-
公开(公告)号：CN119418381A
公开(公告)日：2025-02-11
申请号：CN202411463210.4
申请日：2024-10-18
Applicant: 南京大学
IPC: G06V40/16 , A61B5/00 , G06V40/10 , G06V10/44 , G06V10/764 , G06V10/77 , G06N3/0464
Abstract: 本发明提出了一种基于人脸视频提取血流运动特征的疲劳检测网络，该网络由人脸视频预处理、特征提取模块、特征约束处理模块和分类器组成。旨在解决现有疲劳检测方法中生化指标方法侵入性强、生理信号方法实时性差、行为表征方法可靠性弱等问题。
-
公开(公告)号：CN119295782A
公开(公告)日：2025-01-10
申请号：CN202411463232.0
申请日：2024-10-18
Applicant: 南京大学
IPC: G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H30/20
Abstract: 本发明提出了一种基于信息相似度的无类别特征记忆模块。该模块利用无类别记忆，以及无类别记忆注意增强机制，增强了特征表示，不依赖于数据集的特定的类别信息，能够帮助模型在面对新的数据时，仍然能够保持较好的性能。集成该模块的网络可以用于多种下游任务，如分类、目标检测、分割等。综合实验表明，当在最先进的神经网络模型中加入该模块时，在医学数据集和其他通用数据集上分类准确率、F1‑scores等指标有了很大的提升。
-
公开(公告)号：CN117102051A
公开(公告)日：2023-11-24
申请号：CN202210531962.4
申请日：2022-05-17
Applicant: 南京大学
Abstract: 本发明公开了一种物料筛选装置及其筛选方法。该装置由传送装置、筛选装置、分离装置和收集装置四部分组成。传送装置包括给料槽、溜槽、传送带，将待筛选的原料均匀地散开并运输至筛选装置；筛选装置包括照明设备、拍摄装置和处理器，用于识别、分辨原材料的类别，再讲信号传输至分离装置；分离装置包含若干个喷气阀，用于接收信号并将正确的物料吹至收集装置；收集装置则由两个成品收集装置组成，分别收集正确的物料和其他物料。物料筛选方法采用了深度学习的方法，利用卷积神经网络将待筛选的原料分类。本发明的装置和方法能够准确并且快速地筛选原料，甄别具有特定特征的物料。
-
公开(公告)号：CN116196015A
公开(公告)日：2023-06-02
申请号：CN202310188226.8
申请日：2023-03-01
Applicant: 南京大学
Abstract: 本发明公开了一种基于节律特征融合卷积神经网络对脑电信号进行分类的模型。目的是解决目前关于脑电信号的研究中忽视信号的节律特征的，以及脑电信号在不同个体间的差异导致在迁移学习中神经网络表现差的问题。针对现有的问题，本发明设计了一种提取特定频段特征的网络结构，实现了从各个脑电节律提取不同的特征，并使用与一致性相关的自定义函数作为评价指标进行网络训练，并将各个节律的特征融合的分类方法。大大提高了脑电信号分类的迁移学习准确率。
-
公开(公告)号：CN115687988A
公开(公告)日：2023-02-03
申请号：CN202111054174.2
申请日：2021-09-09
Applicant: 南京大学
IPC: G06F18/241 , G06N3/0442 , G16H50/20 , G16H50/70
Abstract: 本发明提出了一种全新的基于信息相似度的门控记忆神经网络模型。该模型设计了一种新的基于信息相似度的门控记忆单元，充分利用了底层网络模型提取的图像特征向量，并可以将图像特征信息进行类别化和记忆性存储与更新。该门控单元记忆的信息区别于传统RNN网络的隐含记忆，更具有表述性并能被存储化。克服了传统卷积神经网络提取的特征依赖对应图像而出现个体化的缺点，克服了循环神经网络只能形成一种类似于记忆的训练机制而不能存储更新类别特征记忆本身的缺点。本发明利用IBS距离度量方法设计损失函数赋予记忆单元类别属性，并使用IBS算法设计了门控记忆单元的迭代记忆存储函数，能够对图像类别特征的记忆库进行长期存储和更新。另外，该网络把类别记忆和图像本身个体特征结合参与网络分类训练，记忆的参与提升了网络分类准确率。经过测试，该网络在图像分类方面有非常强的准确度与适用性。
-
Patent Agency Ranking
公开(公告)号：CN114723981A
公开(公告)日：2022-07-08
申请号：CN202011513299.2
申请日：2020-12-18
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种全新的孪生交叉对比神经网络模型。该模型充分利用了孪生网络两路数据流并进的特点，根据两路输出的数据特征组的异同程度制作损失函数。同时提出了一种能够衡量、量化两个系统的相似程度的方法——DisIBS方法，这个方法相比传统的IBS方法对神经网络的适应性更强并且具有一定的物理意义。另外，该网络在训练的输入部分使用特殊的伪随机数据分类模式，减少了训练者在训练网络时筛选输入数据标签时的工作量。经过测试，该网络在图像分类方面有非常强的准确度与适用性。
-
公开(公告)号：CN112741596A
公开(公告)日：2021-05-04
申请号：CN201911057381.6
申请日：2019-10-31
Applicant: 南京大学
Abstract: 本发明提供了一种基于深度可分离卷积的移动端心音预测方法。本发明从医学信号本身的特点和移动端部署难点出发，使用短时傅里叶变换将一维心音转换成二维图像，利用大卷积核提升精确度，用深度可分离卷积减少计算量，在计算量和参数量得到严格控制的情况下，与从传统深度网络模型相比，提升了精确度。同时，提供了模型在移动端部署的方法，利用手机麦克风获取心音数据，在手机上做预测，实现离线状态下移动端的心音分类。
-
公开(公告)号：CN112288735A
公开(公告)日：2021-01-29
申请号：CN202011235554.1
申请日：2020-11-06
Applicant: 南京大学
Abstract: 一种基于神经网络的利用牙齿锥形束CT图自动检测牙折裂的方法，包括步骤：通过构建牙齿锥形束CT图片自动分割器，对牙齿锥形束CT图进行自动分割，得到每颗牙齿锥形束CT图片，并进行图像处理，输入已训练好的分类神经网络模型，将神经网络的输出作为牙齿锥形束CT图是否存在牙折裂的检测结果。
-
-
公开(公告)号：CN107596549A
公开(公告)日：2018-01-19
申请号：CN201711094239.X
申请日：2017-11-03
Applicant: 南京大学
Abstract: 本发明提供一种基于精准定位的窦房结局域微量持续性电刺激方案，包括两大步骤：①精准定位窦房结，将刺激电极准确放置在窦房结表面，放置方式主要包括体内放置和体外放置两种；②给予窦房结局域微量持续性电刺激，以提高窦房结的兴奋性，其中电刺激方式可选用微量直流电或微量直流电加交流白噪声的方式。整个过程针对窦房结夺获能力下降导致的房颤易复发等问题，探索了一种窦房结刺激的新方案，促使大多数心房组织的兴奋性无法超过窦房结，从而为包括房颤、房扑等在内的窦房结相关的疾病治疗提供了一种新颖的方法。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.022 seconds)
