-
Patent Agency Ranking
公开(公告)号：CN115828168A
公开(公告)日：2023-03-21
申请号：CN202211586463.1
申请日：2022-12-09
Applicant: 杭州电子科技大学
IPC: G06F18/2415 , A61B7/02 , G06F18/10 , G06F18/24
Abstract: 本发明公开一种基于隐马尔可夫心动周期的心音分割方法及其装置。对心音信号希尔伯特提取信号包络；基于不同导联的最值预设基准线，获取希尔伯特包络提取后心音的第一心音S1峰值和第二心音S2峰值所在位置；基于心动周期的峰值定位；基于改进的隐马尔可夫心动周期的舒张期提取；利用改进后维特比算法定位心音信号S1、S2的最佳时间跨度；利用时间跨度和S1、S2的峰值定位位置，实现对原始心音信号的分割。本发明采用改进隐马尔科夫模型、改进维特比向前算法计算出心音区间S1和S2的持续时间结合心动周期进行心音S1和S2的峰值定位，准确标定心音区间准确位置，提高了心音分割的性能。
-
公开(公告)号：CN113362356B
公开(公告)日：2024-02-02
申请号：CN202110616753.5
申请日：2021-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于双侧注意通路的显著轮廓提取方法。首先改进视皮层下单拮抗感受野模型，构建基于局部亮度特征的单拮抗动态调节模型，实现亮度和颜色边界的联合编码；接着模拟经典感受野的方向敏感特性，提出一种最佳方位区间多方向微动方法，实现方向选择的精细化；随后当初级视皮层信号传递至高级视皮层时，模拟背侧流和腹侧流之间的信息响应特性，构建双侧信息流交互模型，利用高斯金字塔和稀疏编码模型，分别获取背侧空间显著轮廓和腹侧神经元稀疏响应；最后通过加权融合策略将双侧注意通路的信息融合，以多视通路之间的信息互补来增强显著轮廓和抑制纹理背景。
-
公开(公告)号：CN112712526B
公开(公告)日：2024-02-27
申请号：CN202011625605.1
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: G06T7/10 , G06T5/50 , G06T5/20 , G06T5/90 , G06T3/4038 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于非对称卷积神经网络双通道的视网膜血管分割方法。该方法对数据进行预处理，在血管方向最佳匹配角下利用多尺度的Gabor滤波器提取主血管特征图和细血管特征图。针对性地构建主、细血管特征提取非对称卷积神经网络双通道，其中主血管分割网络引入逐级连接策略进行采样，以卷积层级间的信息互补来减少特征丢失，快速定位和精准分割主血管；细血管补偿网络的编‑解码器结合了跳跃连接模块，低层特征图经过不同扩张率的并联空洞卷积块与对应解码器的高层特征图逐级结合，提升细小血管的分割精度。最后将双通道血管分割图融合，从而获取精细的血管分割图。解决了视网膜血管图像中目标方向复杂、细小血管末梢难以识别的问题。
-
公开(公告)号：CN113362356A
公开(公告)日：2021-09-07
申请号：CN202110616753.5
申请日：2021-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于双侧注意通路的显著轮廓提取方法。首先改进视皮层下单拮抗感受野模型，构建基于局部亮度特征的单拮抗动态调节模型，实现亮度和颜色边界的联合编码；接着模拟经典感受野的方向敏感特性，提出一种最佳方位区间多方向微动方法，实现方向选择的精细化；随后当初级视皮层信号传递至高级视皮层时，模拟背侧流和腹侧流之间的信息响应特性，构建双侧信息流交互模型，利用高斯金字塔和稀疏编码模型，分别获取背侧空间显著轮廓和腹侧神经元稀疏响应；最后通过加权融合策略将双侧注意通路的信息融合，以多视通路之间的信息互补来增强显著轮廓和抑制纹理背景。
-
公开(公告)号：CN112712526A
公开(公告)日：2021-04-27
申请号：CN202011625605.1
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于非对称卷积神经网络双通道的视网膜血管分割方法。该方法对数据进行预处理，在血管方向最佳匹配角下利用多尺度的Gabor滤波器提取主血管特征图和细血管特征图。针对性地构建主、细血管特征提取非对称卷积神经网络双通道，其中主血管分割网络引入逐级连接策略进行采样，以卷积层级间的信息互补来减少特征丢失，快速定位和精准分割主血管；细血管补偿网络的编‑解码器结合了跳跃连接模块，低层特征图经过不同扩张率的并联空洞卷积块与对应解码器的高层特征图逐级结合，提升细小血管的分割精度。最后将双通道血管分割图融合，从而获取精细的血管分割图。解决了视网膜血管图像中目标方向复杂、细小血管末梢难以识别的问题。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
