-
公开(公告)号：CN119152956A
公开(公告)日：2024-12-17
申请号：CN202411241616.8
申请日：2024-09-05
Applicant: 厦门大学
IPC: G16C10/00 , G16C20/70 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的核磁共振纯化学位移数据优化方法及装置，包括：构建核磁共振纯化学位移数据优化模型、第一训练数据和第二训练数据，采用第一训练数据对核磁共振纯化学位移数据优化模型进行预训练，得到经预训练的核磁共振纯化学位移数据优化模型，采用第二训练数据对经预训练的核磁共振纯化学位移数据优化模型进行微调，得到微调后的核磁共振纯化学位移数据优化模型；提取优化前的核磁共振纯化学位移数据中的FID信号并进行傅里叶变换，得到对应的傅里叶变换结果并输入微调后的核磁共振纯化学位移数据优化模型，得到优化后的核磁共振纯化学位移数据的频域信号。本发明解决了现有深度学习模型泛化性不足和精度不高等问题。
-
公开(公告)号：CN114966508B
公开(公告)日：2024-08-09
申请号：CN202210468209.5
申请日：2022-04-29
Applicant: 厦门大学
Abstract: 本发明提供一种超快速时空编码核磁共振谱畸变的自动校准方法，主要涉及通过优化算法对谱图畸变进行校准。首先，针对采样期间正负梯度场的有效强度不对称的不理想因素导致的畸变进行校准；其次，针对采样期间梯度场打开时间与采样开始时间不一致的不理想因素产生的畸变进行校准；随后，针对采样期间奇偶数据的初始相位不一致的不理想因素引起的畸变进行校准，从而获得一张无畸变的超快速时空编码核磁共振谱。本发明的主要效果是：仅通过采样信号本身就可实现对超快速时空编码核磁共振谱中的畸变校准。
-
公开(公告)号：CN118116505A
公开(公告)日：2024-05-31
申请号：CN202410246864.5
申请日：2024-03-05
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的蛋白质序列化学位移预测方法，包括以下步骤：利用公共数据库构建数据集；构建深度学习模型并设置好相关的训练参数；基于数据集对模型进行训练，并测试模型性能，获得训练好的预测模型；使用训练好的预测模型实现蛋白质序列化学位移预测；所述深度学习模型包括蛋白质语言模型部分和编解码部分，蛋白质语言模型部分将蛋白质序列中的每个氨基酸转为词嵌入向量；编解码部分包括编码器和解码器，编码器对已转换为词嵌入向量的蛋白质序列进行特征抽取，解码器根据抽取的特征预测化学位移。本发明提出的基于深度学习的蛋白质序列化学位移预测方法只依赖于蛋白质序列，且具有较高的准确性和鲁棒性，处理速度快。
-
公开(公告)号：CN115966752A
公开(公告)日：2023-04-14
申请号：CN202211661796.6
申请日：2022-12-22
Applicant: 厦门大学
IPC: H01M10/052 , H01M10/058 , G01N24/08
Abstract: 本发明一种适用于高场核磁共振成像的原位电池及其离子淌度检测方法，原位电池包括：第一压盖帽、第二压盖帽、电池腔体仓、正极电极片、负极电极片、第一集流体、第二集流体、第一铜线和第二铜线;第一集流体固定在第一集流体固定凹槽上；第二集流体固定在第二集流体固定凹槽上；正极电极片固定在第一电极固定台上，负极电极片固定在第二电极固定台上，正极电极片和负极电极片形成的封闭腔内填充有电解液；第一集流体与正极电极片相接触，第二集流体与负极电极片相接触。本发明同时公开了用高场磁共振成像仪对所述电池在原位实验过程中的检测方法，可以有效地得到关于电池多维度的离子淌度信息，用以在电池物料特性更深层次的研究。
-
公开(公告)号：CN115329802A
公开(公告)日：2022-11-11
申请号：CN202210821340.5
申请日：2022-07-13
Applicant: 厦门大学
Abstract: 本发明提供了一种基于深度学习的核磁共振信号弛豫时间分布计算方法，根据拉普拉斯核磁共振信号的特征，构建存在噪声的弛豫过程指数衰减信号的数学模型和理想的弛豫时间谱，其中理想的弛豫时间谱作为标签，弛豫时间谱的谱峰所在的位置为T1弛豫时间或T2弛豫时间的确切值，谱峰的半高宽对应着结果的不确定度；由数学模型生成仿真信号，构建训练集数据和测试集数据；搭建网络模型；训练集数据输入到网络模型中进行训练；将测试集数据输入网络模型测试；本发明提供的方法，依赖弛豫过程指数衰减信号的数学模型构建数据集进行训练，无需收集大量的真实数据，且能够将NMR弛豫时间谱的计算时间控制在秒级，同时对不同信噪比的测试数据都具有较高的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN108510991A
公开(公告)日：2018-09-07
申请号：CN201810287474.7
申请日：2018-03-30
Applicant: 厦门大学
Abstract: 利用泛音列的说话人确认方法，涉及音频信号的说话人确认方法。提供步骤简便，效果优良且识别精度高的一种说话人确认方法。初设时，对任意选定单频率音频信号进行数字化，提取归一化泛音列并保存为频率与归一化幅度声音特征矩阵；确认时，输入待确认音频信号，经类似处理得到待比对声音特征矩阵，最后通过比对初设矩阵与待比对矩阵进行说话人确认。方法速度快，精度高，同时其原理性质可抵抗环境中大部分杂音干扰，有效确认说话人身份。在实际应用中，比如解锁、支付等需要确认身份的大多情况，则可以通过采用这种方法模型达到说话人确认的目的。实现了步骤简便且识别效果优良的一种说话人确认方法。
-
公开(公告)号：CN115953619A
公开(公告)日：2023-04-11
申请号：CN202211563888.0
申请日：2022-12-07
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06T7/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和高斯建模的新型冠状病毒感染CT图像分类方法及装置，用预训练的神经网络提取特征映射，解决训练集的数据量过小导致的深度学习网络模型可能存在的过拟合问题。并提出了一种子空间分解方法，将特征向量分解为两个子空间，揭示两个子空间在CT图像诊断任务中的作用。利用含有关键特征的子空间构建变换矩阵，将特征映射降维，不仅去除了冗余特征，降低了算法的计算成本，也提高了模型的分类性能。最后通过科学的阈值设置方式，降低了误诊概率，并引入评估指标，为辅助诊断提供参考。
-
公开(公告)号：CN110940944B
公开(公告)日：2020-11-10
申请号：CN201911226733.6
申请日：2019-12-04
Applicant: 厦门大学
Abstract: 基于深度学习的磁共振信号的去J耦合方法，涉及磁共振信号。根据磁共振波谱信号的特征，构建网络输入数据的数学模型和网络标签，即无J耦合现象的频谱实部的数学模型，由数学模型生成仿真信号，构建训练集数据和测试集数据；搭建网络模型，设置好相关的训练参数；将训练集数据输入到网络模型中训练网络，调整网络参数，直至损失函数下降至收敛并趋于稳定，得到功能化的网络模型；将测试集数据信号输入到训练后的功能化的网络模型中，得到经网络去耦合得到的理想吸收谱图，并与标签进行比较以验证网络的性能。实现去耦合以及去噪的功能，实现端到端的功能，无需对谱信号进行预处理等其他辅助手段操作，使用神经网络真正实现去耦合去噪功能。
-
公开(公告)号：CN117609735A
公开(公告)日：2024-02-27
申请号：CN202311769682.8
申请日：2023-12-21
Applicant: 厦门大学
IPC: G06F18/20 , G06F18/213 , G06F18/2433 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于时域随机抽样及集成决策的电力状态异常检测方法，包括以下步骤：获取数据集，所述数据集包括训练集和测试集；对训练集采用时域随机抽样方式进行多次扩增以获取扩增后的训练集；搭建深度学习模型，设置相关超参数并利用扩增后的训练集进行训练；对测试集采用时域随机抽样方式进行多次扩增以获取多份抽样测试集；利用多份抽样测试集对训练好的深度学习模型进行性能验证；利用训练好的深度学习模型进行电力状态数据异常检测。本发明基于时域随机抽样生成电力数据多个副本，模拟数据不完整场景，同时扩展样本数据集，还有效解决了深度学习时训练样本不足的问题，最后通过投票进一步提升分类精度。
-
公开(公告)号：CN117192459A
公开(公告)日：2023-12-08
申请号：CN202311145972.5
申请日：2023-09-06
Applicant: 厦门大学
Abstract: 本发明公开了一种磁共振波谱或磁共振图像的低秩快速重建方法及装置，该方法包括：构建磁共振信号的块汉克尔矩阵，并分解得到第一矩阵和第二矩阵，根据第一矩阵、第二矩阵和磁共振欠采信号构建具有低秩约束的磁共振信号欠采重建模型；构建矩阵左乘块汉克尔矩阵的算子、矩阵右乘块汉克尔矩阵的算子以及两矩阵乘积转块汉克尔矩阵伴随算子；将第一矩阵和第二矩阵分别代入左乘块汉克尔矩阵的算子和矩阵右乘块汉克尔矩阵的算子中，并结合两矩阵乘积转块汉克尔矩阵伴随算子和磁共振信号欠采重建模型采用交替方向乘子法重建得到磁共振信号，将磁共振信号转换得到磁共振谱或磁共振图像，能够提高重建速度和节省内存，具有广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
