-
公开(公告)号：CN119861043A
公开(公告)日：2025-04-22
申请号：CN202411949568.8
申请日：2024-12-27
Applicant: 长沙理工大学
Abstract: 本发明提供了一种基于光声成像技术的无标记类器官药敏特性表征方法和平台，旨在通过非侵入性、无标记的成像技术，解决传统药物敏感性评估方法在类器官三维结构评估方面的不足。通过该方法，不仅可以量化药物对无标记类器官的影响，还能够动态监测药物在不同时间点的作用效果，从而提供更加准确、直观的药敏特性数据。该平台包括光声模块、控制与成像模块和处理与分析模块，能够实时无标记监测类器官的三维结构变化，并量化药物对类器官的药敏反应，为精准治疗和个性化用药提供可靠的实验平台。该发明具有高效性、非侵入性、动态监测和量化分析等优点，为药物敏感性评估提供了更加精确、可靠的技术手段，具有广泛的应用前景。
-
公开(公告)号：CN112200724B
公开(公告)日：2023-04-07
申请号：CN202011139130.5
申请日：2020-10-22
Applicant: 长沙理工大学
IPC: G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于反馈机制的单图像超分辨率重建系统及方法，本发明采用了反馈机制，通过浅层特征提取模块、第一深层特征提取模块、第一重建模块形成低分辨率图像的第一次迭代；通过特征精炼模块、第二深层特征提取模块、第二重建模块形成低分辨率图像的第二次迭代，本发明能够将第一次迭代提取的深层特征映射精炼第二次迭代的浅层特征映射，能够在不加深网络深度的情况下提取到低分辨率图像的更深层的特征，从而提升图像网络模型的训练效果。
-
Patent Agency Ranking
公开(公告)号：CN119643458A
公开(公告)日：2025-03-18
申请号：CN202411813878.7
申请日：2024-12-11
Applicant: 长沙理工大学
Abstract: 本发明公开了一种基于有限孔径模型的空气耦合光声成像系统及成像方法，属于生物医学影像成像领域，成像系统包括激光器，透镜组件、反射镜组件、聚焦透镜组件、三轴移动台、旋转电机、自制超声换能器夹具、超声换能器、自制样本夹具、信号放大器、数据采集卡及成像处理终端。与现有技术对比，本发明将传统水浸或凝胶耦合改进为采用空气作为耦合介质，并引入有限孔径模型改进成像时点源不匹配造成的有限孔径效应，进一步提高成像效果，与其他光声成像领域中的成像方法对比，可以获得更高分辨率的重建图像，并减少远离旋转中心的伪影，提高成像质量。
-
公开(公告)号：CN113658044A
公开(公告)日：2021-11-16
申请号：CN202110884842.8
申请日：2021-08-03
Applicant: 长沙理工大学
Abstract: 本发明公开了一种提高图像分辨率的方法，所述方法包括：获取低分辨率图像的特征信息并进行卷积操作得到浅层特征信息；将所述浅层特征信息和反馈特征信息进行增强信息多重蒸馏模块(EIMDB)得到中层特征信息；将所述中层特征信息进行信息多重蒸馏模块(IMDB)得到深层特征信息；根据所述浅层特征信息、中层特征信息和所述深层特征信息得到所述反馈特征信息；根据所述中层特征信息、深层特征信息和所述低分辨率图像的特征信息得到低分辨率图像重建后的超分辨率图片信息。本发明还公开一种提高图像分辨率的系统、装置及存储介质。本发明旨在提高低分辨率图片的重建效果的同时进一步减少参数量和计算量。
-
公开(公告)号：CN113657107A
公开(公告)日：2021-11-16
申请号：CN202110951492.2
申请日：2021-08-19
Applicant: 长沙理工大学
IPC: G06F40/284 , G06F21/60 , G06F40/237 , G06F40/274
Abstract: 本发明公开了一种基于序列到隐写序列的自然语言信息隐藏方法，包括以下步骤：步骤1.数据预处理；步骤2.语言编码；步骤3.信息隐写；其中步骤1利用语料库训练分布式词向量表示模型，获得词汇表中每个词的稠密低维词向量。步骤2利用双向LSTM网络和复制机制构建语言编码器。步骤3利用步骤2获得的语言编码器提取源文本的上下文信息，并使用基于多候选的动态隐写编码方法，根据秘密信息控制隐写器生成隐写摘要文本。
-
公开(公告)号：CN113658044B
公开(公告)日：2024-02-27
申请号：CN202110884842.8
申请日：2021-08-03
Applicant: 长沙理工大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种提高图像分辨率的方法，所述方法包括：获取低分辨率图像的特征信息并进行卷积操作得到浅层特征信息；将所述浅层特征信息和反馈特征信息进行增强信息多重蒸馏模块(EIMDB)得到中层特征信息；将所述中层特征信息进行信息多重蒸馏模块(IMDB)得到深层特征信息；根据所述浅层特征信息、中层特征信息和所述深层特征信息得到所述反馈特征信息；根据所述中层特征信息、深层特征信息和所述低分辨率图像的特征信息得到低分辨率图像重建后的超分辨率图片信息。本发明还公开一种提高图像分辨率的系统、装置及存储介质。本发明旨在提高低分辨率图片的重建效果的同时进一步减少参数量和计算量。
-
公开(公告)号：CN112200724A
公开(公告)日：2021-01-08
申请号：CN202011139130.5
申请日：2020-10-22
Applicant: 长沙理工大学
Abstract: 本发明公开了一种基于反馈机制的单图像超分辨率重建系统及方法，本发明采用了反馈机制，通过浅层特征提取模块、第一深层特征提取模块、第一重建模块形成低分辨率图像的第一次迭代；通过特征精炼模块、第二深层特征提取模块、第二重建模块形成低分辨率图像的第二次迭代，本发明能够将第一次迭代提取的深层特征映射精炼第二次迭代的浅层特征映射，能够在不加深网络深度的情况下提取到低分辨率图像的更深层的特征，从而提升图像网络模型的训练效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
