-
公开(公告)号:CN115374830A
公开(公告)日:2022-11-22
申请号:CN202211166337.0
申请日:2022-09-23
Abstract: 本发明涉及生命健康技术领域,特别是涉及一种针对阿尔兹海默症的早期智能分类方法及装置,本发明根据空间方向的语言理解的脑机接口刺激范式指引,被测试者做出操作,预设的脑接口机提取所述被测试者的脑电信号;针对早期阿尔茨海默症患者脑电信号的多频段、跨个体以及差异不显著的特点,对所述脑电信号进行数据降维处理,并对其分类,整个过程检测成本低,且对被测试者的文化水平要求较低,检测精度较高。
-
公开(公告)号:CN118606506A
公开(公告)日:2024-09-06
申请号:CN202410744695.8
申请日:2024-06-11
IPC: G06F16/583 , G06F16/538 , G06V10/44 , G06V10/74 , G06V10/80 , G06N3/0464 , G06V10/30 , G06V10/28 , G06V10/762 , G06V10/25 , G06V10/54 , G06V10/77
Abstract: 本发明公开了一种基于多模态融合的影像检索方法、系统及介质,方法包括:获取包括多种间质肺病影像类型的间质肺病数据库;通过深度相似性网络对间质肺病影像进行特征提取,得到深度对比特征向量,通过影像组学公式对间质肺病影像进行特征提取,得到第一影像组学特征向量;通过多模态特征融合网络对深度对比特征向量和第一影像组学特征向量进行融合,得到数据库特征向量;根据局部敏感哈希算法对待检索向量和数据库特征向量进行相似度计算,得到间质肺病检索影像。本发明能够筛选出与当前病例最相似的间质肺病影像,且间质性肺疾病影像的检索精度更加准确、效率更高,可广泛应用于图像处理技术领域。
-
公开(公告)号:CN112102343B
公开(公告)日:2024-03-29
申请号:CN202010806916.1
申请日:2020-08-12
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06V10/762 , G06V10/764 , G06V10/80 , A61B8/08 , A61B8/00
Abstract: 本发明提供了一种基于超声图像的PTC诊断系统,包括:基础数据采集单元,用于获取甲状腺结节超声图像数据及其病理诊断标签,而且基于结节局部特征的轮廓自动提取方法,从超声图像数据中提取甲状腺结节的轮廓;核心算法单元,用于将已提取的结节轮廓图像和标签标注信息作为随机森林模型的输入,进行分类模型训练,并调整参数,以进行包含甲状腺结节良恶性诊断以及恶性结节转移概率的计算。
-
公开(公告)号:CN114925745A
公开(公告)日:2022-08-19
申请号:CN202210399377.3
申请日:2022-04-15
Applicant: 上海长征医院 , 医智源健康科技(海南)有限公司 , 海南大学三亚研究院
IPC: G06K9/62 , G06T7/00 , G06F40/289 , G06F40/253 , G06N3/04 , G16H15/00
Abstract: 本发明公开了一种基于自然语言处理的影像结构化报告生成方法及装置,该方法包括:首先,将胸部CT影像结构作为训练样本;其中,所述胸部CT影像结构包括:胸部CT影像和对应的文字内容;其次,对所述训练样本中文本内容进行预处理,得到文本信息;之后,对所述训练样本中胸部CT影像进行特征提取处理,得到视觉特征;最后,基于所述视觉特征和所述对应的文本信息,进行解码训练,得到自然语言模型。由此,基于自然语言处理的方式对胸部CT影像结构进行模型训练,从而获得自然语言模型,提高了模型训练的准确性,进而能够实现将非结构化胸部CT影像自动转化为结构化胸部CT影像。
-
公开(公告)号:CN112101413A
公开(公告)日:2020-12-18
申请号:CN202010807770.2
申请日:2020-08-12
Abstract: 本发明提供了一种面向脑卒中风险预测的智能系统,包括:数据输入单元,用于接收输入数据并对输入数据进行预处理;其中输入数据包括用于建立特征库的基础数据和多普勒数据;模型训练单元,用于采用随机森林模型作为分类器,将从特征库里挑选出来的特征子集和对应的标签信息作为训练样本,建立预测模型;预测单元,用于采集待测病人的基础数据和多普勒数据,并将采集的数据输入到之前已经训练好的模型中,以获取待测病人患脑卒中的风险概率。
-
公开(公告)号:CN111427450A
公开(公告)日:2020-07-17
申请号:CN202010203114.1
申请日:2020-03-20
Applicant: 海南大学
Abstract: 本申请公开了一种情绪识别的方法,包括:对原始脑电信号进行降采样,得到预设频率的脑电信号;利用全波段带通滤波器对预设频率的脑电信号进行滤波处理,得到滤波信号;对滤波信号进行局部通道选择,并根据局部通道选择结果进行空间滤波,得到滤波信号的每个通道的特征;根据每个通道的特征确定最优通道特征,并根据最优通道特征确定原始脑电信号的情绪类别。本申请通过利用全波段带通滤波器进行滤波处理,提高了脑电信号中有效信息的获取范围;通过对滤波信号进行局部通道选择,提高了通道特征的可区分度,进而提高了基于脑机接口的情绪识别方法的识别精度。本申请同时还提供了一种情绪识别的系统、设备及可读存储介质,具有上述有益效果。
-
公开(公告)号:CN117918865A
公开(公告)日:2024-04-26
申请号:CN202410120327.6
申请日:2024-01-29
Applicant: 海南大学
IPC: A61B5/389 , A61B5/397 , A61B5/00 , G06F18/241 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本申请公开了一种表面肌电信号分类方法、装置、设备及存储介质,涉及计算机技术领域,包括:基于预设动作采集相应多通道的表面肌电信号,并对采集到的待分类表面肌电信号进行滤波,得到滤波后信号;通过已预先打好标签的各滑动窗口对滤波后信号进行切片,以得到相应的数据集;在分别对数据集进行线性处理、位置编码之后,循环利用Transformer模型的Encoder层对当前的编码后数据进行预设次数的全局特征提取,得到第一提取结果;基于GRU模型及第一提取结果进行时间序列特征提取,得到第二提取结果;通过将第二提取结果输入至全连接层,并利用归一化指数函数,得到对应的信号分类结果。这样一来,能够有效提高分类的准确率。
-
公开(公告)号:CN117876728A
公开(公告)日:2024-04-12
申请号:CN202410124058.0
申请日:2024-01-30
Applicant: 海南大学
IPC: G06V10/762 , G06V10/141 , G06V10/147
Abstract: 本申请公开了一种目标识别方法、装置、设备及存储介质,涉及信号识别技术领域,包括:利用预设视觉传感器对目标对象进行事件信号采集以得到目标事件信号;基于预设时间间隔对所述目标事件信号进行切片划分操作以得到信号样本;基于事件时间戳和目标最近邻算法对所述信号样本进行graph图形构建操作以得到所述信号样本的距离关系图,然后对所述距离关系图进行密度聚类以实现对所述目标对象的识别。这样一来,针对事件数据的特点进行了图形构造,并在构造的图形上使用密度聚类算法进行目标识别检测,通过对不同时间片段的迭代计算达到动态识别的效果。
-
公开(公告)号:CN114463307A
公开(公告)日:2022-05-10
申请号:CN202210120807.3
申请日:2022-02-08
Applicant: 杭州时迈智能技术有限公司 , 海南大学三亚研究院
IPC: G06T7/00 , G06T7/70 , G06K9/62 , G06V10/764
Abstract: 本公开提供了一种牙齿曲面断层图像处理方法、装置、设备及存储介质,方法主要包括:获取待处理图像,待处理图像为牙齿曲面断层图像;根据第一识别模型,对待处理图像内的牙齿进行识别,得到第一识别结果,第一识别结果包括待处理图像内所有牙齿的第一位置信息和二值掩膜;根据第一识别结果,对待处理图像内的所有牙齿进行标号,得到牙齿标号信息,牙齿标号信息包括牙齿标号和与牙齿标号对应的牙齿的第一位置信息;根据第二识别模型,识别待处理图像内的异常牙齿,得到第二识别结果,第二识别结果包括异常牙齿的第二位置信息和图像特征;根据牙齿标号信息和第二识别结果,生成牙齿曲面断层图像处理结果。
-
公开(公告)号:CN113658274B
公开(公告)日:2023-11-28
申请号:CN202110967116.2
申请日:2021-08-23
Applicant: 海南大学
Abstract: 本申请公开了一种用于灵长类动物种群行为分析的个体间距自动计算方法、装置及计算机可读存储介质。其中,方法包括预先基于深度学习算法训练得到用于对输入的待处理图像组中的各图像所包含的目标进行目标识别并输出目标相应位置信息的目标识别模型。将双目摄像头输出的左右两目图像进行统一坐标系处理,得到待处理图像组;将待处理图像组输入至目标识别模型,得到目标分别在待处理图像组中左右两目图像的位置信息。根据目标在左右两目图像的位置信息计算视差信息,并通过双目摄像头的内部参数和外部参数计算视差信息对应的三维坐标信息,最后基于各目标的三维坐标信息进行测距计算,有效提高生物种群各生物个体之间的间距计算效率。
-
-
-
-
-
-
-
-
-