一种基于多模态特征的青光眼性视神经损害报告生成系统

    公开(公告)号:CN118942613A

    公开(公告)日:2024-11-12

    申请号:CN202410973189.6

    申请日:2024-07-19

    Abstract: 一种基于多模态特征的青光眼性视神经损害报告生成系统,涉及医学报告生成领域。本发明是为了解决现有青光眼性视神经损伤报告中对于青光眼性视神经损害判断准确率低的问题。本发明包括:获取待诊断医疗图像,对待诊断医疗图像进行预处理;将预处理后的待诊断医疗图像输入到训练好的ResNet网络中,获得待诊断医疗图像的特征向量;获取待诊断患者个性化特征,并将待诊断患者个性化特征输入青光眼性视神经损害报告生成模块;将待诊断医疗图像的特征向量和待诊断患者个性化特征输入青光眼视神经损害报告生成网络,获得青光眼性视神经损害报告。本发明用于生成青光眼视神经损害诊断报告。

    基于全息光阱的微流体智能控制系统及控制方法

    公开(公告)号:CN118594637A

    公开(公告)日:2024-09-06

    申请号:CN202410654309.6

    申请日:2024-05-24

    Abstract: 基于全息光阱的微流体智能控制系统及控制方法,本发明涉及微流体智能控制系统及控制方法。本发明的目的是为了解决在微流控系统中,难以实现局部流道中细胞的控制、难以实现微流控芯片中细胞多个位置、不同方向和速度的流体控制、流体中细胞控制可靠性和稳定性差、制造成本高、难度大、操作复杂的问题。方法过程为:获得目标光场图案和对应的相位图;在空间光调制器上加载相位图,激光发射器发射激光依次经过扩束器、空间光调制器、4F系统、分光镜、显微镜物镜,在显微镜物镜下生成目标光场,目标光场图案投射在微流控芯片平面;相机通过显微镜物镜观察记录目标光场图案;基于目标光场图案实现微流控芯片中细胞或粒子进入目标出口。

    一种轨道车辆碰撞试验台速度控制系统及方法

    公开(公告)号:CN111610041B

    公开(公告)日:2022-08-26

    申请号:CN202010473154.8

    申请日:2020-05-29

    Abstract: 本发明公开了一种轨道车辆碰撞试验台速度控制系统,涉及轨道交通车辆碰撞试验领域,包括轨道,安装于轨道上的初级直线电机,安装于初级直线电机的两端且用于采集试验车位置信息的区域位置传感器,安装于试验车车底的次级直线电机,安装在试验车上且用于采集试验车车速信息的速度传感器,以及控制端;控制端用于根据获取的试验车车速信息和试验车位置信息输出初级直线电机控制指令,并将初级直线电机控制指令发送至初级直线电机以控制初级直线电机与次级直线电机相互作用产生推力,进而调节试验车车速。本发明能够对试验车车速进行闭环控制,从而实现对碰撞速度的精确控制,达到提高碰撞试验精度和试验效果的目的。

    一种基于轨道车辆碰撞试验台的直线电机调速系统

    公开(公告)号:CN112414661B

    公开(公告)日:2022-04-19

    申请号:CN202010879459.9

    申请日:2020-08-27

    Abstract: 本发明涉及一种基于轨道车辆碰撞试验台的直线电机调速系统,包括机械结构部分和控制部分;所述机械结构部分包括用于进行碰撞试验的试验车、用于承载并导向试验车的铁轨、用于模拟障碍物的固定测力墙、用于获取试验车碰撞参数的检测装置以及用于调节试验车车速的直线电机;所述控制部分包括用于控制直线电机变频调速的变频器、用于反馈试验车速度的速度传感器以及用于根据速度传感器的信号控制变频器的PLC控制器。

    一种基于机器视觉的智能显微操作系统

    公开(公告)号:CN111496779A

    公开(公告)日:2020-08-07

    申请号:CN202010156073.5

    申请日:2020-03-09

    Abstract: 本发明公开了一种基于机器视觉的智能显微操作系统,包括底座,所述底座上设置有显微镜、旋转台和两个升降台,所述显微镜位于所述旋转台的正上方,两个所述升降台分别位于所述旋转台的两侧,每个所述升降台上均设置有一个机械臂,两个所述机械臂上分别设置有一个末端夹持器,所述机械臂能够驱动对应的所述末端夹持器进行x、y、z方向的微调,一个所述末端夹持器夹持有吸持针,所述吸持针与吸持泵连通,另一个所述末端夹持器夹持有注射针,所述注射针与注射泵连通;所述旋转台包括托盘、转动机构和驱动装置,所述驱动装置能够通过所述转动机构驱动所述托盘转动。本发明能够方便地对不规则形状对象的进行显微操作。

    斑马鱼幼鱼的自动输送和调整姿态的微流道装置

    公开(公告)号:CN109706054B

    公开(公告)日:2019-10-22

    申请号:CN201910008545.X

    申请日:2019-01-04

    Abstract: 斑马鱼幼鱼的自动输送和调整姿态的微流道装置,属于显微注射操作领域,本发明为解决现有对幼鱼进行注射时存在耗时长、成功率低的问题。本发明上层模块包括上层板和送鱼装置;换向齿轮的上部为圆柱形凸台,圆柱形凸台上设置有换向微流道,中层板上设置有贯穿中心位置圆孔的微流道,微流道的右端位于送鱼装置方形漏斗出口通道的正下方,当换向微流道处于横向位置时,换向微流道与微流道连通,阀块的前方开有方形阶梯通孔,方形阶梯通孔内放置齿条;上层模块和中层模块安装在长方体凹槽内,第一电机安装在第一电机安装孔里,第一电机输出轴上安装有第一齿轮,第一齿轮与齿条啮合,第二齿轮与换向齿轮啮合。本发明用于对斑马鱼幼鱼进行显微注射操作。

    一种基于无透镜成像技术的超微量注射检测与控制装置及其方法

    公开(公告)号:CN110172399A

    公开(公告)日:2019-08-27

    申请号:CN201910446653.5

    申请日:2019-05-27

    Abstract: 一种基于无透镜成像技术的超微量注射检测与控制装置及其方法,涉及显微注射系统的无透镜成像技术和超微量注射控制技术领域。本发明是为了解决现有缺少能够精确检测毛细玻璃针内液面位置变化的装置及精确控制注射液体体积的问题。无透镜光学液位传感器用于测量注射针内液位变化;微量注射控制单元用于跟踪液位变化情况,修正注射泵的注射压力;平行光源产生的透射光穿透透明的玻璃材质的注射针管,经过减光膜将平行光源的强度减弱至微型线阵图像传感芯片的感光范围内,最终射入微型线阵图像传感芯片中,由微型线阵图像传感芯片测量注射针内液位变化。它用于测量玻璃针内的液位变化,并对注射泵的压力进行修正,使注射器内的注射液体稳定。

    基于DoubleDQN网络和深度强化学习的机器人避障方法

    公开(公告)号:CN109407676B

    公开(公告)日:2019-08-02

    申请号:CN201811562344.6

    申请日:2018-12-20

    Abstract: 基于DoubleDQN网络和深度强化学习的移动机器人避障方法,它属于移动机器人导航技术领域。本发明解决了现有的深度强化学习避障方法存在的响应延迟高、所需训练时间长以及避障成功率低的问题。本发明设计了特殊的决策动作空间以及回报函数、将移动机器人轨迹数据采集和Double DQN网络训练放在两个线程下并行运行,可以有效提高训练效率,解决了现有深度强化学习避障方法需要的训练时间长的问题;本发明使用Double DQN网络对动作值进行无偏估计,防止陷入局部最优,克服现有深度强化学习避障方法避障成功率低和响应延迟高的问题,与现有方法相比,本发明可以将网络训练时间缩短到现有技术的20%以下,且保持100%的避障成功率。本发明可以应用于移动机器人导航技术领域。

    用于三维表面形貌特征提取的二维归一化高斯滤波方法

    公开(公告)号:CN109919163A

    公开(公告)日:2019-06-21

    申请号:CN201910111540.X

    申请日:2019-02-12

    Abstract: 用于三维表面形貌特征提取的二维归一化高斯滤波方法,本发明涉及用于形貌特征提取的高斯滤波方法。本发明的目的是为了解决现有提取的形貌特征在振幅上具有较宽的分布,低幅值的特征被高幅值特征所掩盖,导致形貌特征识别准确率低的问题。过程为:一、设滤波器的输入为三维形貌和切除长度,基于要提取的三维形貌特征的切除长度,计算二维高斯滤波器的高斯权重函数;二、建立三维形貌模板函数;三、使二维高斯滤波器的高斯权重函数在输入三维形貌上逐点移动,在移动到要滤波的形貌特征的点时计算归一化滤波结果,当移动完全部位置之后,得到的归一化滤波结果组成的矩阵即为滤波结果。本发明用于图像处理领域。

    基于深度学习筛选训练集的方法

    公开(公告)号:CN109508741A

    公开(公告)日:2019-03-22

    申请号:CN201811333884.7

    申请日:2018-11-09

    Abstract: 基于深度学习筛选训练集的方法,本发明涉及训练集筛选的方法。本发明的目的是为了解决现有训练集的大小直接影响深度学习的性能,训练集太小深度学习模型对于实际运行时采集到的新的图像不起作用,训练集太大,人工打标签耗费大量时间,影响训练效率的问题。过程为:一、采集初始数据集,将初始数据集分为训练集和测试集;二、搭建神经网络架构;三、将训练集输入神经网络进行训练,直至神经网络收敛,得到初始神经网络模型;四、将测试集输入目前得到的神经网络模型进行测试,得到满足要求的训练集和最终的神经网络模型;否则,对待识别区域重新采集图像,直至得到满足要求的训练集和最终的神经网络模型。本发明用于训练集筛选领域。

Patent Agency Ranking