-
公开(公告)号：CN118522461A
公开(公告)日：2024-08-20
申请号：CN202410977894.3
申请日：2024-07-22
Applicant: 南通大学
IPC: G16H50/30 , G16H50/20 , G16H50/70 , G16H20/10 , G16H50/50 , G06F30/28 , G06F18/2433 , G06F18/2411 , G06F18/23 , G06F18/27 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/62 , G06V40/14 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N5/01 , G06N20/20
Abstract: 本发明公开了大数据心脑血管监护技术领域的一种基于大数据的心脑血管病人监护系统，包括血流动力学模拟模块、微循环动态监控模块、心律动态解析模块、血管弹性仿真模块、血管状态追踪模块、心肌应力分析模块、疾病进展预测模块、治疗策略优化模块。本发明中，运用计算流体动力学算法和纳维‑斯托克斯方程，准确模拟分析血液的流动特性，时间序列分析和机器学习的异常检测算法，及时检测异常模式，复杂网络理论和多尺度熵分析技术，提升分析深度，仿生学和有限元分析方法，增强对血管壁应力‑应变关系的理解，生物力学模型和有限元技术的应用，助力于心肌损伤风险的评估，集成学习算法和动态系统建模，使得治疗策略更为个性化和高效。
-
公开(公告)号：CN118173276A
公开(公告)日：2024-06-11
申请号：CN202410326371.2
申请日：2024-03-21
Applicant: 南通大学
IPC: G16H50/50 , G16H20/00 , G06N20/20 , G06F18/2431
Abstract: 本发明属于机器学习技术领域，具体涉及一种出血性脑卒中临床智能预测方法。本发明包括以下步骤：S1、时间‑血肿扩张风险评定模型建立；S2、时间‑血肿扩张风险评定模型求解；S3、1L1正则化逻辑回归模型建立与求解；S4、基于最优随机森林模型建立与求解；S5、对模型预测结果进行比较，得出最优结果。本发明方法用于预测和优化出血性脑卒中患者的预后和临床决策，对于提高患者的生存率和生活质量非常重要。本发明方法结合患者个人信息、治疗方案和预后等数据，构建一定的智能预测模型，有助于最大程度地提高治疗效果，减轻患者的症状，并改善预后，以及帮助医生明确导致预后不良的危险因素，为临床实践带来显著的进步。
-
公开(公告)号：CN118172209A
公开(公告)日：2024-06-11
申请号：CN202410283503.8
申请日：2024-03-13
Applicant: 南通大学
IPC: G06Q50/20 , G06Q10/047 , G06Q10/0631 , G06Q10/0639 , G06F16/9535 , G06F16/9536 , G06F18/22 , G06F18/23213 , G09B5/00 , G09B7/00
Abstract: 本发明涉及教学演示技术领域，具体为一种互联网美术教学演示系统，系统包括学习行为分析模块、教学内容调整模块、资源智能推荐模块、学习成效评估模块、教学互动增强模块、学习路径规划模块、干预策略生成模块。本发明，通过采用动态规划算法、协同过滤推荐算法，显著提高了教学效率和学习体验，能准确识别学生学习偏好和难题点，并有效匹配教学内容与学生需求，通过分析学生的互动数据和学习效果，支持个性化学习路径的制定，增强了学生的美术技能和创造力，通过动态调整学习策略来应对学习过程中的难题，能够及时提供有效的干预措施，防止学生因难题而停滞不前，保持学习的连续性和动力。
-
公开(公告)号：CN118016308A
公开(公告)日：2024-05-10
申请号：CN202410066350.1
申请日：2024-01-17
Applicant: 南通大学
IPC: G16H50/70 , G16H50/20 , G06F18/214 , G06F18/243 , G06F18/213
Abstract: 本发明属于临床决策技术领域，具体涉及一种基于NGBoost算法的血肿扩张的概率预测方法。本发明包括以下步骤：S1、数据预处理，针对分类特征和连续特征进行处理；筛选特征作为数据集，进行数值规约、属性规约以及数据变换等数据预处理；S2、分别采用稳定筛选的距离相关系数、最大互信息系数和非稳定筛选的随机森林与弹性网络计算特征对于血肿扩张概率的重要度，将结果融合后，构建加权集成的特征筛选模型；S3、考虑到变量间可能存在的高相关性，对高重要度的变量通过斯皮尔曼相关系数进行独立性分析，获得多个最具代表性和独立性的变量；S4、通过KDE图得出特征在训练集以及测试集分布一致；S5、基于获取的高重要性变量构建NGBoost回归预测模型。
-
公开(公告)号：CN117670904A
公开(公告)日：2024-03-08
申请号：CN202311700740.1
申请日：2023-12-12
Applicant: 南通大学
IPC: G06T7/11 , G06N3/045 , G06T3/4076 , G06V10/77 , G06V10/40 , G06T3/4038 , G06T5/50
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于渐进式收缩策略与移位窗口结合的跳跃连接方法。本发明方法使用渐进式收缩策略和Swin Transformer块作为基本单元来构建u型编码器采用跳跃式连接的架构进行医学图像分割，从而为Transformer在医学图像领域的发展提供基准比较。本发明将提取到的上下文特征通过跳跃连接与编码器的多尺度特征融合，通过引入特征重构和上采样操作，将来自编码器和解码器的特征信息进行融合，以弥补下采样造成的空间信息丢失。这一方法使得高级别的多尺度特征和上采样特征从编码器传递到解码器，有助于解码器充分利用不同尺度的信息，恢复图像的空间分辨率，更好地理解图像的上下文和语义结构，缓解梯度消失问题。
-
Patent Agency Ranking
公开(公告)号：CN117456606A
公开(公告)日：2024-01-26
申请号：CN202311440914.5
申请日：2023-11-01
Applicant: 南通大学
IPC: G06V40/20 , G06V10/82 , G06V10/44 , G06V40/10 , G06V10/774 , G16H20/30 , G06N3/0495 , G06N3/082 , G06N3/0464
Abstract: 本发明涉及人体姿态估计技术领域，尤其涉及一种康复训练场景下基于HRNet改进的EESP‑Pose方法，包括：S1：构建轻量的EESP模块；S2：将构建的EESP模块替换HRNet中的特征提取模块，并通过网络剪枝操作，对EESP模块构建的特征提取分支进行进一步轻量化，得到最终的网络模型；S3：读取COCO数据集，对数据集中含有人体注释的图片进行筛选，当该图片含有关键点信息认为是合法的数据，将其存储构成实验数据集；S4：加载COCO数据集到该网络模型中，对网络进行预训练，得到最优的训练模型，训练深度学习模型，得到检测准确度最高的权重。本发明使用ESPNetv2中EESP模块作为HRNet网络中的特征提取模块，对网络计算量进行简化的同时扩大感受野；对首次改进的网络结构简化，得到最终的网络模型。
-
公开(公告)号：CN117127563A
公开(公告)日：2023-11-28
申请号：CN202311184647.X
申请日：2023-09-14
Applicant: 南通大学
Abstract: 本发明公开了一种水利工程水闸装置，属于水利设备技术领域，包括水坝，所述水坝的上部固定连接有电机和束缚架，所述电机的转子上固定连接有蜗杆，所述蜗杆的外部啮合有蜗轮，所述束缚架滚动束缚在蜗轮和蜗杆的外部，所述水坝的后部活动密封有弧形阀板，所述弧形阀板的上端与蜗轮固定连接，所述弧形阀板的后侧设有轴柱，使弧形阀板沿水坝内壁向后转动打开，使水坝后侧的水通过水坝的开口向前排出，同理反向驱动电机带动蜗杆反转，通过蜗杆带动蜗轮反转，使蜗轮带动弧形阀板重新与水坝闭合，封闭水坝的开口，利用弧形阀板公转方式降低水压对弧形阀板的影响，同时也降低了弧形阀板的自重影响，降低了电机的运转负荷，提高了实用性。
-
公开(公告)号：CN116543289B
公开(公告)日：2023-11-21
申请号：CN202310522422.4
申请日：2023-05-10
Applicant: 南通大学
IPC: G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/084
-
公开(公告)号：CN117034135A
公开(公告)日：2023-11-10
申请号：CN202310778665.4
申请日：2023-06-29
Applicant: 南通大学
IPC: G06F18/2415 , G06F18/214 , G06F18/2113
Abstract: 本发明提供一种基于提示学习和双信息源融合的API推荐方法，包括如下步骤：S1、从SO问答网站StackOverflow中筛选出与API相关的问题，捕获对话文本中的单词；S2、从API参考文档中提取相关信息；S3、通过两类API知识的融合，构建基于启发式方法的API与问答QA的关系；S4、将融合的知识表示训练BERT变体模型RoBERTa；S5、输入查询语句得到一组候选API；S6、利用提示学习计算概率对候选API进行重排序。本发明利用双信息源融合，来提高API检索的效率，API参考文档和SO问答网站相互补充，可共同为API查询与检索提供支持。本发明在训练模型阶段，不同于以往对模型的微调，将查询语句作为提示符，提供了足够的上下文信息使RoBERTa模型适应API推荐任务，提高了API推荐的准确性。
-
公开(公告)号：CN116778154A
公开(公告)日：2023-09-19
申请号：CN202310591937.X
申请日：2023-05-24
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
Abstract: 本发明属于医学图像分割技术领域，具体涉及一种基于卷积神经网络的CT影像边缘分割方法。在对CT影像边缘进行分割时，由于对图像像素信息的差异的分析精度较低，导致分割结果的可靠性难以达到理想效果，因此提出一种基于卷积神经网络的CT影像边缘分割方法。为了避免卷积对输入CT影像进行抽象特征信息提取出现特征信息丢失问题，在激活层前，卷积层后，对CT影像数据进行批量归一化。对于输入卷积神经网络的归一化数据，经激活处理后，在卷积层根据当前像素特征与目标图像像素特征之间的差异程度，实现对其的过滤，直至卷积层输出的结果满足停止要求后，经对应的像素信息作为分割执行的基础。本发明实现了对CT影像边缘的精准识别与分割。
-
-
-
-
-
-
-
-
-
Search Results
176
records
(took 0.035 seconds)
