-
公开(公告)号：CN119453944A
公开(公告)日：2025-02-18
申请号：CN202411739231.4
申请日：2024-11-29
Applicant: 华南理工大学 , 江淮前沿技术协同创新中心
IPC: A61B5/00 , A61B5/1455
Abstract: 本发明公开了一种高分辨率便携的近红外脑功能成像系统。所述系统包括可穿戴近红外装置以及上位机；可穿戴近红外装置上设有控制器模块、光源模块和探测器模块；受试者进行佩戴可穿戴近红外装置后，由控制器模块对光源模块进行驱动，光源模块中的LED光源被依次点亮，向受试者脑区发射第一光信号，第一光信号经脑区漫反射后产生的第二光信号由探测器模块接收并转换为电流信号，经过信号处理后，转换为多通道的原始光强数据并由控制器模块发送至上位机，上位机将多通道的原始光强数据定量转换到血氧浓度，构建实时高分辨率脑血氧变化模型，实现脑功能成像。本发明建立完整的脑功能信号处理流程、稳定性强、适用于复杂任务场景。
-
Patent Agency Ranking
公开(公告)号：CN119889647A
公开(公告)日：2025-04-25
申请号：CN202411883032.0
申请日：2024-12-19
Applicant: 江淮前沿技术协同创新中心 , 华南理工大学
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G06V10/764 , G06V10/82 , G06V10/25 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种无结构性脑损伤疾病智能分类与靶点推荐系统。所述系统包括：个体化脑功能网络构建模块：根据个体静息态功能影像和结构影像，得到功能连接矩阵并以图的形式表示脑功能连接，构建个体化脑功能网络；疾病判断分类模型训练模块：构建疾病判断分类模型，并利用网络拓扑结合图神经网络训练疾病判断分类模型；识别关键脑区模块：在训练好的疾病判断分类模型上应用SHAP选出SHAP值最高的K个节点，作为用于分类的关键脑区；推荐个性化干预靶点模块：将关键脑区配准到标准脑空间模板，匹配推荐治疗靶点。本发明能够更全面、高效地识别和推荐治疗靶点，为精神性疾病的智能分类判断与治疗提供更精准的数据支持。
-
公开(公告)号：CN119538982A
公开(公告)日：2025-02-28
申请号：CN202411739234.8
申请日：2024-11-29
Applicant: 华南理工大学 , 江淮前沿技术协同创新中心
IPC: G06N3/045 , G06F18/213 , G06F18/25 , G06N3/0464 , G06F18/2415 , G06F18/15 , G06N3/048 , G06F3/01 , G05D1/221
Abstract: 本发明公开了一种基于脑机接口的无人机控制系统。所述系统中，近红外脑功能成像设备进行多通道的fNIRS原始数据的获取，通过预处理模块去除噪声，得到去噪后的多通道fNIRS数据；将去噪后的多通道fNIRS数据输入基于diffusion的数据增强模块，生成对应不同运动想象任务标签类别的多通道fNIRS数据，进行数据的扩充和增强；基于transformer的意图识别模块通过提取对应不同运动想象任务标签类别的多通道fNIRS数据的时域、频域和空间域的特征进行运动想象任务识别，上位机根据识别的运动想象任务，形成对应的指令控制无人机进行活动。本发明这显著提高了跨主体运行想象任务识别的性能，实现无人机精准控制。
-
公开(公告)号：CN119478047A
公开(公告)日：2025-02-18
申请号：CN202411610598.6
申请日：2024-11-12
Applicant: 江淮前沿技术协同创新中心
Abstract: 本发明提出了一种对遮挡具有鲁棒性的平面无源合作靶标，通过多标志点设计，优化标志点布局，有效提高了系统在部分遮挡情况下的识别能力。同时，结合几何约束和编码信息，利用仿射不变性区分标志点，并采用自适应灰度梯度阈值和局部最优策略进行边缘提取，辅以改进的非极大值抑制法进行标志点边缘筛选，确保在光照变化和反光等复杂环境中依然能稳定识别。此外，通过基于理想边缘拟合的靶标识别方法和亚像素级边缘定位方法，实现了标志点的精确定位。该设计显著增强了视觉伺服系统在复杂和动态环境中的鲁棒性和稳定性，为超冗余机械臂在工业和航天等领域的高精度任务提供了可靠的技术支持。
-
公开(公告)号：CN119887921A
公开(公告)日：2025-04-25
申请号：CN202411990973.4
申请日：2024-12-31
Applicant: 江淮前沿技术协同创新中心
Abstract: 本发明提供空间自旋非合作目标抓捕方法及系统，方法包括：对当前图像预处理，将图像灰度均值调整至预设范围内；实时采集目标星的点云数据；对点云数据帧进行点云匹配；状态估计，获取目标物的最终位置和姿态；通过视觉伺服控制，调整末端速度以及关节角。本发明解决了依赖目标材料的磁性特性，易受磁场、强辐射、高温差等因素干扰以及训练初期控制精度低的技术问题。
-
公开(公告)号：CN119867753A
公开(公告)日：2025-04-25
申请号：CN202411887199.4
申请日：2024-12-19
Applicant: 江淮前沿技术协同创新中心 , 华南理工大学
IPC: A61B5/16 , A61B5/055 , A61B5/00 , G16H50/20 , G16H50/30 , G16H30/20 , G16H50/70 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多模态核磁影像图神经网络的抑郁状态检测系统。所述系统包括脑数据处理模块、特征提取模块和分类器模块；脑数据处理模块根据输入的fMRI数据，对大脑划分网格聚合得到多个图节点，计算图节点和边值，进而完成脑功能连接图的构建；特征提取模块对脑功能连接图进行分析，通过网络层与池化层提取特征向量H，表征大脑功能连接的特性；分类器模块训练抑郁状态分类器，最终由训练完成的抑郁状态分类器根据输入的特征向量H输出抑郁症患者或健康个体的概率。本发明利用图神经网络以及自注意力机制来全面探索fMRI数据中抑郁特征，为抑郁状态检测提供支持。再借由域分类器，提高抑郁状态分类器的鲁棒性和泛化能力。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
