-
公开(公告)号：CN118864492A
公开(公告)日：2024-10-29
申请号：CN202410860508.2
申请日：2024-06-28
Applicant: 东南大学
IPC: G06T7/11 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/25 , G06V10/80 , G06V20/70 , G06N3/0895
Abstract: 本发明公开了一种基于频域信息融合的半监督冠状动脉分割方法，该方法首先获取冠状动脉计算机断层扫描血管造影(Coronary Computed Tomography Angiography,CCTA)图像，将其存储为NIFTI格式；然后对NIFTI格式数据进行手工标注以获取冠状动脉的具体结构，并构建冠状动脉数据集；将冠状动脉数据集输入到基于频域信息融合的半监督分割网络中进行训练，得到训练模型；利用得到的训练模型对新的冠状动脉数据进行预测，获得冠状动脉分割掩模。本发明提出了一种基于频域信息融合的半监督冠状动脉分割方法，能够在少量手工标注的情况下获得高准确率的输出结果，同时解决冠状动脉难分割的问题，本发明能够通过训练好的深度学习分割模型直接得到冠状动脉分割掩膜，为临床医生的影像诊断工作提供了技术支持。
-
公开(公告)号：CN113539232B
公开(公告)日：2024-05-14
申请号：CN202110781210.9
申请日：2021-07-10
Applicant: 东南大学
IPC: G10L13/047 , G10L13/033 , G10L13/08 , G10L25/24 , G10L25/30 , G10L19/16 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于慕课语音数据集的语音合成方法，该方法的主要特征在于通过真实场景下的语音构建的数据集进行语音合成，并进行说话人转换和多语种语音合成；该方法运用端到端的语音合成模型生成梅尔频谱，并用基于生成对抗网络的声码器将梅尔频谱转换成最终音频。本发明在真实场景下的语音数据集上有良好的效果，降低了语音合成所需数据的要求，提高了合成音频的质量，使合成音频更贴近真实说话场景。
-
公开(公告)号：CN110751664B
公开(公告)日：2022-11-18
申请号：CN201910931927.X
申请日：2019-09-29
Applicant: 东南大学
IPC: G06T7/13 , G06T7/11 , G06V10/74 , G06V10/762
Abstract: 本发明公开了一种基于超体素匹配的脑组织分割方法，步骤如下：S1：所有的磁共振图像通过SLIC算法均生成超体素数据；S2：预处理所有的磁共振图像；S3：获取得到每个磁共振图像的超体素特征；S4：计算每个超体素和相邻超体素之间的特征梯度，并获取特征梯度之和；S5：确定模板图像中每个超体素对应的标签；S6：将每个磁共振图像的超体素特征、特征梯度之和串联为一个向量，根据向量计算待匹配磁共振图像和模板图像中每个超体素的相似度；S7：将待匹配磁共振图像和模板图像进行匹配，确定出每个待匹配磁共振图像的分割结果。本发明在匹配的过程中考虑超体素自身特征的同时，也能够考虑相邻超体素之间的关系，进而能够得到有效的匹配结果。
-
公开(公告)号：CN115019358A
公开(公告)日：2022-09-06
申请号：CN202110951389.8
申请日：2021-08-18
Applicant: 东南大学
Abstract: 本发明公开了一种真实场景下的多模态数据集的构建方法，该方法将慕课授课视频构建成包含音频、图像、视频三个模态的数据集；该方法使用多任务卷积神经网络进行人脸检测，使用FaceNet提取说话人特征并构建人脸库，在扫描视频的过程中逐步扩充完善人脸库，通过计算视频截取的人脸与人脸库中人脸的欧氏距离，对视频进行分类，并结合ffmpeg完成批量自动化视频分类和分割，构造出同时带有说话人面部视觉信息和说话人声音信息的数据集。本发明通过采集慕课网授课视频，保证了数据集的音频多样性和场景真实性，有助于训练音频相关深度学习模型的泛化性能；且全自动批处理方法提高了多模态数据集的构建效率。
-
-
Patent Agency Ranking
公开(公告)号：CN110533683B
公开(公告)日：2022-04-29
申请号：CN201910817072.8
申请日：2019-08-30
Applicant: 东南大学
IPC: G06T7/136 , G06K9/62 , G06V10/764
Abstract: 本发明公开了一种融合传统特征与深度特征的影像组学分析方法，包括以下步骤：首先，提取感兴趣区域的一阶特征、形状特征和纹理特征等传统特征；其次，对提取出的原始特征集进行特征选择剔除冗余特征；然后，通过卷积神经网络模型提取深度特征；最后，通过将传统特征与深度特征进行融合，实现不同组别的分类。本发明比单独使用传统特征或深度特征相比获得更好的分类效果。
-
公开(公告)号：CN113823308A
公开(公告)日：2021-12-21
申请号：CN202111100709.5
申请日：2021-09-18
Applicant: 东南大学
IPC: G10L21/0208 , G10L21/0232 , G10L21/0264 , G10L25/30 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种仅使用单个带噪语音样本进行语音去噪的方法。该方法包括以下步骤：(1)对于干净的语音信号，分别叠加合成噪声和真实世界的不同噪声类型生成带噪语音样本；(2)对于单个带噪语音样本，使用一个语音下采样器生成一对语音训练样本；(3)将训练的输入语音转化为频谱图，然后输入去噪网络进行训练，该去噪网络在十层深度复数Unet的编码器和解码器之间叠加了复数两级Transformer模块；(4)训练使用的损失函数由基础损失和正则化损失组成，基础损失由网络特点决定，正则化损失可以防止单样本去噪训练出现过度平滑现象。对比使用干净语音以及使用一对带噪语音进行训练的传统方法，该方案在信噪比、语音质量感知评估、短时客观可懂度等多个评估指标上均取得了更好的结果。
-
公开(公告)号：CN109035255B
公开(公告)日：2021-07-02
申请号：CN201810677366.0
申请日：2018-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络的CT图像中带夹层主动脉分割方法。本发明提出了结合三维卷积神经网络和二维卷积神经网络的CT带夹层主动脉分割算法，使用三维卷积神经网络将三维体数据分成两部分，再使用两个二维卷积神经网络分别对这两部分进行分割，得到最终的分割结果。本发明可以有效的从包含带夹层主动脉的CT图像中分割出带夹层的主动脉，克服了传统的单纯使用三维全卷积神经网络由于输入图像分辨率与GPU显存容量之间的矛盾导致分割精度上的不足，以及单纯使用二维卷积神经网络由于丢失三维信息导致的分割效果不稳定的缺陷，具有良好的分割效果。
-
公开(公告)号：CN110533683A
公开(公告)日：2019-12-03
申请号：CN201910817072.8
申请日：2019-08-30
Applicant: 东南大学
Abstract: 本发明公开了一种融合传统特征与深度特征的影像组学分析方法，包括以下步骤：首先，提取感兴趣区域的一阶特征、形状特征和纹理特征等传统特征；其次，对提取出的原始特征集进行特征选择剔除冗余特征；然后，通过卷积神经网络模型提取深度特征；最后，通过将传统特征与深度特征进行融合，实现不同组别的分类。本发明比单独使用传统特征或深度特征相比获得更好的分类效果。
-
公开(公告)号：CN109124623A
公开(公告)日：2019-01-04
申请号：CN201810554759.2
申请日：2018-06-01
Applicant: 东南大学
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/7225
Abstract: 本发明公开了一种基于三维非线性偏直接相干函数的脑电信号间效应连通性检测方法，包括如下步骤：(1)构造单输入多输出的非线性自回归模型；(2)应用FROLS算法对步骤(1)构造的模型进行系数估计；(3)对三维PDS进行形式变换，得到用频率响应函数描述的信号yi对yj的PDC的定义式；(4)应用Volterra级数核函数的多维傅里叶变换对SIMO NARX模型进行频域分析，计算出模型的非线性频率响应函数；(5)将步骤(4)计算出的非线性频率响应函数代入步骤(3)中的PDC定义式，得到三维NPDC，得出在同时考虑三维信号的情况下某一信号对另一信号的因果影响。该方法可以检测三维脑电信号之间的因果关系。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.01 seconds)
