-
公开(公告)号：CN118598425A
公开(公告)日：2024-09-06
申请号：CN202410822735.6
申请日：2024-06-24
Applicant: 湖南中冶长天节能环保技术有限公司 , 中南大学
IPC: C02F9/00 , C01C1/24 , C02F1/28 , C02F1/66 , C02F1/00 , C02F1/70 , C02F1/72 , C02F1/52 , C02F1/44 , C02F1/04 , C02F103/16
Abstract: 本发明公开了一种焦化脱硫废液、活性炭酸性废水及冷轧酸性废液协同处置的方法，根据焦化脱硫废液、活性炭酸性废水及冷轧酸性废液各自的特性，通过在焦化脱硫废液处理过程中选择性的将活性炭酸性废水和冷轧酸性废液进行针对性的混合处理，使得各废水之间产生协同而使得各自的污染物得到共同处理，并且无需分盐处理即可得到高纯的单一结晶盐，具有流程简单、易操作、处置成本低、无需复杂的分盐处理等优点，实现了以废治废的目的，具有便于推广和应用的特点，为当前钢铁厂全厂废水协同处置的发展目标提供了新的技术路线。
-
公开(公告)号：CN116439698B
公开(公告)日：2023-12-15
申请号：CN202310342139.3
申请日：2023-03-31
Abstract: 本发明涉及信息监测技术领域，更具体地，涉及一种重症监护室血糖监测预警方法、系统及设备。该方案包括设置传感器监测配置，自动生成每个监测位置的实时血糖测定值；对监测时点根据历史血糖监测数据进行评价分析，获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据；根据历史血糖监测数据、监测时点进行在线验证分析，获得推荐的胰岛素泵入量，并设置上限数据修正系数的集合和下限数据修正系数集合。该方案通过多个传感器实时监测重症监护患者的血糖，并根据人工智能学习计算获得多个安全等级对应的胰岛素泵入剂量，结合基于物联网技术的多节点自同步，实现医生站和护士站(56)对比文件Torkestani, JA.A learning automata-based blood glucose regulation mechanismin type 2 diabetes.Control EngineeringPractice.2014,第26卷全文.Nalani Haviland.Update on ClinicalUtility of Continuous Glucose Monitoringin Type 1 Diabetes.Current DiabetesReports.2016,第16卷(第11期),全文.Federico Bilotta, M.D., Ph.D.Safetyand Efficacy of Intensive Insulin Therapyin Critical NeurosurgicalPatients.Critical Care Medicine.2009,第110卷全文.
-
公开(公告)号：CN115512787A
公开(公告)日：2022-12-23
申请号：CN202211249902.X
申请日：2022-10-12
Applicant: 中南大学湘雅二医院
IPC: G16C20/30 , A61K31/5517 , A61P25/20
Abstract: 本发明公开了瑞马唑仑在TAVR中中度镇静的评价方法，涉及杂环化合物有效成分评价技术领域，包括瑞马唑仑、瑞芬太尼、丙泊酚、依托咪酯、吸入麻醉的原料和TAVR组成；具体评价步骤如下：首先，使用计算机技术，把观察指标数据和被接受者评估数据同步录入系统，建立综合评价模型进行评价分析；然后对于评价指标，将主要、次要的指标赋予科学的权重系数；该瑞马唑仑在TAVR中中度镇静，通过实施测量出的因素数据值，利用计算机进行建立综合评价模型及计算评价结果，解决了TAVR中麻醉剂抑制呼吸系统和循环系统的问题，达到了减轻呼吸循环系统抑制作用。
-
公开(公告)号：CN116439698A
公开(公告)日：2023-07-18
申请号：CN202310342139.3
申请日：2023-03-31
Abstract: 本发明涉及信息监测技术领域，更具体地，涉及一种重症监护室血糖监测预警方法、系统及设备。该方案包括设置传感器监测配置，自动生成每个监测位置的实时血糖测定值；对监测时点根据历史血糖监测数据进行评价分析，获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据；根据历史血糖监测数据、监测时点进行在线验证分析，获得推荐的胰岛素泵入量，并设置上限数据修正系数的集合和下限数据修正系数集合。该方案通过多个传感器实时监测重症监护患者的血糖，并根据人工智能学习计算获得多个安全等级对应的胰岛素泵入剂量，结合基于物联网技术的多节点自同步，实现医生站和护士站同步监测预警。
-
公开(公告)号：CN110378864B
公开(公告)日：2021-07-16
申请号：CN201810316983.8
申请日：2018-04-10
Applicant: 中南大学 , 深圳火眼智能有限公司
Abstract: 本发明公开了一种基于Radon域特征表示的青光眼检测方法，包括如下步骤：步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；步骤2：在n个投影角度下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号；步骤3：对一维离散信号进行维度统一，并采用双正交小波分解一维离散信号来提取到近似系数和细节系数；步骤4：将每组一维离散信号的近似系数和细节系数组合成样本的特征输入分类检测模型得到青光眼检测结果；分类检测模型训练时的输入参数为青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N以及特征向量矩阵N中每行的样本标签向量。本发明通过上述方法可以精确检测出是否为青光眼。
-
Patent Agency Ranking
公开(公告)号：CN110378864A
公开(公告)日：2019-10-25
申请号：CN201810316983.8
申请日：2018-04-10
Applicant: 中南大学 , 深圳火眼智能有限公司
Abstract: 本发明公开了一种基于Radon域特征表示的青光眼检测方法，包括如下步骤：步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；步骤2：在n个投影角度下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号；步骤3：对一维离散信号进行维度统一，并采用双正交小波分解一维离散信号来提取到近似系数和细节系数；步骤4：将每组一维离散信号的近似系数和细节系数组合成样本的特征输入分类检测模型得到青光眼检测结果；分类检测模型训练时的输入参数为青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N以及特征向量矩阵N中每行的样本标签向量。本发明通过上述方法可以精确检测出是否为青光眼。
-
公开(公告)号：CN110276763A
公开(公告)日：2019-09-24
申请号：CN201810213111.9
申请日：2018-03-15
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于可信度和深度学习的视网膜血管分割图生成方法，包括：步骤1：获取训练数据，并利用预设的可信度模型和训练数据构建训练集；步骤2：从训练集中选取数据并输入基于卷积神经网络的深度学习模型进行训练得到分类器；步骤3：获取待测图像，并对待测图像进行图像预处理；步骤4：将步骤3中图像预处理后的待测图像输入步骤2中的分类器得到待测图像中像素点位于五类可信度区域的五个预测概率值；步骤5：依据步骤4中待测图像中像素点位于五类可信度区域的预测概率值生成视网膜血管分割图。本发明通过上述方法既能精确分割粗血管，还能精确分割细小血管。
-
公开(公告)号：CN110276763B
公开(公告)日：2021-05-11
申请号：CN201810213111.9
申请日：2018-03-15
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于可信度和深度学习的视网膜血管分割图生成方法，包括：步骤1：获取训练数据，并利用预设的可信度模型和训练数据构建训练集；步骤2：从训练集中选取数据并输入基于卷积神经网络的深度学习模型进行训练得到分类器；步骤3：获取待测图像，并对待测图像进行图像预处理；步骤4：将步骤3中图像预处理后的待测图像输入步骤2中的分类器得到待测图像中像素点位于五类可信度区域的五个预测概率值；步骤5：依据步骤4中待测图像中像素点位于五类可信度区域的预测概率值生成视网膜血管分割图。本发明通过上述方法既能精确分割粗血管，还能精确分割细小血管。
-
公开(公告)号：CN108665474B
公开(公告)日：2021-05-11
申请号：CN201710209253.3
申请日：2017-03-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于B‑COSFIRE的眼底图像视网膜血管分割方法，首先通过取绿色通道，CLAHE等操作突出血管特征并降低噪声，再用B‑COSFIRE滤波器进行响应滤波，最后通过形态学高帽变换和基于连通域的后处理操作提高分割效果；通过对B‑COSFIRE滤波器的特殊配置，使得B‑COSFIRE滤波器对眼底图像具有准确的响应；该方法对于建立高效可靠的计算机辅助医疗系统具有重要意义，对提升辅助医疗系统的精度及效率，乃至临床诊断，疗效评估及早期病症筛查等提供了更为高效的血管分割基础。
-
公开(公告)号：CN109859139A
公开(公告)日：2019-06-07
申请号：CN201910117094.3
申请日：2019-02-15
Applicant: 中南大学
IPC: G06T5/00
Abstract: 本发明公开了一种彩色眼底图像的血管增强方法，包括获取训练数据并处理；将数据输入到生成模型中对生成模型进行训练并得到最终的生成模型；获取待增强的数据并处理；将数据输入最终的生成模型生成血管增强后的彩色眼底图像。本发明通过生成模型的建立，使用深度神经网络学习荧光造影图像的血管成像特征，可以学习到比灰度纹理等等更深层次的信息，使得眼底图的血管增强效果更佳显著，而且通过损失函数的设计，可以有效的使得生成图像和目标图像更加接近；因此，本发明方法能够有效的根据现有的彩色眼底图像生成血管增强后的彩色眼底图像，而且本发明方法的可靠性高、安全性好且适用范围广。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.023 seconds)
