-
公开(公告)号：CN107884533A
公开(公告)日：2018-04-06
申请号：CN201711093446.3
申请日：2017-11-08
Applicant: 苏州大学
Abstract: 本发明涉及水质监测技术领域，且公开了一种无线智能水质监测设备及其系统。该无线智能水质监测设备包括：驱动机构、GPS模块、无线通信模块、电源模块、水质传感器模块和主控模块；所述监测系统包括节点层、网关层以及监控中心。本发明应用了基于NB-IoT协议的无线通信部分，能够可靠性强、成本低的进行网络接入，网络结构简单，稳定性好。特别是本发明能够进一步前端监测设备的功耗，极大延长待机时间，减少更换电池的次数，特别适用于广域水体环境。本发明的前端设备还具有自身定位和自主位置调整功能，能够保持适当的监测采样点位置分布。本发明具备检测全面且信息传递较快的优点，解决了目前水质监测存在的问题。
-
公开(公告)号：CN119445645A
公开(公告)日：2025-02-14
申请号：CN202510040380.X
申请日：2025-01-10
Applicant: 苏州大学
IPC: G06V40/18 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/0985
Abstract: 本发明涉及图像分类技术领域，尤其涉及基于蒸馏元学习的罕见眼底病OCT图像分类方法及系统。基于残差模块、全连接层分别搭建用于视网膜OCT图像分类的教师网络和学生网络；构建常见眼底病训练集，对教师网络进行元训练；随机构造常见病小样本训练任务，基于蒸馏元学习训练策略，对教师网络和学生网络进行联合训练，引入注意引导蒸馏模块，并采用温度系数自适应方法，训练学生在注意力值较高的像素和通道中自适应地学习教师的特征；构建罕见眼底病训练集，对学生网络进行微调，得到适用于罕见病的小样本分类网络模型；将OCT图像输入到罕见病小样本分类网络模型中，得到病变类型的分类结果。
-
公开(公告)号：CN119006491A
公开(公告)日：2024-11-22
申请号：CN202410929142.X
申请日：2024-07-11
Applicant: 苏州大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08 , G06T7/00 , G06N3/048
Abstract: 本发明公开了轻量化脉络膜新生血管OCT图像分割方法及系统，涉及图像分割技术领域。本发明包括：接收脉络膜新生血管OCT图像进行预处理，并将图像数据划分为训练集和测试集；构建以UNeXt网络为基础的改进分割模型，改进分割模型中包括编码器、解码器及跳跃连接，将编码器、解码器中的深度可分离卷积块均替换为卓越卷积模块。本发明通过在前三层编码器之后添加卓越卷积模块，能够捕捉不同层次和不同尺度的特征，充分挖掘特征图中的有用信息，并且引入的深度特征提取模块融合多种注意力机制，能够显著提高特征提取的能力及模型的泛化能力，同时引入的卓越卷积模块通过仅对部分通道进行高效轻量的卷积操作，能够在关注重要特征的同时节省了计算资源。
-
公开(公告)号：CN118941576A
公开(公告)日：2024-11-12
申请号：CN202410925994.1
申请日：2024-07-11
Applicant: 苏州大学
Abstract: 本发明公开了基于TransUNet的甲状腺结节超声图像分割方法及系统，涉及图像分割技术领域。本发明包括：接收甲状腺结节超声图像进行预处理，并将图像数据划分为训练集、验证集和测试集；构建以TransUNet模型网络为基础的改进分割模型，改进分割模型中包括CNN‑SETrans编码器、解码器及跳跃连接。本发明基于TransUNet网络结构，将SE模块引入Transformer编码器，与MSA模块串联以构建SETrans编码器，全面提取通道信息和空间信息，能够提高网络的特征表示能力，且通过将Ghost模块引入跳跃连接，能够补偿从CNN的低分辨率到解码器的高分辨率的长距离传输过程中图像特征的损失，还不会显著增加计算成本，同时采用深度可分离卷积(DSConv)取代了解码器中每层末尾的普通卷积，提高了特征提取的有效性。
-
公开(公告)号：CN118247296A
公开(公告)日：2024-06-25
申请号：CN202410352223.8
申请日：2024-03-26
Applicant: 苏州大学
IPC: G06T7/12 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明公开了基于中性粒细胞簇及演化神经网络的分割方法及系统，涉及轮廓分割技术领域，包括：获取采样点集合，对采样点集合进行标准化处理，得到标准采样点集合，将标准采样点集合映射到中性粒领域内，得到数据集，对数据集进行过滤得到过滤后的数据集；对于过滤后的数据集进行判断并带宽更新，判断过滤后的数据集的簇是否符合要求，如符合要求则分类全部点集，并保留剩余点集，得到处理后的数据集；获取第一主成分线，将处理后的数据集内的数据点投影至第一主成分线上进行映射分类，得到数据序列，将数据序列输入至预先建立的基于RELU模型内进行分割，输出得到可解释性轮廓。
-
Patent Agency Ranking
公开(公告)号：CN111367652A
公开(公告)日：2020-07-03
申请号：CN202010012778.X
申请日：2020-01-07
Applicant: 苏州大学
IPC: G06F9/50
Abstract: 本发明提供了一种嵌入式实时操作系统的任务调度处理系统和方法，系统包括处理器以及设置在处理器内的定时器、中断控制器、调度器和SVC切换模块；调度器包括优先级调度器和时间片轮询调度器；本发明采用基于优先级抢占的调度方式，总是将CPU的使用权分配给当前就绪的、优先级最高的任务，对于拥有同样优先级的的任务按先入先出次序得到调度，同时采用时间片轮询调度方式作为优先级抢占调度方式的补充，可以协调同一优先级多个就绪线程任务共享处理器，导致处理器系统的实时性降低的问题，并且改善多个高优先级就绪线程任务处理的问题。
-
公开(公告)号：CN107329764A
公开(公告)日：2017-11-07
申请号：CN201710534495.X
申请日：2017-07-03
Applicant: 苏州大学
Abstract: 本发明涉及一种多任务图形构件化可编程逻辑控制器GCPLC系统，采用图形拖动的编程方式，简化了编程的模式，并引入多任务体系，利用轻量级事件、轻量级消息队列等实现了多任务的同步、通信以及中断机制。本发明还涉及一种利用所述GCPLC系统开发应用的方法。
-
公开(公告)号：CN119477945A
公开(公告)日：2025-02-18
申请号：CN202410827234.7
申请日：2024-06-25
Applicant: 苏州大学
IPC: G06T7/12 , G06T7/00 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了轻量化的头颈部淋巴结图像分割方法及系统，涉及图像处理技术领域。本发明包括：接收淋巴结图像进行预处理，并将图像数据划分为训练集和测试集；构建以U‑Net网络为基础的分割网络结构，分割网络结构中包括编码器、体积部分卷积层、卷积块及解码器；在分割网络结构的输出端添加轻量级边界细化输出模块，用于进一步细化边缘；利用训练集对上述分割网络结构进行训练，以总体损失函数最小化为网络优化目标函数，优化分割网络结构。本发明在编码器和解码器之间添加体积部分卷积、卷积块及轻量级边界细化输出模块，能够在增强分割结果的精确度的同时有效减少计算量和参数量，提高计算效率和模型性能。
-
公开(公告)号：CN118799336A
公开(公告)日：2024-10-18
申请号：CN202410827232.8
申请日：2024-06-25
Applicant: 苏州大学
IPC: G06T7/10 , G06T7/00 , G06T5/50 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于泊松融合数据增强的糖尿病视网膜病变分割方法，涉及医学图像分割技术领域。本发明包括：接收病变图像，采用基于均值坐标的泊松融合算法对病变图像进行扩充，并对其进行预处理，然后将数据集划分为训练集和测试集；构建以U‑Net++网络为基础的分割网络结构，分割网络结构中包括编码器、解码器，在编码器中，将标准卷积模块替换为残差模块，并在每一个残差模块后加入轻量化的通道注意力机制。本发明在编码器和解码器中间添加残差模块及轻量化通道注意力机制，不仅可以有助于保留原始输入信息，并在网络深度增加时保持信息的流动，使模型更好地聚焦于输入数据中的重要部分，避免信息丢失的问题，还有效的提升了模型的性能。
-
公开(公告)号：CN118628517A
公开(公告)日：2024-09-10
申请号：CN202410827228.1
申请日：2024-06-25
Applicant: 苏州大学
IPC: G06T7/13 , G06T7/64 , G06T7/00 , G06V10/762 , G06N3/084
Abstract: 本发明公开了基于优化聚类和分数阶误差反传网络轮廓提取方法及系统，涉及轮廓提取技术领域，包括：获取采样点，利用采样点生成凸包的边界，根据凸包边界计算凸包内点；根据凸包内点和采样点计算Voronoi图并构建凸多边形，判断Voronoi图是否稳定，不稳定则重新计算凸包至稳定，如稳定则提炼Voronoi点，并以Voronoi点计算Voronoi圆以寻找拐点；将拐点计算得出MinPts，并寻找使用簇点，计算簇点轮廓系数，根据簇点轮廓系数并确定最优簇点；计算最优簇点是否收敛，如不收敛则重新计算凸包，如收敛则计算获得数据序列；并至预先建立的初始化分数阶误差反传模型内训练，输出得到最终光滑对象轮廓。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.033 seconds)
