-
公开(公告)号：CN109730678A
公开(公告)日：2019-05-10
申请号：CN201910083223.1
申请日：2019-01-28
Applicant: 常州大学
Abstract: 本发明涉及一种多层大脑功能网络的模块划分方法，主要步骤如下：对大脑功能磁共振图像进行预处理，将处理后的图像进行脑区划分和时间序列提取；利用滑窗法将时间序列划分为长度相同的子段，计算各脑区对应时间子段间Pearson相关性，构建随时间变化的多层大脑功能网络；利用k-means选择不同脑区作为初始化聚类中心，进行多次基聚类划分，每次划分对应一个隶属矩阵和相似性矩阵；利用聚类有效性指标对每次划分进行评估，将评估值作为相似性矩阵的权值，构造加权相似性矩阵；利用模糊C-means聚类对加权相似性矩阵进行划分，对划分结果利用Q函数进行评价，得到各层大脑功能网络的模块划分结果。
-
公开(公告)号：CN108855969A
公开(公告)日：2018-11-23
申请号：CN201810571841.6
申请日：2018-06-04
Applicant: 常州大学
CPC classification number: B07C5/06 , B07C5/361 , B07C5/362 , B07C2501/009
Abstract: 本发明公开一种用于Y形夹指采摘机器人的果实大小自动分选装置及流程。该装置由机器人末端执行器、收集索道、轨道分选筛、输送带和收纳箱组成。基于采摘机器人Y形夹指末端执行器在采摘果实的过程中完成果实大小的测量；果实落入收集索道后置入轨道分选筛，再由主控计算机控制沿轨道移动至相应输送带；打开分选筛的侧门，果实落入输送带传递至收纳箱。本发明用于Y形夹指采摘机器人，使得采摘机器人在果实采摘过程中同时完成果实大小的分选，从而提升采摘机器人的功能性，并简化后续果实商品化的流程。
-
公开(公告)号：CN108615027A
公开(公告)日：2018-10-02
申请号：CN201810446463.9
申请日：2018-05-11
Applicant: 常州大学
Abstract: 本发明公开了一种基于长短期记忆的加权卷积神经网络对视频中的人群进行计数的方法，首先根据不同场景估计透视图，进而生成人群的自适应密度图；然后对连续多帧图像降采样后输入神经网络，并基于图像及其对应的真实自适应密度图训练网络；利用训练好的网络估计输入图像的密度图，并根据密度图预测人数。针对场景中人群的尺度差异，本发明通过一种分尺度损失函数衡量网络学习到的不同尺度特征。针对人群分布不均匀问题，本发明通过一种加权损失函数权衡不同区域的贡献。同时，本发明通过长短期记忆获取相邻帧之间的关联信息，并通过平滑滤波对预测的人数进行后处理，提高了人群计数的准确性。
-
公开(公告)号：CN108491835A
公开(公告)日：2018-09-04
申请号：CN201810599295.7
申请日：2018-06-12
Applicant: 常州大学
Abstract: 本发明公开了一种双通道卷积神经网络对人脸面部表情识别的方法，首先针对不同的输入图像进行预处理包括人脸检测、旋转校正、降采样以及数据样本扩充(若输入RGB图像，则将其灰度化以降低计算复杂度)，从而提高人脸检测精度。其次对于样本扩充后的灰度图像，计算对应的LBP图像，从而构成双通道样本集，用于后续的模型训练与测试。然后利用双通道特征提取网络(Binary Channel-Feature Extraction Network，BC-FEN)进行人脸图像全局及局部特征的有效提取。最后利用加权融合分类网络(Weighted Merge Classify Network，WMCN)完成人脸图像的特征融合及表情分类，提高了人脸表情识别精度。
-
公开(公告)号：CN108470165A
公开(公告)日：2018-08-31
申请号：CN201810240802.8
申请日：2018-03-22
Applicant: 常州大学
Abstract: 本发明公开了一种采摘机器人果实视觉协同搜索方法，该方法采用大、小双视场视觉采集系统，其中大视场摄像机安置在机器人移动平台上，用来对果园果树进行全局成像，并对图像进行显著性区域提取，而后利用目标似然度来衡量果实似然目标，去除小区域后由此确定大视场图像中果实目标的大致区域，同时引导机器人靠近果树；小视场摄像机安置在机器人末端执行器所在机械臂上，建立大、小视场图像坐标系，视场图像坐标系与世界坐标系之间的映射关系；在从大视场当前图像中获得的果实目标搜索区域信息以及坐标系映射关系基础上，小视场摄像机区域成像，以此协同搜索果实。该方法类同人眼目标搜索，可避免机器人盲目无序搜索，为后续果实精确识别奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN107358022A
公开(公告)日：2017-11-17
申请号：CN201710408764.8
申请日：2017-06-02
Applicant: 常州大学
CPC classification number: G06T7/0012 , G06T2207/10088 , G06T2207/30016
Abstract: 本发明涉及一种大脑功能网络的模块化分析方法。主要步骤包括：首先，将大脑fMRI图像进行预处理后与标准分区模板匹配，并进行ALFF计算；其次，提取大脑所有脑区时间序列，计算任意两个脑区时间序列的相关系数，根据时间序列相关系数矩阵对大脑功能网络进行模块划分；再次，对划分出的模块构建功能连接网络，利用最短路径长度、集聚系数等指标分析模块的信息传递速率和集团化程度等特征，并由节点中心性确定网络中的核心节点；最后，对ALFF结果进行统计，结合节点能量分布分析特定节点的活跃程度以及节点间功能连接强度的差异性。将大脑功能网络进行模块化分析，对研究脑疾病患者与正常人大脑的局部功能结构具有一定的参考价值。
-
公开(公告)号：CN103800011B
公开(公告)日：2016-08-17
申请号：CN201410054387.9
申请日：2014-02-18
Applicant: 常州大学
IPC: A61B5/055
Abstract: 本发明公开了一种基于功能磁共振成像的脑区效应连接分析系统，包括实验范式设计模块、核磁成像处理模块、大脑图像分区模块、效应连接检测模块和分析结果显示模块。实验范式设计模块对实验对象参与的实验内容和实验流程进行设计；核磁成像处理模块通过参数配置单元对磁共振设备采集到的图像进行预处理并保存；大脑图像分区模块加载和储存大脑分区模板，对核磁成像进行区域划分；效应连接检测模块进行定向线性因果关系分析，计算效应连接值和连接指标；分析结果显示模块将效应连接分析结果和相关的脑功能指标反馈给医护人员和被试。本发明在功能磁共振成像质量评估、脑功能诊断与调节、认知功能研究、精神疾病治疗等领域具有重要的应用价值。
-
公开(公告)号：CN105847205A
公开(公告)日：2016-08-10
申请号：CN201610160925.1
申请日：2016-03-21
Applicant: 常州大学
Abstract: 本发明涉及一种阻抗性金属有线信道中基于梯度的方波差分调相调制解调(DPSK)通信方法。超长金属导线自身分布的电容和电感使其不再是单纯的阻性，导致信道带宽变窄，阶跃响应的时间常数增大，因此传统基于幅值的方波DPSK通信无法正常工作。本发明在方波DPSK通信接收端引入波形梯度改进解调算法，实现大时间常数时的方波DPSK通信。
-
公开(公告)号：CN105125213A
公开(公告)日：2015-12-09
申请号：CN201510444714.6
申请日：2015-07-24
Applicant: 常州大学
IPC: A61B5/055
Abstract: 本发明公开了一种大脑功能网络活跃程度的度量方法，包括以下步骤：对正常被试者和特定被试者分别进行功能磁共振扫描，将获得的相同状态下大脑功能磁共振图像进行预处理操作；采用标准化分区模板在功能磁共振图像中划为若干大脑区域，将每个脑区定义为一个节点，脑区与脑区之间的联系定义为连接节点的边，使整个大脑形成一个含有多个节点以及节点之间连接边的功能网络；根据节点的度和该节点与周围节点的最大连接边数，分别计算特定被试者各个脑区对应的节点活跃度和正常被试者整个大脑功能网络的节点平均活跃度，并进行比较，将活跃程度高的脑区作为活跃区域。本发明通过大脑功能网络节点的活跃度来反映各个脑区之间的联系紧密程度，同时可以针对单一区域来观察其活跃程度的强弱。本发明在大脑功能调节、认知功能研究、精神疾病诊断与治疗等领域具有一定的应用价值。
-
公开(公告)号：CN105117731A
公开(公告)日：2015-12-02
申请号：CN201510424233.9
申请日：2015-07-17
Applicant: 常州大学
IPC: G06K9/62
CPC classification number: G06K9/6211 , G06K9/6222
Abstract: 本发明涉及一种大脑功能网络的社团划分方法，步骤如下：对大脑功能磁共振图像进行格式转换和预处理；将图像划为若干大脑区域，提取不同标准分区对应的时间序列；用组分析结果表示所有节点的值，计算脑区的相关系数，将相关系数矩阵中的元素作为初始值，求与连接节点距离最小的权值；定义最优节点及其邻域，将邻域节点对应的权值向节点值逼近；当连接权值稳定时视为收敛，得到社团数目和中心点；用隶属度矩阵定义社团中心点与成员的关系，确定中心点位置；计算目标函数，若函数值或其改变量小于阀值，输出各社团的成员和中心点，否则修正隶属度矩阵重新计算。通过上述方法可以研究大脑功能网络的空间交互模式并分析网络中是否存在关键成员。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.022 seconds)
