基于IVOCT的动脉粥样硬化斑块分割及量化方法

    公开(公告)号:CN118314155A

    公开(公告)日:2024-07-09

    申请号:CN202410466791.0

    申请日:2024-04-18

    Abstract: 本发明公开了基于IVOCT的动脉粥样硬化斑块分割及量化方法,首先将IVOCT图像丢失的部分信息进行补全;然后对补全后的IVOCT图像进行手动分割作为金标准,并进行深度学习训练;接着预测IVOCT图像的分割结果;最后将分割后的IVOCT图像进行计算形态学特征,包括纤维帽厚度、坏死脂质核心的尺寸,并给出动脉粥样硬化斑块的稳定性判定结果。本发明通过IVOCT快速分析动脉粥样硬化斑块稳定性提供了临床应用的可能性。通过病人的IVOCT检查数据,可以给出病人动脉粥样硬化斑块的直观分析,并给出斑块稳定性的判定,为病情分析和临床决策提供帮助。

    Overlay工作模式下D2D通信中基于用户运动的中继选择方法

    公开(公告)号:CN105636115A

    公开(公告)日:2016-06-01

    申请号:CN201610183911.1

    申请日:2016-03-28

    CPC classification number: H04W28/0215 H04W28/0221 H04W40/22 H04W52/18

    Abstract: 本发明公开了Overlay工作模式下D2D通信中基于用户运动的中继选择方法,该方法的用户处于运动状态场景是目前蜂窝小区中D2D通信在实际工程应用面临的比较突出而又迫切需要解决的中继选择问题。本发明提供一种Overlay工作模式下D2D通信中基于用户运动的中继选择方法,首先建立MIMO蜂窝网络下基于中继的D2D通信网络,D2D发射端和接收端的信号覆盖重叠范围为中继协作区域;然后统计在中继协作区域内可选为中继的蜂窝用户的个数,以及它们的位置和移动方向;最后根据前面提供的数据,以最大化中继持续时间和最小化中继切换率为目标选出最佳中继。本发明通过合理的中继选择方式,使得中继节点切换率大大降低,中继节点持续时间提高,提高了系统性能。

    一种基于感知机的指纹和指静脉双模态识别决策融合算法

    公开(公告)号:CN110163136A

    公开(公告)日:2019-08-23

    申请号:CN201910393049.0

    申请日:2019-05-13

    Abstract: 本发明提出了一种基于感知机的指纹和指静脉双模态识别决策融合算法,本发明提供一种基于感知机的指纹和指静脉双模态识别决策融合算法,包括以下步骤,步骤1,感知机结构的设计;步骤2,建立感知机的学习规则;步骤3,二级分类器的设计;步骤4,识别匹配的实现;可以充分利用两者的优势,弥补各自的缺点,达到良好的识别效果,分别计算指纹和指静脉匹配度x2,x3,再将指纹和指静脉的特征点集特征串联并计算匹配度x1作为二级分类器,然后将x1,x2,x3利用感知机进行训练得到权重,最后利用此模型来计算识别度,用感知机的指纹和指静脉双模态识别决策级融合匹配,方便直接,误差较小,降低了外界环境影响,效果好。

    一种基于深度学习的表情识别辅助精神疾病治疗方法

    公开(公告)号:CN114898864A

    公开(公告)日:2022-08-12

    申请号:CN202210390656.3

    申请日:2022-04-14

    Abstract: 本发明公开了一种基于深度学习的表情识别辅助精神疾病治疗方法,包括实时获取病人的原始图像数据;利用OpenCV和Dlib库对原始图像数据进行人脸标记和提取获取人脸数据;利用深度学习的表情识别模块对人脸数据进行微表情特征提取获取特征数据;利用预构建的匹配识别模块对特征数据进行微表情信息匹配获取信息数据;将原始图像数据、人脸数据、特征数据、信息数据进行绑定存储,并实时显示原始图像数据和信息数据。本发明能够在沟通与治疗过程中对病人的表情进行分析判定辅助医生进行症况判别进行针对性治疗。

    基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法

    公开(公告)号:CN111611890B

    公开(公告)日:2022-08-02

    申请号:CN202010406720.3

    申请日:2020-05-14

    Abstract: 本发明提出一种基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,包括以下步骤:步骤1)提取指纹和指静脉图像,进行图像预处理,特征点提取和特征点匹配,计算出匹配分数;步骤2)使用k‑medoid聚类算法,分别对指纹匹配分数和指静脉匹配分数进行聚类分析,将每种模态的匹配分数分为三类:相同类,不确定类和不同类,并将这三类匹配分数组成的集合作为模糊子集;步骤3)选择适当的隶属度函数,对变量进行模糊化处理,建立模糊逻辑关系;步骤4)使用mamdani模糊推理法获得模糊推理结论;步骤5)使用加权平均判决法进行去模糊化,获得最终融合结果,并做出决策。该方法能够提高生物特征识别系统的识别率,从而提高系统的工作效率。

    基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法

    公开(公告)号:CN111611890A

    公开(公告)日:2020-09-01

    申请号:CN202010406720.3

    申请日:2020-05-14

    Abstract: 本发明提出一种基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,包括以下步骤:步骤1)提取指纹和指静脉图像,进行图像预处理,特征点提取和特征点匹配,计算出匹配分数;步骤2)使用k-medoid聚类算法,分别对指纹匹配分数和指静脉匹配分数进行聚类分析,将每种模态的匹配分数分为三类:相同类,不确定类和不同类,并将这三类匹配分数组成的集合作为模糊子集;步骤3)选择适当的隶属度函数,对变量进行模糊化处理,建立模糊逻辑关系;步骤4)使用mamdani模糊推理法获得模糊推理结论;步骤5)使用加权平均判决法进行去模糊化,获得最终融合结果,并做出决策。该方法能够提高生物特征识别系统的识别率,从而提高系统的工作效率。

Patent Agency Ranking