-
公开(公告)号：CN109102492A
公开(公告)日：2018-12-28
申请号：CN201810707734.1
申请日：2018-07-02
Applicant: 重庆邮电大学
Abstract: 一种基于协同聚类的功能磁共振影像脑连接图谱构建方法，脑功能连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证脑功能连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有脑功能连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度脑功能连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的功能子区及其连接脑区，实现了精细化的脑功能连接图谱构建；同时采取不同角度的三种途径验证了脑功能连接图谱的正确性。
-
公开(公告)号：CN114155251B
公开(公告)日：2024-10-15
申请号：CN202111483251.6
申请日：2021-12-07
Applicant: 重庆邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
公开(公告)号：CN109035265B
公开(公告)日：2020-10-27
申请号：CN201811125843.9
申请日：2018-09-26
Applicant: 重庆邮电大学
Abstract: 一种结构脑连接图谱构建方法，脑连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证结构脑连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有结构脑连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度结构脑连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，实现了精细化的结构脑连接图谱构建；同时采取不同角度的两种途径验证了结构脑连接图谱的正确性。
-
公开(公告)号：CN116211305A
公开(公告)日：2023-06-06
申请号：CN202211639834.8
申请日：2022-12-20
Applicant: 重庆邮电大学
IPC: A61B5/16 , A61B5/372 , A61B5/378 , A61B5/384 , A61B5/00 , A61M21/00 , G06F18/213 , G06F18/10 , G06N3/08 , G06N3/0464 , G06F18/24
Abstract: 本申请提供一种动态实时情绪检测方法及系统。方法包括：获取用户的第一情绪脑电数据；通过预设去噪算法对第一脑电波数据进行处理，以去噪后的数据作为第二脑电波数据；根据预设特征提取算法从第二脑电数据中提取大脑实时信息交互特征和动态脑区激活特征，大脑实时信息交互特征用于表征脑区之间的相互作用关系，动态脑区激活特征用于表征实时脑区激活信息；将大脑实时信息交互特征和脑区激活特征，输入经过训练的卷积神经网络模型中，得到用户情绪的检测结果并给予反馈调节。如此，有利于进一步提高情绪检测的准确性和可靠性，从而为实时反馈个体参与情绪诱发任务的认知参与度以及量化评估情绪诱发的有效性，提供科学的参考依据。
-
公开(公告)号：CN109131854A
公开(公告)日：2019-01-04
申请号：CN201710505811.0
申请日：2017-06-28
Applicant: 重庆邮电大学
IPC: B64C27/08 , B64D27/24 , B64D27/26 , G10K11/178
CPC classification number: B64C27/08 , B64C2201/024 , B64C2201/042 , B64C2201/108 , B64D27/24 , B64D27/26 , B64D2027/262 , G10K11/178
Abstract: 本发明公开一种低噪声无人机及其降噪控制方法，设置有机架和机臂，其关键在于：机臂上设置有电机安装舱，电机安装舱内的电机驱动螺旋桨旋转，所述电机安装舱的内壁和底部设有振动采集发生装置，该振动采集发生装置通过传输线与控制器连接，该控制器驱动所述振动采集发生装置自振，抵消电机产生的振动。该振动采集发生装置采集电机产生的振动频率并将振动频率发送给设置在机架上的控制器，该控制器根据振动频率控制所述振动采集发生装置产生与所述振动频率相反的频率的振动来抵消电机产生的振动。采用本发明的低噪声无人机，能降低无人机电机产生的噪声，并且对无人机的重量没有影响。
-
Patent Agency Ranking
公开(公告)号：CN114155251A
公开(公告)日：2022-03-08
申请号：CN202111483251.6
申请日：2021-12-07
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
公开(公告)号：CN106344023B
公开(公告)日：2020-02-11
申请号：CN201610988277.9
申请日：2016-11-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及医疗器械技术领域，特别涉及一种基于气压和加速度的非稳态呼吸波检测装置；包括：皮带，所述皮带上设置有通过数据线相连接的气压传感器和呼吸波探测器，所述气压传感器通过橡胶管与气囊相连接；所述呼吸波探测器包括：加速度传感器，以及与所述气压传感器和加速度传感器耦接的微控制器；所述微控制器利用气压传感器传来的信息和加速度传感器传来的信息得到人体运动时的呼吸波；本发明采用皮带结构来构建检测装置，方便使用，并且采用气压和加速度信号来检测呼吸波信号，提高了检测准确性，并对检测信号进行多次滤波，分阶段滤除噪声和干扰，检测性能极大提高。
-
公开(公告)号：CN109035265A
公开(公告)日：2018-12-18
申请号：CN201811125843.9
申请日：2018-09-26
Applicant: 重庆邮电大学
Abstract: 一种新颖的结构脑连接图谱构建方法，脑连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证结构脑连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有结构脑连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度结构脑连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，实现了精细化的结构脑连接图谱构建；同时采取不同角度的两种途径验证了结构脑连接图谱的正确性。
-
公开(公告)号：CN108846810A
公开(公告)日：2018-11-20
申请号：CN201810535155.3
申请日：2018-05-29
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 一种静息态功能磁共振影像噪声抑制的预处理优化方法，属于功能磁共振影像预处理领域。最近研究表明头动噪声对功能磁共振影像的干扰尤其突出。因此，有效抑制影像噪声(如头动干扰)是基于功能磁共振成像技术的脑功能研究亟待解决的首要问题。为了克服头动噪声，该方法确定带通滤波在线性回归分析去除协变量之前进行具有更好的头动噪声抑制效果。同时，在线性回归分析去除协变量过程中，此预处理优化方法选择14个滋扰变量(包括6个头动参数及它们的一阶导数、白质平均信号和脑脊液平均信号)可以进一步抑制头动噪声。与现有最先进的方法相比，此方法达到了更出色的噪声抑制效果。
-
公开(公告)号：CN119090865A
公开(公告)日：2024-12-06
申请号：CN202411312480.5
申请日：2024-09-20
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 发掘早期AD(Alzheimer's disease,AD)诊断性特征并对其进行及时预测干预，是延缓或阻止AD进程的有效途径。为此，本发明提出注意力3D密集连接网络的早期AD脑形态学表征与分类方法。本发明采用密集连接网络作为主干架构、多视角脑组织灰质、白质、脑脊液3D图像作为网络输入，并引入注意力机制使得网络能够捕获对AD分类具有重要贡献脑区。在ADNI数据集上，本发明方法在CN(cognitively normal)vs.MCI(mild cognitive impairment)、MCI vs.AD、CN vs.AD分类中的正确率依次达到了98.37％、97.63％、98.60％。与其他优秀方法相比，本发明方法处于先进水平。此外，通过注意力图分析发现AD患者脑形态学演变轨迹，即由CN转化为MCI涉及皮层下结构的脑形态学异常改变、再转化为AD进一步涉及皮层结构的脑形态学异常改变。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
