-
公开(公告)号：CN114895502A
公开(公告)日：2022-08-12
申请号：CN202210443722.9
申请日：2022-04-26
Applicant: 东南大学
Abstract: 本发明涉及一种基于光开关切换网络的重频大范围可调氮化硅微光梳阵列，包括基于厚Si3N4波导的对称马氏干涉仪光开关阵列、包括基于厚Si3N4波导经色散工程的具有不同尺寸的微环谐振腔。通过二叉树型与级联型两种光开关切换网络改变入射光的路径，使得入射光耦合到不同尺寸的微环谐振腔里。通过热电极快速改变干涉仪两臂相位差实现光路切换，切换时间小于60μs；通过热电极快速调谐微环的谐振峰，控制光源频率与谐振峰的失谐量，进而激发出不同重频的单孤子微光梳。本发明适用于高频微波与毫米波信号产生、微波光子滤波、多光梳测量技术、光通讯收发模块、光计算等氮化硅集成光路光学器件系统中，具有重频调节范围大、光开关切换速度快、尺寸紧凑等优点。
-
Patent Agency Ranking
公开(公告)号：CN116243426A
公开(公告)日：2023-06-09
申请号：CN202310161917.9
申请日：2023-02-24
Applicant: 东南大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明提出了一种基于可调反射环辅助的光开关切换型光学延时线，属于光通信和微波光子技术领域。本发明包括对称的马赫‑曾德尔干涉仪光开关、可调反射环以及光环行器。通过光开关切换光传输的端口和反射环反射的端口，使得光在不同长度的延时波导中传输，最后输出不同延时状态的光信号。其中光路切换部分，是通过移相器改变干涉仪两臂相位差，从而实现路径选择的功能。本发明适用于光缓存、光学真延时网络、光控相控阵技术等，具有延时量调节范围大、尺寸紧凑、结构简单等优点。
-
公开(公告)号：CN114895502B
公开(公告)日：2023-03-21
申请号：CN202210443722.9
申请日：2022-04-26
Applicant: 东南大学
Abstract: 本发明涉及一种基于光开关切换网络的重频大范围可调氮化硅微光梳阵列，包括基于厚Si3N4波导的对称马氏干涉仪光开关阵列、包括基于厚Si3N4波导经色散工程的具有不同尺寸的微环谐振腔。通过二叉树型与级联型两种光开关切换网络改变入射光的路径，使得入射光耦合到不同尺寸的微环谐振腔里。通过热电极快速改变干涉仪两臂相位差实现光路切换，切换时间小于60μs；通过热电极快速调谐微环的谐振峰，控制光源频率与谐振峰的失谐量，进而激发出不同重频的单孤子微光梳。本发明适用于高频微波与毫米波信号产生、微波光子滤波、多光梳测量技术、光通讯收发模块、光计算等氮化硅集成光路光学器件系统中，具有重频调节范围大、光开关切换速度快、尺寸紧凑等优点。
-
公开(公告)号：CN116243426B
公开(公告)日：2025-03-18
申请号：CN202310161917.9
申请日：2023-02-24
Applicant: 东南大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明提出了一种基于可调反射环辅助的光开关切换型光学延时线，属于光通信和微波光子技术领域。本发明包括对称的马赫‑曾德尔干涉仪光开关、可调反射环以及光环行器。通过光开关切换光传输的端口和反射环反射的端口，使得光在不同长度的延时波导中传输，最后输出不同延时状态的光信号。其中光路切换部分，是通过移相器改变干涉仪两臂相位差，从而实现路径选择的功能。本发明适用于光缓存、光学真延时网络、光控相控阵技术等，具有延时量调节范围大、尺寸紧凑、结构简单等优点。
-
公开(公告)号：CN118967719A
公开(公告)日：2024-11-15
申请号：CN202411059017.4
申请日：2024-08-02
Applicant: 东南大学
IPC: G06T7/11 , G06T7/187 , G06V10/774 , G06V10/74 , G06V10/82
Abstract: 本发明公开了一种基于自注意力机制和对比学习的小样本医学图像分割方法，该方法首先需要对核磁共振成像(Magnetic Resonance Imaging，MRI)数据进行预处理，将处理后的数据进行预分割；然后将预分割结果进行掩码矫正得到伪掩码；将伪掩码及其对应的医学图像送入深度学习网络模型，根据综合损失更新模型参数并保存模型训练结果；利用训练过的模型对新的医学图像数据进行分割，得到分割掩码。本发明通过对伪掩码进行矫正提高了网络模型学习的准确性，自注意力机制和对比学习的加入实现了小样本训练过程内部传递信息并抑制了图像背景信息干扰，在有限的标注数据情况下实现了对医学图像的高效分割。
-
公开(公告)号：CN118887127A
公开(公告)日：2024-11-01
申请号：CN202411051326.7
申请日：2024-08-01
Applicant: 东南大学
IPC: G06T5/70 , G06T5/60 , A61B6/03 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于分解卷积神经网络的自监督低剂量CT去噪方法。该方法首先获取低剂量计算机断层扫描(Low Dose Computed Tomography,LDCT)影像学DICOM数据；其次将LDCT影像学数据中CT扫描边界之外的像素点的值设置为0，并在[‑1024,3072]范围内进行归一化处理，将其存储为NPY格式；然后将低剂量CT数据集输入到基于图像分解的自监督去噪网络中进行训练，得到训练模型；最后，利用得到的训练模型对新的LDCT进行预测，获得去噪后的图像。本发明通过将LDCT图像分解成干净图像、与信号相关噪声图像以及与信号无关噪声图像，能够在无标签图像的情况下从LDCT图像中分离出高质量CT图像。本发明能够通过训练好的深度学习去噪模型直接得到去噪图像，为临床医生的影像诊断工作提供了技术支持。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
