-
公开(公告)号：CN111080575B
公开(公告)日：2023-08-25
申请号：CN201911154760.7
申请日：2019-11-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于残差密集U形网络模型的丘脑分割方法，包括如下步骤：S1：对训练样本图像数据进行预处理；S2：构建待训练的语义分割网络模型；S3：将预处理后的训练样本图像，作为待训练的语义分割网络模型的输入，对待训练的语义分割网络模型进行训练，获取训练好的丘脑分割模型；S4：将待分割原始图像进行轴向面切片，并作为训练好的丘脑分割模型的输入，获取待分割原始图像的初步分割图像；S5：将待分割原始图像的初步分割图像进行拼接，获得三维丘脑分割结果图像。本发明的丘脑分割方法通过运用残差学习，增加了网络深度使得网络整体特征提取能力，解决了增加深度带来的副作用，即梯度弥散问题，从而使得丘脑组织更易提取。
-
公开(公告)号：CN110522448B
公开(公告)日：2023-04-11
申请号：CN201910631316.3
申请日：2019-07-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于图卷积神经网络的脑网络分类方法，包括以下步骤：首先，从大脑功能核磁共振图像中提取各个脑区的血氧合度依赖信号；其次，构建能够反映大脑分区之间功能性连接拓扑结构特征的脑图；再次，将构建的脑图以及实际诊断标签输入到图卷积神经网络中进行特征学习以及模型训练。本发明用于脑网络分类。
-
公开(公告)号：CN110728685B
公开(公告)日：2023-04-07
申请号：CN201910892219.X
申请日：2019-09-20
Applicant: 东南大学
IPC: G06T7/11 , G06T7/44 , G06T19/20 , G06V10/764
Abstract: 本发明公开了一种基于对角体素的局部二值模式纹理算子的脑组织分割方法，步骤如下所示：S1：对原始脑部磁共振扫描图像进行超体素聚类分割；S2：对超体素进行对角体素局部二值模式纹理特征提取；S3：根据所述对角体素局部二值模式纹理特征，以kNN为预测模型，进行特征匹配。本发明从三维的角度去整体地看待MRI数据，能够最大限度、高效地对有限的数据进行充分利用，从而可以很好地提取三维数据的特征，有效缓解MRI数据样本不足与机器学习需要大量训练数据的矛盾。
-
公开(公告)号：CN110599461B
公开(公告)日：2023-04-07
申请号：CN201910772126.3
申请日：2019-08-21
Applicant: 东南大学
IPC: G06T7/00 , G06V10/762 , G06V10/774 , G06V10/40
Abstract: 本发明公开了一种基于子空间特征学习的丘脑功能分区方法。首先，使用弥散张量成像进行纤维追踪以获得活体大脑内部结构连接信息，使用精细皮层分区针对复杂非线性的丘脑皮层特征提取形成结构连接特征。然后，使用深度子空间网络以及增加的自表达特性学习特征的隐藏子空间映射，提取低维子空间特征。最后，对体素特征加以空间约束降低噪声的影响，更好地反映空间拓扑结构，丰富对空间信息的提取，构建亲和度矩阵使用归一化割方法获得功能分区。本发明方法能够降低噪声的影响，并且能够更好地反映体素空间的拓扑结构，丰富对空间信息的提取，可以高效地获得丘脑功能分区。
-
公开(公告)号：CN110473206B
公开(公告)日：2023-03-21
申请号：CN201910670324.9
申请日：2019-07-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于超体素与测度学习的弥散张量图像分割方法，包括以下步骤：首先，对弥散张量图像，计算描述每个体素水分子弥散的几何特征与方向特征。然后，在弥散张量图像的组织区域均匀采样种子点，结合位置、几何与方向特征，采用局部空间模糊聚类方法生成超体素。接着，在谱聚类的框架下，建立测度学习与聚类的优化模型，对目标函数采用迭代交替求解，实现超体素的分类。最后，将超体素的分类结果映射回图像空间，从而获得弥散张量图像的分割结果。本发明方法可以高效、稳定地获得精准的组织分割，对于大脑神经影像分析、疾病诊断与大脑认知研究等具有科学意义。
-
Patent Agency Ranking
公开(公告)号：CN115410256A
公开(公告)日：2022-11-29
申请号：CN202211036368.4
申请日：2022-08-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于四元数Zernike矩不变量的人脸表情识别方法，所述方法包括以下步骤：步骤1：采集待验证的彩色人脸表情图像；步骤2：将图像切分为大小相同的9个小块；步骤3：分别对每个小块提取0‑14阶四元数Zernike矩不变量特征；步骤4：基于多局部表征和Transformer的神经网络设计；步骤5：将识别矩阵输入到深度神经网络中进行训练和识别。本发明使用四元数Zernike矩提取的彩色人脸特征具有较高的鲁棒性，利用机器视觉和深度学习技术，有效实现了对愤怒、厌恶、高兴等七种表情的识别。
-
-
公开(公告)号：CN114903442A
公开(公告)日：2022-08-16
申请号：CN202210623580.4
申请日：2022-06-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于门控循环网络的脑电信号间效应连通性检测方法，包括以下步骤：(1)对获取的患者iEEG信号进行相应预处理；(2)将步骤(1)预处理好的信号使用GRU‑GC算法估计效应连通性；(3)使用步骤(2)中得到的连通性矩阵，进行二值化，从而建立有向大脑网络连接，并提取相应特征；(4)使用Gauss核函数的支持向量机将步骤(3)中提取的特征建立分类模型，通过大量实验来获得iEEG通道的分类概率统计结果；(5)利用分类准确率、特异性和敏感性对算法分类结果进行评估。本发明通过对大量实验结果进行统计分析得到每个通道的分类概率，可以判断该通道为问题通道，为癫痫外科手术的术前评估打下基础。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.029 seconds)
