-
公开(公告)号：CN119607203A
公开(公告)日：2025-03-14
申请号：CN202411923525.2
申请日：2024-12-25
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明属于生物医学领域，抑制PHGDH基因表达的物质在制备脑肿瘤放射治疗增敏剂中的应用。本发明所解决的技术问题是如何制备脑肿瘤放射治疗增敏剂。本发明发现PHGDH基因的敲除或敲低联合放疗可以促进脑肿瘤细胞的死亡，抑制脑肿瘤的生长，并延长荷瘤动物的生存期，说明，PHGDH缺失能够增加GBM移植瘤对放疗的敏感性并改善其治疗效果，PHGDH可以作为治疗GBM患者的潜在靶点。
-
公开(公告)号：CN106599805B
公开(公告)日：2019-05-21
申请号：CN201611092073.3
申请日：2016-12-01
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于有监督数据驱动的单目视频深度估计方法，包括以下步骤：(1)获取样本视频序列以及相应的深度序列，作为训练数据集合；(2)使用基于跟踪的超像素分割方法对训练数据集合进行分割，提取各个分割单元的特征；(3)构建结合卷积神经网络与时空条件随机场的网络模型；(4)使用训练数据集合以及分割结果与相应特征，对深度时空卷积神经网络场模型进行训练；(5)对待估计的视频序列进行分割，提取各个分割单元的特征；(6)将待估计的视频序列以及分割结果与相应特征，输入已经训练好的模型中，得到深度序列。本发明兼顾时空一致性与层次关系准确性，提高了单目立体视频质量。
-
公开(公告)号：CN107481279A
公开(公告)日：2017-12-15
申请号：CN201710351600.6
申请日：2017-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种单目视频深度图计算方法，其特征在于，包括，将待恢复的视频按帧分解成图片；提取每一帧的图片特征点；匹配特征点，形成特征点轨迹；计算全局旋转矩阵和平移向量；优化相机参数；计算选定帧的稠密光流；计算选定帧的深度值获得其深度图。本发明技术方案的方法，采用基于物理机制从运动中恢复结构(SFM)的深度估计方法，将稠密光流作为匹配。这种方法不需要任何训练样本，且没有利用分割以及平面拟合等优化方式，计算量较小。同时，该方法解决了现有技术中由场景稀疏重建到稠密重建过程中，尤其是无纹理区域中，不可能得到所有像素点的深度值的难题，提高了计算效率的同时，保证了深度图的精确度。
-
公开(公告)号：CN106599805A
公开(公告)日：2017-04-26
申请号：CN201611092073.3
申请日：2016-12-01
Applicant: 华中科技大学
CPC classification number: G06K9/00718 , G06K9/624 , G06K9/6256
Abstract: 本发明公开了一种基于有监督数据驱动的单目视频深度估计方法，包括以下步骤：(1)获取样本视频序列以及相应的深度序列，作为训练数据集合；(2)使用基于跟踪的超像素分割方法对训练数据集合进行分割，提取各个分割单元的特征；(3)构建结合卷积神经网络与时空条件随机场的网络模型；(4)使用训练数据集合以及分割结果与相应特征，对深度时空卷积神经网络场模型进行训练；(5)对待估计的视频序列进行分割，提取各个分割单元的特征；(6)将待估计的视频序列以及分割结果与相应特征，输入已经训练好的模型中，得到深度序列。本发明兼顾时空一致性与层次关系准确性，提高了单目立体视频质量。
-
公开(公告)号：CN117798494A
公开(公告)日：2024-04-02
申请号：CN202410068129.X
申请日：2024-01-17
Applicant: 华中科技大学
IPC: B23K26/21 , B23K26/062 , B23K26/064 , B23K26/70
Abstract: 本发明属于激光加工技术领域，公开了一种扁线电机端子激光扫描焊接工艺设计方法及系统，包括：S1，根据扁铜线的截面尺寸确定单个焊接点的激光扫描轨迹尺寸、扫描圈数；S2，建立能量强度的约束条件，确定焊接时间和激光功率；S3，获取各工艺参数的区间，对扫描轨迹进行激光功率调制；S4，通过安装于扫描焊接头的相机和OCT检测模组确定焊接点的位置、截面尺寸及三维拼装状态信息，根据间隙状态信息对扫描轨迹尺寸进行微调；S5，通过大幅面扫描振镜结合环形光束实现高品质焊接。本申请通过对焊接工艺参数进行条件约束，可快速获得不同截面尺寸的扁线电机端子焊接的工艺窗口并获得具有高电导率和强度的扁线电机接头，有较好的实用价值和应用前景。
-
Patent Agency Ranking
公开(公告)号：CN107481279B
公开(公告)日：2020-07-07
申请号：CN201710351600.6
申请日：2017-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种单目视频深度图计算方法，其特征在于，包括，将待恢复的视频按帧分解成图片；提取每一帧的图片特征点；匹配特征点，形成特征点轨迹；计算全局旋转矩阵和平移向量；优化相机参数；计算选定帧的稠密光流；计算选定帧的深度值获得其深度图。本发明技术方案的方法，采用基于物理机制从运动中恢复结构(SFM)的深度估计方法，将稠密光流作为匹配。这种方法不需要任何训练样本，且没有利用分割以及平面拟合等优化方式，计算量较小。同时，该方法解决了现有技术中由场景稀疏重建到稠密重建过程中，尤其是无纹理区域中，不可能得到所有像素点的深度值的难题，提高了计算效率的同时，保证了深度图的精确度。
-
公开(公告)号：CN107133977A
公开(公告)日：2017-09-05
申请号：CN201710351601.0
申请日：2017-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于概率产生模型的快速立体匹配方法，包括，提取双目相机所拍摄的一组图像的每个像素点的特征；按照固定间隔采样获得一张图像的采样特征点，并匹配另一张图像上的特征点，筛选出稳定的匹配点；对图像进行三角化分割，获得图像对应的三角集合；确定每个三角形三个顶点上的视差以及该三角形区域视差平面的参数；利用平面参数获得每个视差的先验概率，结合匹配代价计算出视差的后验概率，进一步地获得图像的初始视差图；优化初始视差图。本发明还公开了上述方法的应用。本发明技术方案的方法，提供了一种更加鲁棒的匹配点置信度衡量方法，可以获得更加鲁棒的稳定匹配点；还可以快速进行立体匹配，改善匹配效果。
-
公开(公告)号：CN117798494B
公开(公告)日：2024-07-02
申请号：CN202410068129.X
申请日：2024-01-17
Applicant: 华中科技大学
IPC: B23K26/21 , B23K26/062 , B23K26/064 , B23K26/70
Abstract: 本发明属于激光加工技术领域，公开了一种扁线电机端子激光扫描焊接工艺设计方法及系统，包括：S1，根据扁铜线的截面尺寸确定单个焊接点的激光扫描轨迹尺寸、扫描圈数；S2，建立能量强度的约束条件，确定焊接时间和激光功率；S3，获取各工艺参数的区间，对扫描轨迹进行激光功率调制；S4，通过安装于扫描焊接头的相机和OCT检测模组确定焊接点的位置、截面尺寸及三维拼装状态信息，根据间隙状态信息对扫描轨迹尺寸进行微调；S5，通过大幅面扫描振镜结合环形光束实现高品质焊接。本申请通过对焊接工艺参数进行条件约束，可快速获得不同截面尺寸的扁线电机端子焊接的工艺窗口并获得具有高电导率和强度的扁线电机接头，有较好的实用价值和应用前景。
-
公开(公告)号：CN107018400B
公开(公告)日：2018-06-19
申请号：CN201710227433.4
申请日：2017-04-07
Applicant: 华中科技大学
IPC: H04N13/156 , H04N13/128 , G06N3/08 , G06N3/04
Abstract: 一种将2D视频转换成3D视频的方法，属于模式识别和计算机视觉领域，目的在于消除现有技术场景深度估计和视点合成带来的不可预测误差，同时大大提高计算速度。本发明包括训练阶段和使用阶段，训练阶段依次包括数据输入、特征提取、特征融合、视点合成和参数更新步骤；使用阶段依次包括数据输入、特征提取、特征融合和视点合成步骤。训练阶段对106级的左右格式的3D立体视频电影片进行训练，将场景深度估计和视点合成同时进行优化求解，确定参数，保证了输出右路视图的像素级精度预测，减少了将2D视频转3D视频分成两个任务操作带来的误差；训练完成以后，即可直接进行2D视频到3D视频的转换，可以大大提高转制效率，保证最后输出的3D立体视频的精度。
-
公开(公告)号：CN107018400A
公开(公告)日：2017-08-04
申请号：CN201710227433.4
申请日：2017-04-07
Applicant: 华中科技大学
CPC classification number: G06N3/0454 , G06N3/084 , H04N13/139
Abstract: 一种将2D视频转换成3D视频的方法，属于模式识别和计算机视觉领域，目的在于消除现有技术场景深度估计和视点合成带来的不可预测误差，同时大大提高计算速度。本发明包括训练阶段和使用阶段，训练阶段依次包括数据输入、特征提取、特征融合、视点合成和参数更新步骤；使用阶段依次包括数据输入、特征提取、特征融合和视点合成步骤。训练阶段对106级的左右格式的3D立体视频电影片进行训练，将场景深度估计和视点合成同时进行优化求解，确定参数，保证了输出右路视图的像素级精度预测，减少了将2D视频转3D视频分成两个任务操作带来的误差；训练完成以后，即可直接进行2D视频到3D视频的转换，可以大大提高转制效率，保证最后输出的3D立体视频的精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
