-
公开(公告)号：CN110706209A
公开(公告)日：2020-01-17
申请号：CN201910874099.0
申请日：2019-09-17
Applicant: 东南大学
Abstract: 本发明提供了一种一种网格网络的大脑磁共振图像肿瘤自动定位方法，提出了一种新的三维物物体检测方法，采用一种浅层的三维卷积神经网络模型提取图像特征，采用网格方式进行分类定位。本发明包括：从基于残差网络的三维深度卷积神经网络的骨干网络中获得图像的特征，基于骨干网络获得的特征图像进行大脑肿瘤定位。本发明能较好地应用于大脑核磁共振图像，实现三维核磁共振图像中的肿瘤区域定位，定位结果准确，且计算资源代价较低。
-
公开(公告)号：CN109801268A
公开(公告)日：2019-05-24
申请号：CN201811620359.3
申请日：2018-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于三维卷积神经网络的CT造影图像肾动脉分割方法，涉及图像处理技术领域，设计了一种应用于CT造影图像肾动脉分割的三维卷积网络结构，利用手工标注获得肾动脉数据集，然后将训练集送入该网络结构进行训练，得到训练模型，利用得到的训练模型对新的肾脏数据进行预测，得到肾动脉分割掩模。本发明能够获得高准确率的输出结果，能够解决肾动脉难分割的问题，通过本发明能够直接得到肾动脉分割掩模。
-
公开(公告)号：CN109285176A
公开(公告)日：2019-01-29
申请号：CN201811166740.7
申请日：2018-10-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于正则化图割的大脑组织分割方法，首先基于强度距离和空间相似度，设计新的体素间相似度计算方法，从而对体素进行聚类，把大脑MRI图像分割为一系列均匀并且较好地贴合图像边缘的超体素；随后明通过把大脑不同组织的先验概率融入到图割框架中，设计一个能量计算公式，计算每个超体素在分配不同标签时各个部分的能量值，从而使用图割方法对超体素分割，把Magnetic Resonance Imaging(MRI)图像分割成不同的组织。本发明能够从最初的脑部MRI分割出三种脑组织，分割结果中各个组织间边界贴合度高。与已有的MRI图像分割方法相比，本发明分割效果更好，边界贴合度更高，效率更高，处理速度更快，可以较好地抑制噪声的影响。
-
公开(公告)号：CN106483193B
公开(公告)日：2019-01-08
申请号：CN201610853071.5
申请日：2016-09-26
Applicant: 东南大学
IPC: G01N29/024 , G01S5/22 , G01S15/88
Abstract: 本发明公开了一种基于高阶累计量的波达快速估计方法，属于信号处理技术领域。本发明针对现有基于高阶累积量的阵列信号处理方法所存在的计算复杂度过高的问题，利用线性时间的奇异值分解方法进行信号子空间的近似，从而大幅缩短算法的执行时间并大幅节约算法的占用内存。本发明还公开了一种基于声线传播时间层析的海洋声层析方法以及一种定位方法。本发明在保证较高分辨能力的同时，可大幅降低现有技术的时间复杂度与空间复杂度，减少硬件资源的消耗并提高信号处理的实时性。
-
公开(公告)号：CN109086802A
公开(公告)日：2018-12-25
申请号：CN201810748292.5
申请日：2018-07-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于八元数卷积神经网络的图像分类方法，首先，输入训练图像，并且将训练图像表示成八元数矩阵的形式；其次，建立八元数卷积神经网络并且训练八元数卷积神经网络，学习得到每一层的网络参数，即训练模型；然后，用校验图像集进行校验，调整到最佳网络参数；最后，对测试图像进行测试，统计分类结果，计算识别率。本发明构造的八元数卷积神经网络，应用八元数矩阵表达方式保留图像内部的内在结构，使得在各种分类任务中，构造的网络与传统方法相比能够获得更高的图像的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN108875782A
公开(公告)日：2018-11-23
申请号：CN201810431379.X
申请日：2018-05-08
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开一种基于自适应图滤波器下的特征聚类方法，包括如下步骤：步骤1，特征数据规范化，同一维度的特征要求单位化；步骤2，特征数据标签记录，提供一定量的先验知识；步骤3，构建基于数据源的图信号，将数据映射到数据结构图上，获取初始图信号s(known)；步骤4，全变分平滑滤波，获得降噪后的图信号s(true)；步骤5，图滤波器自匹配，获得抽头数组h；步骤6，全局滤波，获得分类结果s(pred)。此种方法可增强对先验知识的利用，构建新的图信号权重边。
-
公开(公告)号：CN105957117B
公开(公告)日：2018-09-14
申请号：CN201610264588.0
申请日：2016-04-26
Applicant: 东南大学
Abstract: 本发明公开了一种并行磁共振的图像重建方法，属于磁共振成像技术领域。该方法将用于单线圈MRI重建的二维k空间数据的相位条件扩展到适用于并行成像重建的三维k空间数据集；通过构造基于多线圈k空间数据的低秩数据矩阵，并利用矩阵填充的方法来重建这个数据矩阵从而实现并行磁共振图像的重建。从而可用较少的采样数据和更短的图像重建时间获得更好的重建图像质量，且重建过程中不需要自校正环节，可以更好地抑制噪声。本发明还公开了一种并行磁共振的图像重建装置及一种并行磁共振成像系统。
-
公开(公告)号：CN105703841B
公开(公告)日：2018-01-30
申请号：CN201610132769.8
申请日：2016-03-09
Applicant: 东南大学
Abstract: 本发明公开了一种多路径传播宽带主动声信号的分离方法。本发明分两步实现声线路径的分离，第一步首先对传感器阵列所接收信号进行空域平滑与TCT变换，计算频谱矩阵，构造相应的副本矢量与噪声子空间，根据信号子空间与噪声子空间的正交性，计算多项式的根，估算出声线路径在传感器间的时间延迟；第二步、对传感器接收信号进行空域‑频域平滑，计算频谱矩阵，构造相应的副本矢量与噪声子空间，根据信号子空间与噪声子空间的正交性，并结合传感器间的时间延迟，计算多项式的根，估算出声线路径到达传感器的时间。本发明还公开了一种基于声线传播时间层析的海洋声层析方法及一种声源定位方法。本发明在允许的误差范围内可大幅提高声信号分离的效率。
-
公开(公告)号：CN107146228A
公开(公告)日：2017-09-08
申请号：CN201710175040.3
申请日：2017-03-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于先验知识的大脑磁共振图像超体素生成方法，基于K‑means聚类算法，利用空间距离、像素强度和先验知识的加权作为最终的距离度量，对图像像素进行聚类，把大脑MRI图像分割为一系列均匀并且较好地贴合图像边缘的超体素。本发明通过融入大脑不同组织的先验知识，设计一种新型测度算子，构建一种鲁棒的超体素生成方法，实现对大脑磁共振图像的超体素分割，能够减小图像噪声对分割结果的影响。与已有的超体素生成方法相比，本发明方法效率更高，边界贴合度更高，能较好地抑制噪声的影响。
-
公开(公告)号：CN106919710A
公开(公告)日：2017-07-04
申请号：CN201710144714.3
申请日：2017-03-13
Applicant: 东南大学
CPC classification number: G06F17/30752 , G06F17/30268 , G06F17/3028 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的方言分类方法，包括如下步骤：(1)建立包含多地方言的样本集，对样本进行预处理，并进行标注；(2)将训练集和测试集中的所有图片缩放成预定大小的彩色图，并为每张图片赋予标签信息，标签信息表示对应的图片所属的县级市；(3)建立卷积神经网络，卷积神经网络各层次依次为输入层、多个卷积层、全连接层和输出层，使用梯度下降法和反向传播算法训练所属卷积神经网络；(4)训练完成后，得到训练过程中的错误率下降趋势图。本发明的有益效果为：使用卷积神经网络对二维图像进行分类，可取得良好的分类效果，很大程度上提高对方言的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.028 seconds)
