-
公开(公告)号：CN107485387A
公开(公告)日：2017-12-19
申请号：CN201710863101.5
申请日：2017-09-21
Applicant: 桂林电子科技大学
CPC classification number: A61B5/04 , A61B5/4854 , A61B5/4887 , A61B5/7267 , A61H39/002 , A61H2201/0184 , A61H2201/1635 , A61H2201/165 , A61H2201/50 , A61H2205/065 , A61N1/36014
Abstract: 本发明提供了一种穴位自动跟踪系统以及方法，该系统包括穴位采集装置以及服务器。所述穴位采集装置包括手环本体以及设置在所述手环本体上的加速传感器、电子针灸模块、经络信号采集模块、预处理模块、无线通信模块以及报警模块，所述预处理模块与所述加速传感器、所述经络信号采集模块、所述电子针灸模块、所述无线通信模块以及所述报警模块连接，所述穴位采集装置与所述服务器建立无线通信连接。该系统可以缓解目前用户只有在主动进行测量时，才能获取到自己的身体状况，且获取到的身体状况不能体现用户病情严重程度的问题。
-
公开(公告)号：CN119252341A
公开(公告)日：2025-01-03
申请号：CN202411262514.4
申请日：2024-09-10
Applicant: 桂林电子科技大学
IPC: G16B40/00 , G16B20/30 , G06F18/211 , G06F18/23 , G06F18/2135
Abstract: 本发明公开了一种添加的掩码的scRNA‑seq测序数据PCA降维方法，涉及生物信息技术领域，其技术方案要点是：包括采集数据并进行预处理，得到原始基因表达矩阵；添加掩码，筛选并掩盖低可变基因，从而得出掩码矩阵；奇异值分解，使用SVD分解求出降维矩阵；PCA降维，根据降维矩阵的特征值与原始基因表达矩阵相乘，得到降维结果；聚类可视化，使用leiden方法进行聚类，使用T‑SNE方法进行可视化。本发明提出了一种添加的掩码的scRNA‑seq测序数据PCA降维方法，通过添加掩码的方式保留低表达基因之间的潜在联系，同时采用从基因表达综合中心(GEO)下载的数据集，经过传统PCA与掩码PCA方法分别降维，通过聚类精确度比较方法效果，结果表明了在大部分数据集上，聚类效果得到了明显提升。
-
公开(公告)号：CN119251912A
公开(公告)日：2025-01-03
申请号：CN202411474595.4
申请日：2024-10-22
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V40/20 , G06V10/42 , G06V10/46 , G06V10/82 , G06T3/4076 , G06N3/08 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06V10/774
Abstract: 本发明属于基于深度神经网络的计算机视觉领域，公开了一种轻量化的人体姿态估计方法。在本方法中，通过设计的轻量化方法实时对人体姿态进行识别。提出了一个近似单分支的轻量化全局建模网络LGM‑Pose。在这个网络中，设计全局特征提取模块，通过提出的无参数维度变换子模块和MLP Block，实现全局信息的轻量化提取。并设计了一个卷积特征融合模块通过混洗操作和分组卷积来融合多尺度信息，缓解单分支结构缺少多尺度联合而带来性能下降问题。在COCO数据集上的实验结果表明，相比当前人体姿态估计领域轻量化方法，本文提出的方法具有更少的参数，同时取得了更优良的性能。
-
公开(公告)号：CN118485918A
公开(公告)日：2024-08-13
申请号：CN202410553839.1
申请日：2024-05-07
Applicant: 桂林电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种虫草图像智能识别方法及系统，涉及图像处理技术领域，其技术要点为：虫草图像智能识别方法包括：提取前景物体虫草：利用目标检测技术选择前景物体，并通过图像分割技术剔除背景；虫草姿态矫正：利用残差网络模型预测虫草头尾两个端点的坐标，根据端点进行姿态矫正；虫草图像识别：将矫正后的虫草图像输入基于自注意力特征提取网络构建的虫草识别模型，预测虫草的类别。本发明采用关键点检测技术检测虫草两个端点，基于两个端点执行几何变换操作，将各种姿态的虫草统一到同一姿态下，降低数据分布的复杂度。
-
公开(公告)号：CN118330654A
公开(公告)日：2024-07-12
申请号：CN202410452291.1
申请日：2024-04-16
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
IPC: G01S15/89 , G06F18/213 , G06F18/22 , G01S7/52
Abstract: 本发明公开了一种基于多声呐的水下场景实时重建系统。定位和场景重建是水下机器人探索海洋河流所必须解决的问题，而水下环境复杂多变，且单个声呐探索的数据缺少高程信息。针对这些问题，本发明结合多波束声呐与360°侧扫声呐来获取数据并将其进行关联，通过算法去噪后提取场景的特征点。再通过不同时刻的数据来确定场景的距离与高程。通过特征点的位置和距离，声呐不同时刻的位置和行程距离，建模成因子图并将其优化来确定当前的准确位置。本发明通过双声呐来解决机器人位置的不确定性，通过将其各自获取到的数据进行关联，来解决机器人因环境或自身的不稳定而到不准确数据的问题。之后通过数据分析建模来实现自身的定位与场景所在的位置。
-
Patent Agency Ranking
公开(公告)号：CN118247648A
公开(公告)日：2024-06-25
申请号：CN202410445123.X
申请日：2024-04-15
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
IPC: G06V20/05 , G06V40/10 , G06V10/30 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明涉及一种基于结构重参化的水下密集鱼群检测方法及设备，涉及图像处理和计算机视觉领域，特别是一种应用于水下环境的鱼群检测方法。方法包括以下步骤：设备通过摄像头获取不同水下场景的鱼群数据；通过图像降噪方法对水下图像进行预处理；构建具备多尺度特征增强模块的结构重参化神经网络；将经过数据预处理的鱼群数据集输入至该结构重参化神经网络中进行网络训练，得到用于水下密集鱼群检测的神经网络；将神经网络进行结构重参化转为推理阶段应用于水下密集鱼群检测设备中，可进行实时检测。采用结构重参化的方法进行模型推理，使水下密集鱼群检测神经网络的检测效率能够得到有效提升。
-
公开(公告)号：CN118015617A
公开(公告)日：2024-05-10
申请号：CN202410146393.0
申请日：2024-02-01
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/69 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/776 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了基于目标检测的乳腺癌病理图像有丝分裂细胞核识别方法，包括：将乳腺癌有丝分裂细胞核图像输入目标检测网络，筛选有丝分裂细胞核的候选框及所述候选框对应的第一置信度；对筛选后的候选框进行窗口重定位，过滤检测阶段产生的劣质假阳性，并重新定位有丝分裂细胞核的中心位置，获取过滤后的候选框及第二置信度；将过滤后的候选框输入分类网络，输出最终候选框及最终目标置信度，其中，最终目标置信度通过第二置信度和分类网络置信度加权获得。本发明通过在检测阶段之后加入窗口重定位模块，减少候选框边界周围的低质量预测，有利于产生更一致的检测结果。
-
公开(公告)号：CN107485387B
公开(公告)日：2024-03-29
申请号：CN201710863101.5
申请日：2017-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种穴位自动跟踪系统以及方法，该系统包括穴位采集装置以及服务器。所述穴位采集装置包括手环本体以及设置在所述手环本体上的加速传感器、电子针灸模块、经络信号采集模块、预处理模块、无线通信模块以及报警模块，所述预处理模块与所述加速传感器、所述经络信号采集模块、所述电子针灸模块、所述无线通信模块以及所述报警模块连接，所述穴位采集装置与所述服务器建立无线通信连接。该系统可以缓解目前用户只有在主动进行测量时，才能获取到自己的身体状况，且获取到的身体状况不能体现用户病情严重程度的问题。
-
公开(公告)号：CN117393113A
公开(公告)日：2024-01-12
申请号：CN202210732011.3
申请日：2022-06-27
Applicant: 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC: G16H30/20 , G16H30/40 , G16H50/20 , G06T5/70 , G06T5/73 , G06T5/80 , G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08 , A61B5/00
Abstract: 本发明公开了一种基于深度学习的阿尔兹海默症辅助诊断系统及终端，包括：预处理模块对原始FMRI结构像进行预处理，并提取预处理后的FMRI图像中ROI的时间序列构建多尺度一维卷积神经网络和两层堆叠的循环神经网络相结合的深度学习模型，该模型旨在提取FMRI图像中的时间特征。多尺度一维卷积神经网络可以解释多个不同时段的大脑活动，增强了该模型的表征能力，两层堆叠的循环神经网络能识别了更高级别的时序信息。将该模型应用到基于深度学习的AD三个阶段的分类预测任务中，利用交叉验证法得到最后的分类性能，根据分类结果判断受试者是否为阿尔兹海默症患者。该系统采用深度学习技术，对受试者是否患有阿尔兹海默症进行预测，为临床诊断提供辅助功能。
-
公开(公告)号：CN117388791A
公开(公告)日：2024-01-12
申请号：CN202311181504.3
申请日：2023-09-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种6GISCA系统宽带信号DOA估计算法，涉及通信宽带技术领域，其技术方案要点是：包括以下步骤：利用均匀线性阵列接收K个远场天线发射的宽带信号，将K个宽带型号分为F个窄带信号，其中K为正整数，构成输出信号矩阵Y。本发明基于均匀线性阵列，根据宽带入射信号的特点建立接收信号的稀疏信号模型，其次对模型中各变量构建基于狄利克雷过程先验的概率模型，然后引入虚拟节点，提出基于GAMP算法的变分贝叶斯宽带DOA估计方法；在对未知参数进行初始化后，输入接收天线阵列数据Y，通过DP‑GAMP算法进行迭代更新，得到概率模型参数的各估计值；最后，根据所得到的参数估计值，计算DOA的估计值。该方法具有复杂度低、估计精度高的特点。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.06 seconds)
