-
公开(公告)号：CN111010360B
公开(公告)日：2022-11-04
申请号：CN201911323064.4
申请日：2019-12-20
Applicant: 南开大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于预编码的混合载波调制方法，包括步骤：对GFDM调制算法进行时频重构，将GFDM能够作为软件定义波形的基础波形，搭建以GFDM为基础的统一循环滤波载波调制模型；将GFDM模型与IEEE802.16a标准中的单载波传输模式SC‑FDE相结合，得到基于GFDM调制系统的SC‑GFDM单载波调制方式；依据LTE‑A上行信道采用的SC‑FDMA技术，提出一种基于DFT的GFDM频域扩展方案完成DFT‑S‑GFDM单载波调制系统；通过软件定义调整预编码矩阵方案完成同时兼容单载波GFDM和多载波GFDM的混合GFDM调制系统。本发明在长时间的相干积分中，通过将测距码周期性的叠加，降低数据长度，从而实现了运算量的降低。本发明通过设计一种统一结构的通信系统，使得GFDM单载波与多载波可以在一套硬件设备中共存，并根据需求以软件配置的方式实现不同工作模式的灵活选择，实现了一种可配置、易扩展的融合单载波与多载波的调制技术。
-
公开(公告)号：CN112686912B
公开(公告)日：2022-06-10
申请号：CN202110006989.7
申请日：2021-01-05
Applicant: 南开大学
Abstract: 本发明公开了一种基于逐步学习和混合样本的急性脑卒中病变分割方法。包括步骤：设计一个可以进行端到端训练的分割网络，在下采样部分的输出层后依次连接全局均值池化层和分类层；由有标记的数据样本初始化上述步骤的分割网络；使用完成初始化的分割网络进行逐步学习，利用有标记的数据样本为无标记的数据样本分配图像级的伪标记并在迭代过程中使用标记的数据样本进行语义约束；设计一个基于多特征图融合的解码网络，将上述步骤训练好的下采样部分与该解码网络连接；利用有标记的数据样本对新的网络进行端到端的训练；在测试数据集上对该网络进行评估，并输出对应的测试结果。本发明有效利用了无标记的数据样本，大大减少了获取数据样本的成本。
-
公开(公告)号：CN113052934A
公开(公告)日：2021-06-29
申请号：CN202110280924.1
申请日：2021-03-16
Applicant: 南开大学
Abstract: 本发明公开了一种基于卷积神经网络的运动伪影校正方法。包括步骤：将数据集按一定比例随机分为训练集、验证集和测试集；设计一个可以进行端到端训练的卷积神经网络；由Kaiming网络参数初始化方法初始化卷积神经网络；向初始化后的卷积神经网络中输入带运动伪影的核磁共振图像，在输出端与不带运动伪影的核磁共振图像计算损失并反向更新网络梯度；在测试集上对训练好的网络进行评估，并输出对应的测试结果。本发明将减少核磁共振图像在拍摄过程中对于传统辅助手段的依赖，同时提高被拍摄者的舒适度。此外，在训练数据集丰富的情况下，本发明可以适用于不同型号的核磁共振图像设备，相较于传统的运动伪影校正方法具有更高的通用性。
-
Patent Agency Ranking
公开(公告)号：CN111079901A
公开(公告)日：2020-04-28
申请号：CN201911315831.7
申请日：2019-12-19
Applicant: 南开大学 , 天津市环湖医院(天津市神经外科研究所、天津市脑系科中心医院)
Abstract: 本发明公开了一种基于小样本学习的急性脑卒中病变分割方法。包括步骤：由带有图像级标签的数据样本训练一个卷积神经网络，图像的分类准确率作为衡量指标；使用训练好的卷积神经网络构建新的卷积神经网络，利用训练好的网络从输入图像得到的特征图，构成端到端的卷积神经网络；固定训练好的卷积层参数，使用少量像素级标签的数据样本训练新构建的卷积神经网络，图像的分割精度作为衡量指标；训练结束后，在像素级标签的测试集上验证网络的分割效果。本发明只使用少量的像素级标签的数据样本和一些图像级标签的数据样本，这将大大减小标注数据的成本，在一定程度上增强工程可操作性，辅助医生对急性脑卒中患者的临床诊断。
-
公开(公告)号：CN112686912A
公开(公告)日：2021-04-20
申请号：CN202110006989.7
申请日：2021-01-05
Applicant: 南开大学
Abstract: 本发明公开了一种基于逐步学习和混合样本的急性脑卒中病变分割方法。包括步骤：设计一个可以进行端到端训练的分割网络，在下采样部分的输出层后依次连接全局均值池化层和分类层；由有标记的数据样本初始化上述步骤的分割网络；使用完成初始化的分割网络进行逐步学习，利用有标记的数据样本为无标记的数据样本分配图像级的伪标记并在迭代过程中使用标记的数据样本进行语义约束；设计一个基于多特征图融合的解码网络，将上述步骤训练好的下采样部分与该解码网络连接；利用有标记的数据样本对新的网络进行端到端的训练；在测试数据集上对该网络进行评估，并输出对应的测试结果。本发明有效利用了无标记的数据样本，大大减少了获取数据样本的成本。
-
公开(公告)号：CN112348779A
公开(公告)日：2021-02-09
申请号：CN202011143562.3
申请日：2020-10-23
Abstract: 本发明公开了一种基于卷积神经网络的核磁影像大脑灰质核团分割方法。包括步骤：数据的准备与预处理；构建全局与局部支路数据对；基于3D Unet网络原有框架与残差结构设计3D ResUnet网络；设计全局与局部特征提取结构，将网络输入部分扩充为两条支路分别提取全局与局部数据对的特征；设计特征补偿模块，使用3D转置卷积，中心剪裁，特征拼接操作融合两条支路的特征；设计解码双支路；将处理好的数据输入最终模型进行训练；在像素级标签的测试集上验证网络的分割效果，并输出分割结果。本发明提出的方法可以大大减小标注数据的成本，在一定程度上为定量研究神经退行性疾病提供数据基础，对于探究疾病病理机制与临床治疗具有重大意义。
-
公开(公告)号：CN111010360A
公开(公告)日：2020-04-14
申请号：CN201911323064.4
申请日：2019-12-20
Applicant: 南开大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于预编码的混合载波调制方法，包括步骤：对GFDM调制算法进行时频重构，将GFDM能够作为软件定义波形的基础波形，搭建以GFDM为基础的统一循环滤波载波调制模型；将GFDM模型与IEEE802.16a标准中的单载波传输模式SC-FDE相结合，得到基于GFDM调制系统的SC-GFDM单载波调制方式；依据LTE-A上行信道采用的SC-FDMA技术，提出一种基于DFT的GFDM频域扩展方案完成DFT-S-GFDM单载波调制系统；通过软件定义调整预编码矩阵方案完成同时兼容单载波GFDM和多载波GFDM的混合GFDM调制系统。本发明在长时间的相干积分中，通过将测距码周期性的叠加，降低数据长度，从而实现了运算量的降低。本发明通过设计一种统一结构的通信系统，使得GFDM单载波与多载波可以在一套硬件设备中共存，并根据需求以软件配置的方式实现不同工作模式的灵活选择，实现了一种可配置、易扩展的融合单载波与多载波的调制技术。
-
公开(公告)号：CN102156703A
公开(公告)日：2011-08-17
申请号：CN201110024743.9
申请日：2011-01-24
Applicant: 南开大学
CPC classification number: Y02D10/45
Abstract: 一种低功耗的高性能重复数据删除系统，包括：生产中心，计算中心和备份中心。生产中心复制用户写请求数据并发送到计算中心；计算中心对数据进行重复数据删除工作并将非重复的数据发送到备份中心；备份中心对接收到的数据进行存储。本发明在计算中心使用VIA处理器来降低系统运行时功耗。本发明采用了如下几种策略来提高系统的性能：首先，调用VIA处理器提供的协处理器模块的特殊汇编指令来做摘要计算和数据加密工作，利用这种硬件来提高系统性能能；其次，计算中心使用GPU加速重复数据删除系统中的数据压缩过程以及Bloomfilter的计算过程；利用GPU的并发处理能力来提高系统的运行效率；最后，本发明使用了两种流水线机制来进一步提高系统性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
