公开(公告)号：CN113083230A

公开(公告)日：2021-07-09

申请号：CN202110360584.3

申请日：2021-04-02

Applicant: 重庆大学

Inventor： 皇甫小留 ,  王润之 ,  何强 ,  郭程晨 ,  鲍奕铭 ,  何璇 ,  曹钰

IPC: B01J20/20 ,  B01J20/30 ,  C02F1/28 ,  C05G1/00

Abstract: 本发明公开了一种改性的稻秆生物炭吸附材料、制备方法和应用，改性的稻秆生物炭吸附材料是在稻秆生物炭表面负载有Fe元素、Fe与S元素混合或者Ca元素的任一种。制备方法包括步骤1、将稻秆生物炭研磨并筛分至20目以下，取稻秆生物炭置于稀盐酸溶液中浸泡至少1 h，抽滤后用超纯水反复洗涤至接近中性，放入烘箱中烘干至恒重，得到酸洗生物炭；步骤2、将PRSB分别加入FeCl3、Fe2（SO4）3、CaCl2溶液中，室温下磁力搅拌至少1 h，静置，放入烘箱中烘干至恒重。用于处理化粪池粪污分离液。本发明大幅度提高了磷的吸附容量，应用于磷的富集回收，实现了化粪池粪污分离液的处理和资源化利用。

公开(公告)号：CN104809740A

公开(公告)日：2015-07-29

申请号：CN201510274795.X

申请日：2015-05-26

Applicant: 重庆大学

Inventor： 王品 ,  何璇 ,  李勇明 ,  李帆 ,  吴烨

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明公开一种基于SVM与弹性区域生长的膝软骨图像自动分割方法，首先采用自适应Canny边缘检测算法提取图像主要边缘；再对边缘提取多个图像特征，结合支持向量机算法对边缘进行分类，完成软骨边缘定位；接着在软骨边缘的基础上进行种子点及软骨像素区域的选择；之后基于选择的结果采用弹性区域生长进行初步软骨分割；最终获得膝软骨分割结果。实验结果表明，该方法能够准确、快速的自动分割出膝关节MRI中不同的膝软骨，其中股软骨、胫软骨、髌软骨平均DSC分别可达0.8543、0.8280、0.8703，与手工分割结果具有较高的一致性，能够有效克服传统分割方法的结果过分割或分割不准确等缺点。

公开(公告)号：CN103440665A

公开(公告)日：2013-12-11

申请号：CN201310418228.8

申请日：2013-09-13

Applicant: 重庆大学

Inventor： 李勇明 ,  邹雪 ,  王品 ,  谢文宾 ,  吕洋 ,  何璇

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明公开一种膝关节软骨图像自动分割方法，其特征在于：包括基于SVM的边缘定位步骤和基于区域生长法的图像分割步骤，其中：其中基于SVM的边缘定位步骤包括：膝关节MRI图像的采集和转换、自适应Canny边缘检测以及基于SVM软骨边缘分类，基于区域生长法的图像分割步骤主要采用改进的自动选取种子点的区域生长法分割软骨组织。本发明的有益效果为：对膝关节MRI图像进行软骨分割，有效的利用模式识别与边缘检测相结合实现精准定位，再与区域生长法结合充分定位互补，实现待分割区域的内部相似特性和外部差异特性相结合；有效克服了传统分割方法的结果过分割或分割不准确等缺点。

公开(公告)号：CN103839272A

公开(公告)日：2014-06-04

申请号：CN201410113556.1

申请日：2014-03-25

Applicant: 重庆大学

Inventor： 李勇明 ,  闫瑾 ,  梅林 ,  谢文宾 ,  吕洋 ,  何璇

IPC: G06T7/00

Abstract: 本发明公开了一种基于K均值聚类法的脑磁共振图像配准方法，首先利用Harris算子和SUSAN算子的混合角点检测获取总角点集，利用角点强度筛选出新的角点集，采用互相关系数法进行粗匹配筛选，然后引入K均值聚类法对角点进行聚类，之后结合归一化相关法和投票匹配法筛选出精准的角点对，最后采用Powell算法对角点集合进行优化，得到重建参数值，对图像进行最终配准。其显著效果是：本发明具有良好的稳定性，能够完整、正确地描述特征点信息，减少了后续运算中程序的运行时间，提高了配准精度，实现对图像配准算法更精确、更有效率的改进，能更好的兼容大范围波动的变换图像。

公开(公告)号：CN104268566A

公开(公告)日：2015-01-07

申请号：CN201410476135.5

申请日：2014-09-18

Applicant: 重庆大学

Inventor： 李勇明 ,  闫瑾 ,  王品 ,  何璇 ,  吕洋 ,  谢文斌

IPC: G06K9/62

CPC classification number: G06T7/0012 ,  G06T2207/10104 ,  G06T2207/30096

Abstract: 本发明公开了一种淋巴结疾病智能诊断系统中的数据处理方法，其特征在于按照以下步骤进行：步骤1：将样本数据进行归一化处理，使其处于预设区间范围内，该样本数据包括M个患者数据和N个非患者数据；步骤2：基于P-value算法对归一化后的数据进行特征选择；步骤3：基于前向特征选择对步骤2所选择出的特征作进一步筛选；步骤4：按照步骤3所筛选出的特征，构建LS-SVM训练模型；步骤5：按照步骤1的方式对测试数据进行归一化处理，并选择步骤3所筛选出的特征带入步骤4所构建的LS-SVM训练模型中进行分类识别，输出分类结果。本方法在构建训练模型时数据特征维数少，缩短了诊断时间，同时又保证了诊断系统的准确率。

公开(公告)号：CN103829944A

公开(公告)日：2014-06-04

申请号：CN201410113578.8

申请日：2014-03-26

Applicant: 重庆大学

Inventor： 李勇明 ,  陈勃翰 ,  王品 ,  吕洋 ,  谢文宾 ,  何璇

IPC: A61B5/053

Abstract: 本发明公开了一种基于模式识别的胸阻抗信号处理方法，首先对获取的胸阻抗信号采用小波阈值去噪法去除胸阻抗信号中的高频噪声，其次采用形态学滤波法去除胸阻抗信号中的基线漂移，获得平滑的信号波形，接着采用多分辨率窗口搜索法进行波形定位，最后采用线性识别分析法对所获信号进行模式分类识别，获取正确的按压波形和通气波形。其显著效果是：本发明将小波去噪法、形态学滤波法和多分辨率窗口搜索法有机结合，能够有效的排除大部分畸变和噪声的干扰，正确地识别按压和通气波形，并达到实时处理的要求，从而计算出TTI信号的各项所需的参数，并反馈给心肺复苏操作人员对CPR过程提供指导。