所述方法包括以下步骤：步骤1：构建卷积神经网络FG-LANet；步骤2：构建大型预训练图像样本数据库并使用该数据库对网络进行预训练；步骤3：构建犬类图像样本数据库并使用该数据库对网络进行微调训练；步骤4：获得犬类品种识别器，使用训练好的卷积神经网络作为犬类品种识别器对犬类图像进行识别。该技术方案通过训练一种适用于犬类图像识别的卷积神经网络模型作为犬类品种识别器，将其集成入电子设备可后提高电子设备对犬类品种进行识别的正确率。
-
Patent Agency Ranking
公开(公告)号：CN110706214A
公开(公告)日：2020-01-17
申请号：CN201910899952.4
申请日：2019-09-23
Applicant: 东南大学
Abstract: 本发明提供了融合条件随机与残差的三维U-Net大脑肿瘤分割方法，包括：对训练集进行三层级联网络架构训练，获得卷积神经网络的模型；通过卷积神经网络模型，对测试集进行测试，获得对应大脑肿瘤每一个分类的概率矩阵；对概率矩阵进行后处理，更新概率，获得最终的大脑肿瘤分割结果。本发明分步简化问题并且获得更好的效果，相较传统方法更有优势，其采用的网络具有更好的学习能力，并且引入残差块来减小网络层数加深带来的梯度爆炸、梯度消失和网络性能退化的影响；在最大程度上使用了三维空间的信息。
-
公开(公告)号：CN110428427A
公开(公告)日：2019-11-08
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。
-
公开(公告)号：CN110292377A
公开(公告)日：2019-10-01
申请号：CN201910495542.3
申请日：2019-06-10
Applicant: 东南大学
IPC: A61B5/0476
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：CN109035197A
公开(公告)日：2018-12-18
申请号：CN201810552230.7
申请日：2018-05-31
Applicant: 东南大学
CPC classification number: G06T7/0012 , G06T7/11 , G06T2207/10081 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于三维卷积神经网络的CT造影图像肾脏肿瘤分割方法。该方法首先粗略分割出CT造影图像中的肾脏区域，并对其中的肾脏和肿瘤分别标注，生成数据集，然后将训练集送入基于金字塔池化和逐步特征增强模块的卷积神经网络中训练，得到训练模型，利用得到的训练模型对新的肾脏数据进行预测，得到肾脏肿瘤的分割掩模。本发明还提出一种基于三维卷积神经网络的CT造影图像肾脏肿瘤分割系统，本发明主要解决了肾脏肿瘤难图像分割的问题，通过本发明能够直接得到肾脏肿瘤的分割掩模。
-
公开(公告)号：CN108596236A
公开(公告)日：2018-09-28
申请号：CN201810351078.6
申请日：2018-04-18
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于全局连接特征和测地距离的丘脑核团分区方法，以实现对大脑丘脑区域的核团分区，该方法首先利用大脑静息态磁共振图像的时间序列信息，结合大脑不同组织的先验图谱，构建了丘脑体素水平的全局连接特征，降低特征的维度从而减少了噪声；其次，结合大脑的三维空间结构信息，构建基于测地距离的丘脑相似度矩阵，更有效地利用了特征的信息；最后提出一种归一化割谱聚类的方法来结合丘脑体素相似度信息对体素进行聚类，与传统方法相比，本发明提出的方法能更有效的降低静息态磁共振图像的噪声影响，提取出高质量的特征，生成精确有效的丘脑核团分区。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.023 seconds)
