CN110111307A - 一种免疫教学用免疫系统反馈模拟系统及方法 - Google Patents

一种免疫教学用免疫系统反馈模拟系统及方法 Download PDF

Info

Publication number
CN110111307A
CN110111307A CN201910293511.XA CN201910293511A CN110111307A CN 110111307 A CN110111307 A CN 110111307A CN 201910293511 A CN201910293511 A CN 201910293511A CN 110111307 A CN110111307 A CN 110111307A
Authority
CN
China
Prior art keywords
immune
module
cell
image
animation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910293511.XA
Other languages
English (en)
Other versions
CN110111307B (zh
Inventor
张晓红
耿思聪
张威
袁征
高艳丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910293511.XA priority Critical patent/CN110111307B/zh
Publication of CN110111307A publication Critical patent/CN110111307A/zh
Application granted granted Critical
Publication of CN110111307B publication Critical patent/CN110111307B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2213/00—Indexing scheme for animation
    • G06T2213/12—Rule based animation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明属于免疫系统反馈模拟技术领域，公开了一种免疫教学用免疫系统反馈模拟系统及方法，所述免疫教学用免疫系统反馈模拟系统包括：细胞图像采集模块、操作模块、中央控制模块、细胞图像分割模块、细胞模型构建模块、免疫动画制作模块、免疫类型选择模块、存储模块、显示模块。本发明通过细胞图像分割模块分割图像清晰和自适应阈值分割精度高、工作量少的特点，两者形成优势互补，提高了输出图像的质量；同时，通过免疫动画制作模块解决了现有动画制作效率不高的问题，提高了动画制作效率；简化了动画制作流程，降低了动画制作壁垒；并且，基于强化学习，保证了动画制作的精准性。

Description

一种免疫教学用免疫系统反馈模拟系统及方法
技术领域
本发明属于免疫系统反馈模拟技术领域，尤其涉及一种免疫教学用免疫系统反馈模拟系统及方法。
背景技术
免疫是人体的一种生理功能，人体依靠这种功能识别“自己”和“非己”成分，从而破坏和排斥进入人体的抗原物质(如病菌等)，或人体本身所产生的损伤细胞和肿瘤细胞等，以维持人体的健康。抵抗或防止微生物或寄生物的感染或其它所不希望的生物侵入的状态。免疫涉及特异性成分和非特异性成分。非特异性成分不需要事先暴露，可以立刻响应，可以有效地防止各种病原体的入侵。特异性免疫是在主体的寿命期内发展起来的，是专门针对某个病原体的免疫。然而，现有免疫教学用免疫系统反馈模拟系统对采集免疫细胞处理时，分割不精确，细胞图像质量差；同时，对免疫细胞动画制作效率低，影响模拟效果。
综上所述，现有技术存在的问题是：现有免疫教学用免疫系统反馈模拟系统对采集免疫细胞处理时，分割不精确，细胞图像质量差；同时，对免疫细胞动画制作效率低，影响模拟效果。
发明内容
针对现有技术存在的问题，本发明提供了一种免疫教学用免疫系统反馈模拟系统及方法。
本发明是这样实现的，一种免疫教学用免疫系统反馈模拟方法，所述免疫教学用免疫系统反馈模拟方法包括：
第一步，利用医学摄像设备采集人体细胞图像；利用按键键盘进行免疫系统反馈模拟操作；
第二步，利用图像处理程序对采集的细胞图像进行分割处理；利用模型软件构建人体细胞模型；利用动画软件制作人体免疫动画；利用选择程序选择免疫反馈类型；
第三步，利用存储器存储细胞图像、细胞模型、免疫动画数据；
第四步，利用显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据以及细胞的形态数据。
进一步，所述免疫教学用免疫系统反馈模拟方法具体包括：首先，通过细胞图像采集模块利用医学摄像设备采集人体细胞图像；通过操作模块利用按键键盘进行免疫系统反馈模拟操作；其次，中央控制模块通过细胞图像分割模块利用图像处理程序对采集的细胞图像进行分割处理；通过细胞模型构建模块利用模型软件构建人体细胞模型；通过免疫动画制作模块利用动画软件制作人体免疫动画；通过免疫类型选择模块利用选择程序选择免疫反馈类型；然后，通过存储模块利用存储器存储细胞图像、细胞模型、免疫动画数据；最后，通过显示模块利用显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据。
进一步，所述免疫教学用免疫系统反馈模拟方法的细胞图像分割方法如下：
1)输入一幅细胞图像，对图像进行灰度转换、中值滤波去噪以及对比度增强等预处理；
2)对所有图像进行分块阈值分割处理，采用OTSU方法进行阈值分割，分割出前景与背景；
3)进行图像形状测试，前后背景图像鲜明的直接放入待检测结果输出集合，未通过检测的再次进行自适应阈值分割；
4)把两次分割的结果进行合并，就得到最终理想的分割图像集合，
进一步，所述免疫教学用免疫系统反馈模拟方法的分块阈值分割的步骤是：
A)将图像分割成一个个小块，对每一块分别进行灰度化、计算方差V和均值Mean；
B)利用大律算法获得整幅图像的最佳阈值T1和T2；
C)如果方差V大于T1，则利用OTSU做全局阈值分割，如果方差V小于T1，且均值Mean大于T2，则可判断该小块属于背景区域，否则的话就属于前景区域。
进一步，所述免疫教学用免疫系统反馈模拟方法的免疫动画制作方法如下：
(1)获取用户输入的细胞免疫动画脚本，其中，所述细胞免疫动画脚本描述细胞免疫动画制作中需要的素材；
(2)依据所述细胞免疫动画脚本，在细胞免疫动画数据库中匹配出素材模板；
(3)根据基于强化学习的细胞免疫动画制作策略和所述素材模板，生成目标细胞免疫动画模板。
本发明的另一目的在于提供一种实现所述免疫教学用免疫系统反馈模拟方法的免疫教学用免疫系统反馈模拟系统，所述免疫教学用免疫系统反馈模拟系统包括：
细胞图像采集模块，与中央控制模块连接，用于通过医学摄像设备采集人体细胞图像；
操作模块，与中央控制模块连接，用于通过按键键盘进行免疫系统反馈模拟操作；
中央控制模块，与细胞图像采集模块、操作模块、细胞图像分割模块、细胞模型构建模块、免疫动画制作模块、免疫类型选择模块、存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；
细胞图像分割模块，与中央控制模块连接，用于通过图像处理程序对采集的细胞图像进行分割处理；
细胞模型构建模块，与中央控制模块连接，用于通过模型软件构建人体细胞模型；
免疫动画制作模块，与中央控制模块连接，用于通过动画软件制作人体免疫动画；
免疫类型选择模块，与中央控制模块连接，用于通过选择程序选择免疫反馈类型；
存储模块，与中央控制模块连接，用于通过存储器存储细胞图像、细胞模型、免疫动画数据；
显示模块，与中央控制模块连接，用于通过显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据。
本发明的优点及积极效果为：本发明通过细胞图像分割模块根据细胞形态局部特征使用不同的分割算法，可以使分割后的细胞核更加清晰和准确，减少了细胞处理的数量，提高了算法的速度，为后续进行细胞病理分析和分类提供了便利；改进的阈值分割算法充分根据细胞实际局部特征，结合了分块阈值分割速度快、分割图像清晰和自适应阈值分割精度高、工作量少的特点，两者形成优势互补，提高了输出图像的质量；同时，通过免疫动画制作模块获取用户输入的免疫动画脚本，依据该免疫动画脚本，在动画数据库中匹配出素材模板，然后根据基于强化学习的动画制作策略和匹配的素材模板，生成目标动画模板，其中对用户而言，只需关注其连续输入的动画脚本，解决了现有动画制作效率不高的问题，提高了动画制作效率；简化了动画制作流程，降低了动画制作壁垒；并且，基于强化学习，保证了动画制作的精准性。
附图说明
图1是本发明实施例提供的免疫教学用免疫系统反馈模拟系统结构示意图；
图2是本发明实施例提供的免疫教学用免疫系统反馈模拟方法流程图；
图中：1、细胞图像采集模块；2、操作模块；3、中央控制模块；4、细胞图像分割模块；5、细胞模型构建模块；6、免疫动画制作模块；7、免疫类型选择模块；8、存储模块；9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的免疫教学用免疫系统反馈模拟系统包括：细胞图像采集模块1、操作模块2、中央控制模块3、细胞图像分割模块4、细胞模型构建模块5、免疫动画制作模块6、免疫类型选择模块7、存储模块8、显示模块9。
细胞图像采集模块1，与中央控制模块3连接，用于通过医学摄像设备采集人体细胞图像；
操作模块2，与中央控制模块3连接，用于通过按键键盘进行免疫系统反馈模拟操作；
中央控制模块3，与细胞图像采集模块1、操作模块2、细胞图像分割模块4、细胞模型构建模块5、免疫动画制作模块6、免疫类型选择模块7、存储模块8、显示模块9连接，用于通过单片机控制各个模块正常工作；
细胞图像分割模块4，与中央控制模块3连接，用于通过图像处理程序对采集的细胞图像进行分割处理；
细胞模型构建模块5，与中央控制模块3连接，用于通过模型软件构建人体细胞模型；
免疫动画制作模块6，与中央控制模块3连接，用于通过动画软件制作人体免疫动画；
免疫类型选择模块7，与中央控制模块3连接，用于通过选择程序选择免疫反馈类型；
存储模块8，与中央控制模块3连接，用于通过存储器存储细胞图像、细胞模型、免疫动画数据；
显示模块9，与中央控制模块3连接，用于通过显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据。
本发明实施例提供的细胞图像分割模块4分割方法如下：
1)输入一幅细胞图像，对图像进行灰度转换、中值滤波去噪以及对比度增强等预处理；
2)对所有图像进行分块阈值分割处理，采用OTSU方法进行阈值分割，分割出前景与背景；
3)进行图像形状测试，前后背景图像鲜明的直接放入待检测结果输出集合，未通过检测的再次进行自适应阈值分割；
4)把两次分割的结果进行合并，就得到最终理想的分割图像集合，
3、如权利要求2所述免疫教学用免疫系统反馈模拟系统，其特征在于，所述分块阈值分割的主要步骤是：
A)将图像分割成一个个小块，对每一块分别进行灰度化、计算方差V和均值Mean；
B)利用大律算法获得整幅图像的最佳阈值T1和T2；
C)如果方差V大于T1，则利用OTSU做全局阈值分割，如果方差V小于T1，且均值Mean大于T2，则可判断该小块属于背景区域，否则的话就属于前景区域。
本发明实施例提供的自适应分割的主要步骤为：
a)首先对图像进行灰度处理；
b)遍历每一个像素点I(x,y)，对每一个像素点设置分割阈值T，以该像素点为核心，设置邻域窗口，求出该窗口的灰度均值Mean；
c)根据对比就可以求出该图像的背景和前景；具体公式如下：
T(x，y)＝Mean＝∑(x，y)∈wI(x，y)|w (2)
本发明实施例提供的免疫动画制作模块6制作方法如下：
(1)获取用户输入的细胞免疫动画脚本，其中，所述细胞免疫动画脚本描述细胞免疫动画制作中需要的素材；
(2)依据所述细胞免疫动画脚本，在细胞免疫动画数据库中匹配出素材模板；
(3)根据基于强化学习的细胞免疫动画制作策略和所述素材模板，生成目标细胞免疫动画模板。
本发明实施例提供的根据基于强化学习的细胞免疫动画制作策略和所述素材模板，生成目标细胞免疫动画模板，包括：
依据所述素材模板，生成预设数量的备选细胞免疫动画模板；
利用状态转移矩阵计算所述备选细胞免疫动画模板各自的生成概率，其中，所述状态转移矩阵依据用户对生成的细胞免疫动画模板的评估结果不断更新；
根据所述生成概率确定所述目标细胞免疫动画模板。
本发明实施例提供的制作方法还包括：
获取用户对所述目标细胞免疫动画模板的评估结果，根据所述评估结果更新所述状态转移矩阵；
当检测到用户输入的细胞免疫动画脚本发生变化时，更新所述素材模板，并基于所述更新后的状态转移矩阵确定出新的目标细胞免疫动画模板；
根据所述素材模板随机生成细胞免疫动画模板，作为所述目标细胞免疫动画模板；
获取用户对随机生成的细胞免疫动画模板的评估结果，并根据所述评估结果更新所述状态转移矩阵；
当检测到用户输入的细胞免疫动画脚本发生变化时，更新所述素材模板，并基于所述更新后的状态转移矩阵确定出新的目标细胞免疫动画模板。
本发明实施例提供的依据所述细胞免疫动画脚本，在细胞免疫动画数据库中匹配出素材模板，包括：
对所述细胞免疫动画脚本进行语义分析，根据脚本语义在细胞免疫动画数据库中匹配出素材模板；
按照所述细胞免疫动画脚本中的时间信息以及场景信息将所述素材模板进行组合，得到至少一组素材模板，其中，每组素材模板的细胞免疫动画场景相同。
如图2所示，本发明实施例提供的免疫教学用免疫系统反馈模拟方法具体包括：
S201：利用医学摄像设备采集人体细胞图像；利用按键键盘进行免疫系统反馈模拟操作；
S202：利用图像处理程序对采集的细胞图像进行分割处理；利用模型软件构建人体细胞模型；利用动画软件制作人体免疫动画；利用选择程序选择免疫反馈类型；
S203：利用存储器存储细胞图像、细胞模型、免疫动画数据；
S204：利用显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据以及细胞的形态数据。
本发明工作时，首先，通过细胞图像采集模块1利用医学摄像设备采集人体细胞图像；通过操作模块2利用按键键盘进行免疫系统反馈模拟操作；其次，中央控制模块3通过细胞图像分割模块4利用图像处理程序对采集的细胞图像进行分割处理；通过细胞模型构建模块5利用模型软件构建人体细胞模型；通过免疫动画制作模块6利用动画软件制作人体免疫动画；通过免疫类型选择模块7利用选择程序选择免疫反馈类型；然后，通过存储模块8利用存储器存储细胞图像、细胞模型、免疫动画数据；最后，通过显示模块9利用显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种免疫教学用免疫系统反馈模拟方法，其特征在于，所述免疫教学用免疫系统反馈模拟方法包括：
第一步，利用医学摄像设备采集人体细胞图像；利用按键键盘进行免疫系统反馈模拟操作；
第二步，利用图像处理程序对采集的细胞图像进行分割处理；利用模型软件构建人体细胞模型；利用动画软件制作人体免疫动画；利用选择程序选择免疫反馈类型；
第三步，利用存储器存储细胞图像、细胞模型、免疫动画数据；
第四步，利用显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据以及细胞的形态数据。
2.如权利要求1所述的免疫教学用免疫系统反馈模拟方法，其特征在于，所述免疫教学用免疫系统反馈模拟方法具体包括：首先，通过细胞图像采集模块利用医学摄像设备采集人体细胞图像；通过操作模块利用按键键盘进行免疫系统反馈模拟操作；其次，中央控制模块通过细胞图像分割模块利用图像处理程序对采集的细胞图像进行分割处理；通过细胞模型构建模块利用模型软件构建人体细胞模型；通过免疫动画制作模块利用动画软件制作人体免疫动画；通过免疫类型选择模块利用选择程序选择免疫反馈类型；然后，通过存储模块利用存储器存储细胞图像、细胞模型、免疫动画数据；最后，通过显示模块利用显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据。
3.如权利要求1所述的免疫教学用免疫系统反馈模拟方法，其特征在于，所述免疫教学用免疫系统反馈模拟方法的细胞图像分割方法如下：
1)输入一幅细胞图像，对图像进行灰度转换、中值滤波去噪以及对比度增强等预处理；
2)对所有图像进行分块阈值分割处理，采用OTSU方法进行阈值分割，分割出前景与背景；
3)进行图像形状测试，前后背景图像鲜明的直接放入待检测结果输出集合，未通过检测的再次进行自适应阈值分割；
4)把两次分割的结果进行合并，就得到最终理想的分割图像集合。
4.如权利要求3所述的免疫教学用免疫系统反馈模拟方法，其特征在于，所述免疫教学用免疫系统反馈模拟方法的分块阈值分割的步骤是：
A)将图像分割成一个个小块，对每一块分别进行灰度化、计算方差V和均值Mean；
B)利用大律算法获得整幅图像的最佳阈值T1和T2；
C)如果方差V大于T1，则利用OTSU做全局阈值分割，如果方差V小于T1，且均值Mean大于T2，则可判断该小块属于背景区域，否则的话就属于前景区域。
5.如权利要求1所述的免疫教学用免疫系统反馈模拟方法，其特征在于，所述免疫教学用免疫系统反馈模拟方法的免疫动画制作方法如下：
(1)获取用户输入的细胞免疫动画脚本，其中，所述细胞免疫动画脚本描述细胞免疫动画制作中需要的素材；
(2)依据所述细胞免疫动画脚本，在细胞免疫动画数据库中匹配出素材模板；
(3)根据基于强化学习的细胞免疫动画制作策略和所述素材模板，生成目标细胞免疫动画模板。
6.一种实现权利要求1所述免疫教学用免疫系统反馈模拟方法的免疫教学用免疫系统反馈模拟系统，其特征在于，所述免疫教学用免疫系统反馈模拟系统包括：
细胞图像采集模块，与中央控制模块连接，用于通过医学摄像设备采集人体细胞图像；
操作模块，与中央控制模块连接，用于通过按键键盘进行免疫系统反馈模拟操作；
中央控制模块，与细胞图像采集模块、操作模块、细胞图像分割模块、细胞模型构建模块、免疫动画制作模块、免疫类型选择模块、存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；
细胞图像分割模块，与中央控制模块连接，用于通过图像处理程序对采集的细胞图像进行分割处理；
细胞模型构建模块，与中央控制模块连接，用于通过模型软件构建人体细胞模型；
免疫动画制作模块，与中央控制模块连接，用于通过动画软件制作人体免疫动画；
免疫类型选择模块，与中央控制模块连接，用于通过选择程序选择免疫反馈类型；
存储模块，与中央控制模块连接，用于通过存储器存储细胞图像、细胞模型、免疫动画数据；
显示模块，与中央控制模块连接，用于通过显示器显示采集的人体细胞图像、构建的细胞模型、制作的免疫动画数据。
CN201910293511.XA 2019-04-12 2019-04-12 一种免疫教学用免疫系统反馈模拟系统及方法 Active CN110111307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910293511.XA CN110111307B (zh) 2019-04-12 2019-04-12 一种免疫教学用免疫系统反馈模拟系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910293511.XA CN110111307B (zh) 2019-04-12 2019-04-12 一种免疫教学用免疫系统反馈模拟系统及方法

Publications (2)

Publication Number Publication Date
CN110111307A true CN110111307A (zh) 2019-08-09
CN110111307B CN110111307B (zh) 2023-11-17

Family

ID=67483937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910293511.XA Active CN110111307B (zh) 2019-04-12 2019-04-12 一种免疫教学用免疫系统反馈模拟系统及方法

Country Status (1)

Country Link
CN (1) CN110111307B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012494A (zh) * 2021-02-26 2021-06-22 重庆三峡医药高等专科学校 一种细胞地图系统
CN115598985A (zh) * 2022-11-01 2023-01-13 南栖仙策（南京）科技有限公司（Cn） 一种反馈控制器的训练方法、装置、电子设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09282458A (ja) * 1996-04-18 1997-10-31 Glory Ltd 画像照合装置
CN103593610A (zh) * 2013-10-09 2014-02-19 中国电子科技集团公司第二十八研究所 基于计算机免疫的间谍软件自适应诱导与检测方法
CN107204025A (zh) * 2017-04-18 2017-09-26 华北电力大学 基于视觉感知的自适应服装动画建模方法
CN107808381A (zh) * 2017-09-25 2018-03-16 哈尔滨理工大学 一种单细胞图像分割方法
CN109300179A (zh) * 2018-09-28 2019-02-01 南京蜜宝信息科技有限公司 动画制作方法、装置、终端和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09282458A (ja) * 1996-04-18 1997-10-31 Glory Ltd 画像照合装置
CN103593610A (zh) * 2013-10-09 2014-02-19 中国电子科技集团公司第二十八研究所 基于计算机免疫的间谍软件自适应诱导与检测方法
CN107204025A (zh) * 2017-04-18 2017-09-26 华北电力大学 基于视觉感知的自适应服装动画建模方法
CN107808381A (zh) * 2017-09-25 2018-03-16 哈尔滨理工大学 一种单细胞图像分割方法
CN109300179A (zh) * 2018-09-28 2019-02-01 南京蜜宝信息科技有限公司 动画制作方法、装置、终端和介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄志君: "三维模型及其动画在《免疫调节》 教学设计中的应用", 《中国优秀硕士学位论文全文数据 社会科学Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012494A (zh) * 2021-02-26 2021-06-22 重庆三峡医药高等专科学校 一种细胞地图系统
CN115598985A (zh) * 2022-11-01 2023-01-13 南栖仙策（南京）科技有限公司（Cn） 一种反馈控制器的训练方法、装置、电子设备及介质
CN115598985B (zh) * 2022-11-01 2024-02-02 南栖仙策(南京)高新技术有限公司 一种反馈控制器的训练方法、装置、电子设备及介质

Also Published As

Publication number Publication date
CN110111307B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
Ji et al. Salient object detection via multi-scale attention CNN
CN109919031B (zh) 一种基于深度神经网络的人体行为识别方法
Gao et al. Salient object detection in the distributed cloud-edge intelligent network
CN104572804B (zh) 一种视频物体检索的方法及其系统
US11967069B2 (en) Pathological section image processing method and apparatus, system, and storage medium
US20170109879A1 (en) Computer-implemented methods, computer-readable media, and systems for tracking a plurality of spermatozoa
CN111797683A (zh) 一种基于深度残差注意力网络的视频表情识别方法
CN108416266A (zh) 一种利用光流提取运动目标的视频行为快速识别方法
JP2021512446A (ja) 画像処理方法、電子機器および記憶媒体
CN102609724B (zh) 一种基于双摄像头的周围环境信息提示方法
CN105718873A (zh) 基于双目视觉的人流分析方法
CN113762009B (zh) 一种基于多尺度特征融合及双注意力机制的人群计数方法
CN108256462A (zh) 一种商场监控视频中的人数统计方法
CN113963445A (zh) 一种基于姿态估计的行人摔倒动作识别方法及设备
CN112634369A (zh) 空间与或图模型生成方法、装置、电子设备和存储介质
CN110111307A (zh) 一种免疫教学用免疫系统反馈模拟系统及方法
CN116091946A (zh) 一种基于YOLOv5的无人机航拍图像目标检测方法
CN113744195B (zh) 一种基于深度学习的hRPE细胞微管自动检测方法
Feng Mask RCNN-based single shot multibox detector for gesture recognition in physical education
Mazzamuto et al. Weakly supervised attended object detection using gaze data as annotations
Umirzakova et al. Detailed feature extraction network-based fine-grained face segmentation
Lu et al. Multimode gesture recognition algorithm based on convolutional long short-term memory network
Abdullah et al. Context aware crowd tracking and anomaly detection via deep learning and social force model
CN111626197A (zh) 一种人体行为识别网络模型及识别方法
CN112926681B (zh) 一种基于深度卷积神经网络的目标检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant