一种基于深度学习的定长指纹特征提取方法

    公开(公告)号:CN118116038A

    公开(公告)日:2024-05-31

    申请号:CN202410237098.6

    申请日:2024-03-01

    Applicant: 三峡大学

    Abstract: 本发明提供了一种基于深度学习的定长指纹特征提取方法,针对指纹识别系统通过提取指纹特征来达到指纹匹配的目的,为解决现有指纹识别系统提取指纹特征精度不高的问题,设计了基于深度学习的定长指纹特征提取方法,该网络以DeepPrint模型分支框架为基础,舍弃原有模型的图像对齐网络,使用SPFF模块进行替代,优化原有的网络模块结构,引入ViT模块、SPP模块和U‑Net模块,其中ViT模块和SPP模块保证了模型能够接受任意大小指纹图像作为输入,且生成定长特征向量。首先设计网络;将图像送入网络中训练;根据训练结果通过测试给出指纹特征的匹配结果。提升了当前指纹识别系统对指纹图像特征的提取精度。

    光动力/光热双功能化合物NS-STPA及其应用

    公开(公告)号:CN113372339A

    公开(公告)日:2021-09-10

    申请号:CN202110546437.5

    申请日:2021-05-19

    Applicant: 三峡大学

    Abstract: 本发明提供一种光动力/光热双功能化合物NS‑STPA,该化合物是萘并噻唑内盐通过噻吩基团与三苯胺连接形成的共轭结构,该结构同时具有光动力、光热活性,具有光动力/光热协同治疗潜力,可应用于肿瘤治疗。该化合物合成步骤包括:以2‑甲基‑β‑萘并噻唑和1,3‑丙磺酸内酯为原料在邻二氯苯条件下,合成得到中间体1;以5‑醛基‑2‑噻吩硼酸和4‑溴三苯胺为原料在THF/H2O(回流)条件下,合成得到中间体2,在乙醇中回流得到产物NS‑STPA。光动力/光热双功能化合物NS‑STPA作为催化剂在降解9,10‑蒽基‑双(亚甲基)二丙二酸上的应用。在660 nm红光照射下,既能产生带有细胞毒性的单线态氧,也能产生稳定的光热效应,显示出了优良的肿瘤高效光治疗潜力。

    光动力/光热双功能化合物NS-STPA及其应用

    公开(公告)号:CN113372339B

    公开(公告)日:2022-09-16

    申请号:CN202110546437.5

    申请日:2021-05-19

    Applicant: 三峡大学

    Abstract: 本发明提供一种光动力/光热双功能化合物NS‑STPA,该化合物是萘并噻唑内盐通过噻吩基团与三苯胺连接形成的共轭结构,该结构同时具有光动力、光热活性,具有光动力/光热协同治疗潜力,可应用于肿瘤治疗。该化合物合成步骤包括:以2‑甲基‑β‑萘并噻唑和1,3‑丙磺酸内酯为原料在邻二氯苯条件下,合成得到中间体1;以5‑醛基‑2‑噻吩硼酸和4‑溴三苯胺为原料在THF/H2O(回流)条件下,合成得到中间体2,在乙醇中回流得到产物NS‑STPA。光动力/光热双功能化合物NS‑STPA作为催化剂在降解9,10‑蒽基‑双(亚甲基)二丙二酸上的应用。在660 nm红光照射下,既能产生带有细胞毒性的单线态氧,也能产生稳定的光热效应,显示出了优良的肿瘤高效光治疗潜力。

    基于分组特征分析的指纹活性检测方法

    公开(公告)号:CN118262387A

    公开(公告)日:2024-06-28

    申请号:CN202410219254.6

    申请日:2024-02-27

    Applicant: 三峡大学

    Abstract: 本发明提供了一种基于分组特征分析的指纹活性检测方法,涉及生物特征识别的技术领域。本发明包括:获取指纹数据集,并进行图像预处理;搭建GAFA‑Net(Group feature analysis fusion Network,分组特征分析融合网络)检测模型;将数据集划分训练集,采用训练集训练模型并保存;将待检测图片进行图像预处理后,输入最优模型,最优模型对图片进行判别分类。本发明用于区分伪造指纹和真实的指纹,以EfficientNetV2‑S模型为基础,对该网络进行了整体的缩放,并在此基础上加入了分组特征分析模块。首先对图像进行提取;将提取出的区域送入所提出的网络中训练;根据训练结果获取最终的识别结果,大大提升了指纹活性识别的识别分类精度。

    基于深度学习的指纹活性检测对抗攻击防御方法

    公开(公告)号:CN117975511A

    公开(公告)日:2024-05-03

    申请号:CN202311868513.X

    申请日:2023-12-30

    Applicant: 三峡大学

    Abstract: 本发明提供了基于深度学习的指纹活性检测对抗攻击防御方法,现有FLD(Fingerprint Liveness Detection,指纹活性检测)系统通过外部网络对指纹对抗样本的处理达到不受对抗攻击影响的目的,为解决FLD系统容易受到对抗攻击的问题,设计了基于深度学习的指纹活性检测对抗攻击防御方法,该网络以Defed‑L模型为基础,优化原有的网络主要模块EFE模块结构。首先对图像进行提取局部块处理;设计基于深度学习的指纹活性检测网络;将处理后的图像送入网络中训练;根据训练结果通过目标FLD系统给出最终的识别结果。提升了当前FLD系统对指纹对抗样本的识别精度。

    肿瘤微环境响应型纳米组装体及在肿瘤联合治疗中的应用

    公开(公告)号:CN114191548A

    公开(公告)日:2022-03-18

    申请号:CN202111383994.6

    申请日:2021-11-19

    Applicant: 三峡大学

    Abstract: 本发明属于生物医学纳米材料技术领域,涉及一种肿瘤微环境响应型纳米组装体的制备及其在肿瘤联合治疗中的应用。该纳米组装体以牛血清蛋白稳定的金纳米团簇(BSA@AuNCs)为载体,通过生物矿化及疏水作用力方式,制备负载二氧化锰(MnO2)和吲哚菁绿(ICG)的纳米颗粒,并为其表面结合氨基修饰的AS1411(BSA@AuNCs‑MnO2‑ICG/AS1411,简称AMIT)。利用MnO2的肿瘤微环境响应性以及AS1411的肿瘤靶向性,提升纳米系统在肿瘤部位富集程度;在808nm激光照射下,该纳米系统能够实现O2自补给的增强型光动力治疗效应,稳定的光热效应以及Mn2+与内源性H2O2触发的化学动力学治疗效应,展现出优异的肿瘤联合治疗能力。

Patent Agency Ranking