-
公开(公告)号：CN117491929A
公开(公告)日：2024-02-02
申请号：CN202311547299.8
申请日：2023-11-20
Applicant: 南京应用数学中心
IPC: G01R33/56 , G01R33/565 , A61B5/055
Abstract: 本发明公开了一种基于压缩感知的线圈敏感度和磁共振图像联合重建方法，创新点是充分利用线圈敏感度更新来提高图像重建的精度。发明的核心是利用线圈敏感度所服从的物理规律和光滑性，对具有稀疏性的待测图像，引进线圈敏感度与待测图像所对应的正则化项，建立欠采样模式下同时重建线圈敏感度和磁共振图像的模型。对此模型设计了基于两点梯度下降的交替迭代算法。该方法将传统算法中需要预先给定的线圈敏感度作为未知变量，与待重建图像一起进行联合反演，克服了线圈敏感度估计不准时，由模型参数误差引起的重建伪影。与传统的重建图像的单变量优化模型相比，本发明提高了模型的可靠性，在保证算法效率的同时，有效改进了重建图像的质量。
-
公开(公告)号：CN114998747B
公开(公告)日：2022-10-18
申请号：CN202210856190.1
申请日：2022-07-21
Applicant: 南京应用数学中心
IPC: G06V20/10 , G06V10/74 , G06V10/762 , G06V10/774
Abstract: 本发明公开了一种基于深度学习模板匹配的长航迹实时识别方法，其过程为：将采集数据的数据从全局角度标注制作数据集；采用动态滑动窗口的方式，将数据映射为航迹图像；构建基于深度学习的模板匹配模型；将航迹映射为固定长度的嵌入向量；对训练集的嵌入向量聚类得到类模板；再利用网络得到测试集嵌入向量，与类模板进行相似度比较判定航迹类型。本发明采用动态滑窗方法将航迹映射到图像上，解决了长航迹实时识别中航迹起始点位置的问题；采用了基于深度学习的模板匹配模型，将映射为嵌入向量，与航迹类模板进行匹配，避免了窗口航迹不完整或长航迹中出现未知类别的情况，相较于以往方法更具鲁棒性，能实时判断长航迹中存在的航迹类别及位置。
-
公开(公告)号：CN119099894A
公开(公告)日：2024-12-10
申请号：CN202411377844.8
申请日：2024-09-30
Applicant: 南京应用数学中心
Abstract: 本发明公开了一种仿鸟自主连续跳跃起飞扑翼机器人，包括主机架、机翼和尾翼，主机架上设有机翼驱动组件，机翼一端固定在主机架上，另一端与机翼驱动组件连接，主机架的端部设有尾翼驱动件，尾翼驱动件与尾翼连接，还包括跳跃机构、飞控模块和供能电池。通过机翼驱动组件驱动机翼进行周期性拍打以产生升力，通过尾翼驱动件驱动尾翼进行转动以调整机器人姿态，通过跳跃机构对跳跃组件进行压缩和释放，为机器人起飞提供推力，通过飞控模块控制机翼驱动组件、尾翼驱动件和驱动模块的协同运动。该机器人可以模仿鸟类跳飞方式自主跳跃起飞，降落时，可以通过三点支撑站立于地面并自动调整姿态，再次蓄能为下一次起飞任务做准备，实现连续自主跳飞。
-
公开(公告)号：CN114998747A
公开(公告)日：2022-09-02
申请号：CN202210856190.1
申请日：2022-07-21
Applicant: 南京应用数学中心
IPC: G06V20/10 , G06V10/74 , G06V10/762 , G06V10/774
Abstract: 本发明公开了一种基于深度学习模板匹配的长航迹实时识别方法，其过程为：将采集数据的数据从全局角度标注制作数据集；采用动态滑动窗口的方式，将数据映射为航迹图像；构建基于深度学习的模板匹配模型；将航迹映射为固定长度的嵌入向量；对训练集的嵌入向量聚类得到类模板；再利用网络得到测试集嵌入向量，与类模板进行相似度比较判定航迹类型。本发明采用动态滑窗方法将航迹映射到图像上，解决了长航迹实时识别中航迹起始点位置的问题；采用了基于深度学习的模板匹配模型，将映射为嵌入向量，与航迹类模板进行匹配，避免了窗口航迹不完整或长航迹中出现未知类别的情况，相较于以往方法更具鲁棒性，能实时判断长航迹中存在的航迹类别及位置。
-
公开(公告)号：CN112991355B
公开(公告)日：2021-08-31
申请号：CN202110519585.8
申请日：2021-05-13
Applicant: 南京应用数学中心
Abstract: 本发明设计了一种基于二阶段最优传输的3D大脑病变分割方法，主要步骤为：针对3D大脑医学影像发展有效、可靠且稳定的二阶段最优传输数值算法，将3D大脑影像二阶段最优传输映射到一个长方体，两者之间的转换所产生的精度损失仅为0.5%左右；选择精度损失最少的映射所得到的长方体图像，放入神经网络进行训练，利用权威网站提供的数据集训练模型，得到数据集的预测结果；借助最优传输映射的逆映射，将其还原至原始大脑影像，得到的训练集及测试集的整体病变分割精度分别达到98.5%及92.0%。
-
Patent Agency Ranking
公开(公告)号：CN117752361A
公开(公告)日：2024-03-26
申请号：CN202311836633.1
申请日：2023-12-28
Applicant: 南京应用数学中心
IPC: A61B8/00 , A61B8/08 , A61B5/0536 , G06T11/00
Abstract: 本发明公开了一种基于两点梯度迭代方法的声电断层扫描图像成像算法，创新点是通过两点梯度迭代方法提升计算效率，并通过正则化项的选择提高图像重建的精度。发明的核心是利用声电混合成像的特点，即在施加边界探测电流时，利用超声扰动获得功率密度数据，从而获得生物组织内部数据。同时针对不同生物组织电导率的不同特性，引入不同的正则化项，建立两点梯度迭代方法，实现对生物组织电导率的高分辨率重建。与传统的声电成像方法相比，本发明降低了多组观测电流的计算存储成本，提高了成像效率。并且利用特殊的正则化项对迭代过程进行修正，由此可以比较准确地确定不同组织的边界或几何特征，提升成像精度。
-
公开(公告)号：CN115423893B
公开(公告)日：2023-04-28
申请号：CN202211366435.9
申请日：2022-11-03
Applicant: 南京应用数学中心
IPC: G06T11/00 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态图像结构相似度的神经网络的低剂量PET‑CT重建方法。发明的核心是利用CT图像的结构信息，使得短时间窗位采集的PET图像达到长时间窗位采集的效果，有助于减少运动伪影并提高病人的扫描舒适度。通过构建多模态多分支带自注意力机制的深度卷积神经网络，在损失函数中引入多模态图像结构相似度来学习CT图像中的结构信息，使得低剂量PET图像的峰值信噪比提高9%的同时，成功达到标准剂量PET图像的效果，且结构信息明显优于标准剂量PET图像。本发明利用CT图像信息的同时，在损失函数中引入刻画多模态图像结构相似度的罚项，从而得到了包含更多结构信息的高精度PET图像。
-
公开(公告)号：CN114973422A
公开(公告)日：2022-08-30
申请号：CN202210844535.1
申请日：2022-07-19
Applicant: 南京应用数学中心
Abstract: 本发明提供了一种基于三维人体建模点云特征编码的步态识别方法，涉及人体三维建模和步态识别领域。从步态视频中获取三维点云序列数据，提出了一种基于点云特征编码的步态识别模型，该模型设计了一种关节点感知的点云区域划分方法，首先将无序的点特征映射到有序的骨架关节上来聚合局部信息，然后设计多层级点特征编码捕捉关节点邻域局部空间几何特征，并通过区域特征编码捕捉关节点间的全局依赖，最后构建时序特征编码器学习全局时空动态特征进行步态识别。本发明从高维度的时序点云数据中捕捉具有鉴别性的局部空间依赖和全局动态特征，对现有的基于模型步态识别方法进行了实质性的改进，提升了现实场景非受控视角下步态识别的准确性和鲁棒性。
-
公开(公告)号：CN118864231A
公开(公告)日：2024-10-29
申请号：CN202411346090.X
申请日：2024-09-26
IPC: G06T3/073
Abstract: 本发明公开了一种曲面分片共形摊平方法，涉及曲面摊平领域；步骤为：对于输入的三角网格曲面，首先检查曲面的亏格数，若亏格数大于0，则利用Reeb图和环绕数寻找环柄圈和隧道圈，然后利用最短路径树缩短环柄圈和隧道圈，沿环柄圈和隧道圈剪开曲面，得到分片带边曲面；再搜索分片带边曲面的所有边界和连通分支，不是单连通曲面的连通分支，通过寻找不同边界之间的路径，并沿路径剪开，形成单连通曲面，无边界的连通分支，则沿一条路径剪开为边界；最后通过共形能量极小化方法计算共形摊平映射，将所有连通分支摊平。本方法实现了曲面分片，并通过共形能量极小化计算共形摊平映射，保留了曲面的形状特征，适用于任意亏格曲面的分片和共形摊平。
-
公开(公告)号：CN115423893A
公开(公告)日：2022-12-02
申请号：CN202211366435.9
申请日：2022-11-03
Applicant: 南京应用数学中心
Abstract: 本发明公开了一种基于多模态图像结构相似度的神经网络的低剂量PET‑CT重建方法。发明的核心是利用CT图像的结构信息，使得短时间窗位采集的PET图像达到长时间窗位采集的效果，有助于减少运动伪影并提高病人的扫描舒适度。通过构建多模态多分支带自注意力机制的深度卷积神经网络，在损失函数中引入多模态图像结构相似度来学习CT图像中的结构信息，使得低剂量PET图像的峰值信噪比提高9%的同时，成功达到标准剂量PET图像的效果，且结构信息明显优于标准剂量PET图像。本发明利用CT图像信息的同时，在损失函数中引入刻画多模态图像结构相似度的罚项，从而得到了包含更多结构信息的高精度PET图像。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.025 seconds)
