-
公开(公告)号：CN118749988A
公开(公告)日：2024-10-11
申请号：CN202410752600.7
申请日：2024-06-12
Applicant: 中南大学
IPC: A61B5/318 , A61B5/346 , A61B5/00 , A61B5/352 , G06F18/2433 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种多导联心电图异常检测方法，包括获取现有的心电图数据并构建训练数据集；基于多头注意力和多层感知机构建多导联心电图异常检测初始模型并训练得到多导联心电图异常检测模型；将待检测的心电图数据输入多导联心电图异常检测模型，完成待检测的心电图的异常检测。本发明还公开了一种包括所述多导联心电图异常检测方法的成像方法。本发明基于多头注意力和多层感知机，设计了多导联心电图异常检测模型，并针对性的进行训练；因此本发明不仅能够完成多导联心电图的异常检测和成像，而且具有可解释性，可靠性更高，精确性更好。
-
公开(公告)号：CN118657996A
公开(公告)日：2024-09-17
申请号：CN202410802495.3
申请日：2024-06-20
Applicant: 中南大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06V10/774 , G06V10/74 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/088 , G06N3/0985 , G06V10/80
Abstract: 本发明公开了一种基于无监督元学习的小样本医学图像分类方法，包括以下步骤：获取医学图像数据；对医学图像数据进行采样，并对采样得到的样本进行数据增强，再进行图像处理，得到具有伪标签的训练数据集，将训练数据集分为训练集和验证集；基于原型网络基本框架，构建初始医学图像分类模型；采用训练集，对初始医学图像分类模型进行训练，得到训练集数据分类模型；采用验证集，对训练集数据分类模型进行调整，得到医学图像分类模型；使用医学图像分类模型，进行实际的医学图像分类。本发明方法不仅克服了医学图像数据量少且分布不均匀的问题，而且不需要对样本进行标记，相比现有方法具有成本低，分类正确率高的优点。
-
公开(公告)号：CN115564974A
公开(公告)日：2023-01-03
申请号：CN202211362223.3
申请日：2022-11-02
Applicant: 中南大学
Abstract: 本发明公开了一种散点图相似性度量方法、终端设备及存储介质，使用PointNet作为特征提取器，并将采样操作融入相似性度量方法中，借助PointNet在二维点云上进行对比学习训练，使用点云数据作为输入能使度量结果独立于散点图的可视化表示，让网络能够学习到散点数据本身的特征；采样操作能使不规则的点云数据更好地配合PointNet；不同的数据增强操作引导网络的学习方向，以度量散点图不同维度上的相似性。本发明不需要带标签的数据，解决了人工获得标签成本高，以及不同人主观判断的不同而使结果产生偏差的问题。
-
公开(公告)号：CN114973126A
公开(公告)日：2022-08-30
申请号：CN202210540837.X
申请日：2022-05-17
Applicant: 中南大学
Abstract: 本发明公开了一种在线课程的学生参与度实时可视化分析方法，包括实时获取在线课程中学生的视频；对视频数据进行预处理提取得到学生的面部特征；从注意力、情感、疲劳程度和认知状态四个方面建立学生参与度分析模型；对学生参与度分析模型的分析结果进行可视化完成在线课程的学生参与度实时可视化分析。本发明使用计算机视觉方法提取学生面部特征，然后建立学生参与度分析模型，然后使用可视分析方法帮助教师从多角度分析学生参与度；相比于传统的线性查看学生视频方法，本发明方法可以自动提取学生参与度信息并进行可视化展示，可靠性高、准确性好、实时性高且方便快捷。
-
公开(公告)号：CN114970558A
公开(公告)日：2022-08-30
申请号：CN202210540851.X
申请日：2022-05-17
Applicant: 中南大学
Abstract: 本发明公开了一种课堂分组讨论的可视化分析方法，包括获取待分析的分组讨论对话数据并预处理；提取处理后的分组讨论对话数据中的对话回复关系；对分组讨论中学生间的互动随时间变化的关系进行可视化分析；计算发言与议题之间的关系并进行可视化分析；对学生参与讨论期间的表现进行分析和可视化展示并辅助教师进行分析。本发明提供的这种课堂分组讨论的可视化分析方法，通过创新的技术方案提取课程分组讨论数据中的有用信息，并将提取的信息进行可视化分析和展示，从事能够更好的辅助教师进行课堂分组讨论的可视化分析；而且本发明方法的可靠性高、准确性好且科学合理。
-
Patent Agency Ranking
公开(公告)号：CN114756615A
公开(公告)日：2022-07-15
申请号：CN202210377483.1
申请日：2022-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于力引导的社交网络可视化方法、计算机装置，立足于切片式社交网络可视化，围绕多关系社交网络中无法有效兼顾网络布局和用户心理地图的问题，给出了基于力引导的多关系社交网络布局方法，提出了个体i位于第j类关系的副本对于位于第k类关系的副本的影响程度Iijk。本发明以影响因子Iijk来衡量节点副本附近网络布局和用户心理地图的冲突程度，以此计算节点副本的理想布局位置，能够同时达到清晰呈现各关系网络图网络结构和保持用户心理地图两个目标。
-
公开(公告)号：CN113780557A
公开(公告)日：2021-12-10
申请号：CN202111332352.3
申请日：2021-11-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于免疫理论的对抗图像攻击方法、装置、产品及介质，基于图像像素的位置关系，利用神经网络损失函数的梯度回传学习每一个像素所占的权重值，得到注意力权重，将注意力权重与像素值相乘后输入激活函数，得到注意力类激活图Ac(i,j)，所述类激活图可近似表征图像目标像素；通过掩码Bk随机掩盖注意力类激活图Ac(i,j)，获取对非目标像素攻击无效的注意力激活图，利用非目标像素攻击无效的注意力激活图获取分类特征向量；将分类特征向量输入设计的泛化性鲁棒损失函数计算梯度值，利用梯度值对神经网络进行后向传播，训练所述神经网络。本发明的方法在对抗图像攻击任务中达到了最先进防御水平。
-
公开(公告)号：CN112884657A
公开(公告)日：2021-06-01
申请号：CN202110487901.8
申请日：2021-05-06
Applicant: 中南大学
Abstract: 本发明公开了一种人脸超分辨率重建方法及系统，采用人工智能中的深度学习方法，结合人脸超分辨率技术，实现了在不需要人脸先验知识的情况下重建清晰的人脸图像。本发明方法构建一个渐进式超分辨率重建模块，逐步提升人脸图像的分辨率，充分利用低分辨率人脸以及噪声信息，可将低分辨率的低光照的人脸重建成面部轮廓、细节信息清晰的超分辨率人脸图像，低分辨率图像的训练有助于更高级别分辨率的训练，因此整体的训练速度更快。
-
-
公开(公告)号：CN108737995B
公开(公告)日：2020-08-25
申请号：CN201810502344.0
申请日：2018-05-23
Applicant: 中南大学
Abstract: 本发明公开了一种充电车移动受限的充电调度方法，包括获取无线可充电传感器网络的数据信息并模；采用路径扫描算法获得初始化数据；采用遗传算法进行第一次优化；采用局部搜索算法进行第二次优化；进行分解和插入得到最终的调度方案。本发明方法充分考虑了实际情况中道路的有向性，因此本发明方法适用于实际道路情况，能够有效减少充电车的平均移动能耗，为充电车搜寻到移动能耗更少的最优充电路径，而且本发明方法科学可靠。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.023 seconds)
