-
公开(公告)号：CN117959082A
公开(公告)日：2024-05-03
申请号：CN202410150307.3
申请日：2024-02-02
Abstract: 本申请公开了一种耳蜗入路钻制机器人工作安全性监测方法及相关装置。在执行本申请实施例提供的方法时，首先可以监测耳蜗入路钻制机器人的实时状态信息和患者的实时状态信息，并基于以上两个实时状态信息判断实时工作的安全性，其中，实时工作的安全性为耳蜗入路钻制机器人实时工作状态下的安全性。当耳蜗入路钻制机器人的实时工作安全性为不安全时，停止实时工作，并重新规划耳蜗入路钻制机器人的工作。本申请通过实时监测设备和患者状态信息，能够及时发现潜在的安全问题或风险。若实时耳蜗入路钻制机器人工作的安全性不足，则可以停止工作，以避免事故的发生，保护患者和设备的安全。同时当监测到设备或患者状态异常时，可以采取相应的措施。
-
Patent Agency Ranking
公开(公告)号：CN118141516B
公开(公告)日：2024-07-16
申请号：CN202410568108.4
申请日：2024-05-09
Abstract: 本申请公开了一种脑穿刺路径规划方法及装置，涉及计算机图像处理技术领域。核磁兼容机器人通过分别获取在术前和术中采集得到的脑核磁影像，并对术前术中影像进行配准，能够确定目标脑穿刺组织所产生的组织漂移以及不同脑核磁影像进行配准所产生的配准误差，同时结合脑核磁影像进行三维重建所会产生的三维重建误差以及穿刺针的定位误差，对术前规划得到的多个脑穿刺路径进行鲁棒性评估，并将鲁棒性较高的脑穿刺路径作为目标脑穿刺路径，此时目标脑穿刺路径的安全性较高、风险性较低，即使在存在上述误差的情况下也较为可靠，可以降低因误差而导致的对患者脑内的神经、血管以及功能区产生损害的可能性。
-
公开(公告)号：CN118141516A
公开(公告)日：2024-06-07
申请号：CN202410568108.4
申请日：2024-05-09
Abstract: 本申请公开了一种脑穿刺路径规划方法及装置，涉及计算机图像处理技术领域。核磁兼容机器人通过分别获取在术前和术中采集得到的脑核磁影像，并对术前术中影像进行配准，能够确定目标脑穿刺组织所产生的组织漂移以及不同脑核磁影像进行配准所产生的配准误差，同时结合脑核磁影像进行三维重建所会产生的三维重建误差以及穿刺针的定位误差，对术前规划得到的多个脑穿刺路径进行鲁棒性评估，并将鲁棒性较高的脑穿刺路径作为目标脑穿刺路径，此时目标脑穿刺路径的安全性较高、风险性较低，即使在存在上述误差的情况下也较为可靠，可以降低因误差而导致的对患者脑内的神经、血管以及功能区产生损害的可能性。
-
公开(公告)号：CN113157002A
公开(公告)日：2021-07-23
申请号：CN202110592492.8
申请日：2021-05-28
Applicant: 南开大学
IPC: G05D1/10
Abstract: 本发明提供一种基于多无人机多基站的空地协同全覆盖轨迹规划方法，首先针对于多无人机和多基站视觉覆盖一个三维广域环境的任务，并提出一个基于能量优化与续航策略的空地协同系统视觉覆盖的问题框架；针对步骤1提出的问题建立数字高程模型，优化目标，使得无人机消耗的总能量尽可能的小，并同时定义四个约束条件；设计一个分层协同覆盖轨迹规划算法，第一层利用启发式算法求解步骤2中的数字高程模型，得到多架无人机的飞行轨迹；第二层是基于第一层得到的航点遍历顺序，将总飞行时间作为性能指标，用遗传算法求解每个决策变量，得到一条带时间戳的最优的平滑轨迹。本发明能够在复杂约束下得到平滑轨迹，显著提高无人机的任务执行效率。
-
公开(公告)号：CN113486899B
公开(公告)日：2023-01-24
申请号：CN202110580048.4
申请日：2021-05-26
Applicant: 南开大学
Abstract: 本发明提供一种基于互补分支网络的显著性目标检测方法，所述方法首先将若干张图像的标签，通过标签重定义模块，得到扩展的多样化的显著性标签；接着将提取的骨干网络的特征，通过信息交换模块，得到具有判别力的显著性特征；最后将不同的特征分别对应不同的标签，并分别通过连通流损失，得到显著性结果图。本发明通过提出的标签重定义模块，使得给定的标签扩展充足，并将有用的先验知识作为辅助性标签，通过提出的信息交换模块来融合捕获来自不同分支结构的互补特征信息，通过提出的连通流损失来计算分支合并的总损失，从而监督整个网络的优化，保证了复杂场景的显著性目标检测的准确性。
-
公开(公告)号：CN113486899A
公开(公告)日：2021-10-08
申请号：CN202110580048.4
申请日：2021-05-26
Applicant: 南开大学
Abstract: 本发明提供一种基于互补分支网络的显著性目标检测方法，所述方法首先将若干张图像的标签，通过标签重定义模块，得到扩展的多样化的显著性标签；接着将提取的骨干网络的特征，通过信息交换模块，得到具有判别力的显著性特征；最后将不同的特征分别对应不同的标签，并分别通过连通流损失，得到显著性结果图。本发明通过提出的标签重定义模块，使得给定的标签扩展充足，并将有用的先验知识作为辅助性标签，通过提出的信息交换模块来融合捕获来自不同分支结构的互补特征信息，通过提出的连通流损失来计算分支合并的总损失，从而监督整个网络的优化，保证了复杂场景的显著性目标检测的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
