-
公开(公告)号：CN118485860A
公开(公告)日：2024-08-13
申请号：CN202410561067.6
申请日：2024-05-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像融合的阿尔兹海默症类别预测方法，包括获取现有且对应的脑部sMRI图像和PET图像并预处理得到训练数据集；构建阿尔兹海默症初步类别预测模型并采用训练数据集训练得到阿尔兹海默症类别预测模型；将实际的脑部sMRI图像和PET图像输入到阿尔兹海默症类别预测模型中，完成基于图像融合的阿尔兹海默症的类别预测。本发明还公开了一种包括所述基于图像融合的阿尔兹海默症类别预测方法的成像方法。本发明通过图像融合理论的应用，以及创新性的类别预测模型的构建以及模型的训练，不仅实现了基于多模态图像融合的阿尔兹海默症的类别预测及成像，而且可靠性更高，精确性更好。
-
公开(公告)号：CN114900534B
公开(公告)日：2023-04-07
申请号：CN202210320412.8
申请日：2022-03-29
Applicant: 中南大学
IPC: H04L67/1097 , H04L9/40 , H04L9/32
Abstract: 本发明公开了一种基于区块链技术的大数据监管方法，包括区块链网络的初始化和客户端程序的初始化；身份绑定，包括用户本地生成密钥对，并将自身的实体身份与区块链账户地址进行绑定；数据存证，当数据变动时，用户与管理员可选采用哈希策略或副本策略，协同完成数据改动并进行存证；数据验证，包括对数据真实性和完整性的普通验证以及对历史操作记录的溯源验证。本发明提供的这种基于区块链技术的大数据监管方法，以用户可控的方式对用户自身的数据进行存证，解决了中心化服务提供商的不透明管理问题，同时根据不同数据特性设计适应的存证策略，为服务提供商不同数据类型实现安全高效的存证；因此本发明方法可靠性高、实用性好且透明科学。
-
公开(公告)号：CN113032751B
公开(公告)日：2022-07-01
申请号：CN202110320501.8
申请日：2021-03-25
Applicant: 中南大学
IPC: G06F21/31 , G06K9/62 , G06V10/74 , G06N3/08 , G06F3/0488
Abstract: 本发明公开了一种基于移动设备击键特征的身份识别方法、装置、设备及介质，包括：对身份待识别的用户，从其登录移动设备的击键过程中提取击键特征：飞跃时间序列、滞留时间序列和触点坐标序列，并计算每个击键特征与注册时该击键特征之间的方差、欧拉距离和皮尔逊相关系数，得到用户登录的9个特征参数；将上述得到的9个特征参数输入至预先训练好的身份识别模型中，根据模型输出判断当前登录用户的身份是否合法；其中，所述身份识别模型采用前馈神经网络并基于若干正负样本训练得到，且正负样本分别由合法和非法用户登录时得到的所述9个特征参数构成。
-
公开(公告)号：CN109166124B
公开(公告)日：2021-12-14
申请号：CN201811380431.X
申请日：2018-11-20
Applicant: 中南大学
Abstract: 本发明提出一种基于连通区域的视网膜血管形态量化方法，在对眼底图像进行预处理后，获取视网膜血管分割图，然后对血管分割图进行后处理。在此基础上对血管网进行细化和边界化处理，得到血管中心线网络和血管边界图。接着进行角点检测，并将其从血管中心线网络中去除，使血管网中各血管段形成相互分离的连通区域。遍历各血管段，近似血管段中心线，将其变为折线从而计算血管方向。最后计算初始管径值，并在血管段中心线上滑动选取圆心，根据圆心血管方向和前期测得的管径值创建半圆窗口，取该窗口与血管边界的两交点间的距离为新的管径值；由此迭代测得一组管径值，取其中值为该血管段的管径大小。本发明适用于大规模的视网膜血管形态的量化，可靠性高。
-
公开(公告)号：CN113032751A
公开(公告)日：2021-06-25
申请号：CN202110320501.8
申请日：2021-03-25
Applicant: 中南大学
IPC: G06F21/31 , G06K9/62 , G06N3/08 , G06F3/0488
Abstract: 本发明公开了一种基于移动设备击键特征的身份识别方法、装置、设备及介质，包括：对身份待识别的用户，从其登录移动设备的击键过程中提取击键特征：飞跃时间序列、滞留时间序列和触点坐标序列，并计算每个击键特征与注册时该击键特征之间的方差、欧拉距离和皮尔逊相关系数，得到用户登录的9个特征参数；将上述得到的9个特征参数输入至预先训练好的身份识别模型中，根据模型输出判断当前登录用户的身份是否合法；其中，所述身份识别模型采用前馈神经网络并基于若干正负样本训练得到，且正负样本分别由合法和非法用户登录时得到的所述9个特征参数构成。
-
Patent Agency Ranking
公开(公告)号：CN111612856A
公开(公告)日：2020-09-01
申请号：CN202010449814.9
申请日：2020-05-25
Applicant: 中南大学
IPC: G06T7/90 , G06T7/136 , G06T7/11 , G06T7/00 , G06T5/50 , G06T5/40 , G06T3/40 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于彩色眼底图像的视网膜新生血管检测方法，包括获取彩色眼底图像数据并预处理得到训练数据；构建用于视网膜新生血管检测的深度学习网络模型；采用训练数据对深度学习网络模型进行训练得到视网膜新生血管检测器；对待检测的彩色眼底图像数据进行预处理；采用视网膜新生血管检测器对预处理后的待检测的彩色眼底图像数据进行检测得到待检测的彩色眼底图像中判定为视网膜新生血管的像素的预测概率图，并进行阈值化处理得到最终的待检测的彩色眼底图像中的视网膜新生血管的检测结果。本发明还公开了包括所述用于彩色眼底图片的视网膜新生血管检测方法的成像方法。本发明可靠性高、实用性好且检测效果好。
-
公开(公告)号：CN114881968B
公开(公告)日：2024-10-22
申请号：CN202210488808.3
申请日：2022-05-07
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06T7/00 , G06N3/048
Abstract: 本发明公开了一种基于深度卷积神经网络的OCTA图像血管分割方法、设备及介质，属于医学图像处理技术领域。其中方法包括：针对待分割的OCTA图像中的en face图像，使用训练好的血管分割模型进行血管分割；其中，所述血管分割模型采用深度卷积神经网络结构，由粗分网络和细分网络级联而成；所述粗分网络接受en face图像作为输入，生成初步的血管分割图；所述细分网络拼接原始的en face图像和初步血管分割图并作为新的输入，最终输出细化后的血管分割图。本发明的深度卷积神经网络能够完整、精确地提取血管信息，尤其是在微血管分割方面表现优异。
-
公开(公告)号：CN111292285B
公开(公告)日：2023-04-07
申请号：CN201811388557.1
申请日：2018-11-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法，包括：对原始彩色眼底图像进行预处理，从中提取血管图像；根据血管图像对预处理图像进行重绘，预处理图像中的血管像素值由周围区域内的非血管像素决定，得到减少血管对比度的血管重绘图像；从血管重绘图像中提取出候选微动脉瘤区域，然后提取候选微动脉瘤的特征；朴素贝叶斯分类器根据候选微动脉瘤特征输出微动脉瘤的标记矩阵，从而获取微动脉瘤的数量，支持向量机根据预处理图像和微动脉瘤的数量给出糖网病检测结果。本方法可以有效避免血管与微动脉瘤精确分割，提取的特征简单易操作，即可实现自动检测是否患有糖网病。
-
公开(公告)号：CN114881968A
公开(公告)日：2022-08-09
申请号：CN202210488808.3
申请日：2022-05-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度卷积神经网络的OCTA图像血管分割方法、设备及介质，属于医学图像处理技术领域。其中方法包括：针对待分割的OCTA图像中的en face图像，使用训练好的血管分割模型进行血管分割；其中，所述血管分割模型采用深度卷积神经网络结构，由粗分网络和细分网络级联而成；所述粗分网络接受en face图像作为输入，生成初步的血管分割图；所述细分网络拼接原始的en face图像和初步血管分割图并作为新的输入，最终输出细化后的血管分割图。本发明的深度卷积神经网络能够完整、精确地提取血管信息，尤其是在微血管分割方面表现优异。
-
公开(公告)号：CN110363738B
公开(公告)日：2021-08-27
申请号：CN201810305736.8
申请日：2018-04-08
Applicant: 中南大学
Abstract: 本发明公开了一种具有仿射不变性的视网膜图像配准方法及其装置，涉及图像处理技术领域。与传统技术整体处理相比，本发明的一种具有仿射不变性的视网膜图像配准方法，在视网膜骨骼化网络图像的基础上，通过连通域内相互连通的两个交点来截取局部图像结构(即候选特征区域)，并将局部图像结构变换(旋转、高斯滤波、压缩)到圆形高斯滤波器适用的形式下，解决了视角和尺度变化问题，提高了多幅图像的配准精度，有利于构建完整的视网膜图像信息，减少了视网膜病变给诊断带来的干扰，提高了诊断的准确性。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.073 seconds)
