-
公开(公告)号：CN117274686A
公开(公告)日：2023-12-22
申请号：CN202311202196.8
申请日：2023-09-18
Applicant: 吉林大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/40 , G16H70/60
Abstract: 一种肾脏肿瘤MRI断层扫描图像的特征提取和分类方法属图像识别技术领域，本发明以实际肾脏肿瘤患者的MRI断层扫描图像为实验数据，以患者的不同Ki67表达结果为分类标准，通过建立特征向量对图像进行分类。在特征提取时考虑肾脏肿瘤MRI断层扫描图像的特性，利用高斯混合模型对图像进行拟合，获取代表图像分布情况的数学特征，对特征进行筛选，得到具有代表性的图像特征。利用支持向量机对不同图像的特征进行分类，将肾脏肿瘤MRI图像与Ki67的表达建立联系，从而得到更精确的图像识别和分类结果。本发明具有物理可解释性，可在临床医学中协助医生判断患者肾脏肿瘤的病理时期和恶性倾向。
-
公开(公告)号：CN117170090A
公开(公告)日：2023-12-05
申请号：CN202311048238.7
申请日：2023-08-21
Applicant: 吉林大学
Abstract: 一种集成成像中模块化透镜阵列矫正成像方法属集成成像立体显示领域，本发明针对由高亮度、易于大尺寸拼接的LED显示器和成本低、易于大批量制作的模块化透镜阵列组成的大尺寸集成成像显示系统，利用高密度液晶显示器辅助定位透镜阵列，进行透镜阵列的实际间距分区矫正，并定位在由其组成的集成成像显示系统中，再根据透镜阵列的实际间距矫正生成的元素图像，在定位好的集成成像显示系统中显示，最后验证集成成像显示效果。本发明能提高立体显示效果，扩大有效的立体观看视区范围，还考虑到用于矫正的高密度显示器尺寸小于透镜阵列的情况，对透镜阵列的误差进行分区矫正，具有广泛的实用性和推广价值。
-
公开(公告)号：CN117078654A
公开(公告)日：2023-11-17
申请号：CN202311119810.4
申请日：2023-09-01
Applicant: 吉林大学
IPC: G06T7/00 , G06V10/25 , G06V10/34 , G06V10/36 , G06V10/40 , G06V10/54 , G06V10/764 , G06V10/771 , G06V10/774
Abstract: 本发明的构建肾透明细胞癌多模态影像特征与Ki67分级关联性的方法属于放射组学及机器学习领域，包括选取核磁影像、确定感兴趣区域RoI、对RoI进行数据扩增、多模态特征提取、得到关联免疫组化指标Ki67与医学影像特征的关键性特征标记物等步骤。本发明方法基于医学影像，非侵入式，在放射学层面可进一步为医生提供可靠的肾癌等级辅助诊断结果，及肾透明细胞癌等级分类的关键性肿瘤标记物，具有重要的科学意义和医学价值。
-
公开(公告)号：CN116524354A
公开(公告)日：2023-08-01
申请号：CN202310354793.6
申请日：2023-04-04
Applicant: 吉林大学
Abstract: 一种基于显著特征的轻量化SAR舰船检测方法属合成孔径雷达(简称：SAR)图像舰船目标检测领域，本发明的方法基于深度学习，包括轻量化骨干网络、显著的特征金字塔网络和基于IoU的回归质量估计。轻量化骨干网络的各个卷积块由普通卷积和深度可分离卷积模块构成，深度可分离卷积，可在很大程度上减少模型的参数量，有利于在移动平台地部署；显著的特征金字塔网络将显著性模块与特征金字塔网络相结合，增强待检测舰船目标的显著性，减少背景的干扰；基于IoU的回归质量估计可有效提高检测精度。实验结果证明，本发明的方法总参数量少于1兆，能快速并准确地检测SAR图像中的舰船目标。
-
公开(公告)号：CN115272772A
公开(公告)日：2022-11-01
申请号：CN202210967185.8
申请日：2022-08-12
Applicant: 吉林大学
IPC: G06V10/764 , G06V10/774 , G06T7/00 , G06N20/00
Abstract: 本发明的一种基于深度学习的肿瘤分类系统构建方法属于计算机视觉及深度学习领域，步骤包括：选取确诊的PCNSL放射影像和GBM放射影像并分为训练集和测试集，对训练集进行数据增广，在Swin‑Transformer模型基础上加以改进，用数据増广后的训练集中的数据对改进的Swin‑Transformer模型进行训练，然后将测试集的图像输入至已训练模型中，验证识别效果。本发明的方法是基于医学影像非侵入式诊断方式，既能够减轻患者痛苦，又可以为医生提供准确的影像诊断依据，具有重要的科学意义和医学价值。
-
Patent Agency Ranking
公开(公告)号：CN110837782B
公开(公告)日：2022-06-03
申请号：CN201910982235.8
申请日：2019-10-16
Applicant: 吉林大学
Abstract: 一种根据材料拉伸过程监控视频识别断裂信息的方法属材料断裂分析和图像识别技术领域，本发明首先用SIFT特征点进行时间匹配，计算出相邻帧图像能匹配上特征点的数量，并根据匹配特征点的数量确定断裂发生的时间点，然后用SIFT特征点进行空间匹配，统计出匹配特征点数量最少的区域，从而确定断裂发生的区域。之后对从断裂区域取出来的小区域进行混合高斯模型建模，对内部的受力情况和总体的变化趋势进行分析。与传统的数字图像相关方法相比，本发明所获得的技术效果，在保证准确度的情况下，通过对所建立模型的参数的分析，能得到更为详细的材料内部变化情况，具有很好的发展前景。
-
公开(公告)号：CN114119704A
公开(公告)日：2022-03-01
申请号：CN202111458546.8
申请日：2021-12-02
Applicant: 吉林大学
Abstract: 一种基于空间金字塔池化的光场图像深度估计方法属于三维图像处理领域和光场图像深度估计技术领域，本发明通过构建并训练神经网络模型，能实现一种光场图像的深度估计方法，以提高人们对场景深度的理解；光场图像深度估计主要采用立体匹配方法，多个视点图像之间的立体匹配方法结果好坏，很大程度上取决于对单个视点图像语义的理解程度；本发明通过对单个视点图像应用空间金字塔池化模型，使网络能够学习到目标物体上下文语义信息，同时，用传统立体匹配方法中的代价聚合思想指导网络，理解不同视点图像间表达的场景深度信息，场景深度信息理解由三维残差卷积块实现。
-
公开(公告)号：CN113633376A
公开(公告)日：2021-11-12
申请号：CN202110900351.8
申请日：2021-08-06
Applicant: 吉林大学
IPC: A61B34/10
Abstract: 一种全髋关节裸眼三维虚拟置换方法属自由立体显示技术领域，本发明包括：建立全髋关节裸眼三维显示系统，包括VTK和Optix处理器、立体显示屏、LeapMotion；利用集成成像技术显示髋关节的裸眼三维影像；虚拟置换髋臼与股骨头区域；手势交互控制裸眼三维影像，包括手掌收放、手掌旋转、拇指运动、食指运动，分别实现髋关节裸眼三维影像的整体缩放和旋转，髋臼和股骨头部分的旋转；本发明借助裸眼三维显示与隔空手势交互为患者选择最合适的内植物，突破目前医学主流显示手段和交互模式的屏障，实现无需助视设备且不会产生视疲劳的交互式全髋关节置换真三维术前规划，能大幅提高关节置换的效率和准确性，提升患者的术后康复质量。
-
公开(公告)号：CN107507122B
公开(公告)日：2020-10-16
申请号：CN201710722220.9
申请日：2017-08-22
Applicant: 吉林大学
IPC: G06T1/00
Abstract: 基于NSCT和SIFT的立体图像零水印方法属图像加密和图像处理技术领域，本发明提取立体图像的左右视点图像NSCT变换域的低频子带图像，将它们之间的视差图像作为提取水印的载体，对载体图像进行奇异值分解，制定提取零水印的规则，将提取出的二值零水印图像与版权标志水印图像进行异或后得到认证零水印图像，在注册中心保存认证零水印图像后，立体图像就处在了水印技术的保护中。本发明能很好地抵抗各种噪声、滤波、压缩等常规攻击，尤其提高了抵抗几何攻击的能力，零水印嵌入不改变原始图像，能保证图像的质量，并且水印提取时不需要原始图像，为实际应用提供了便利，能够有效地保护立体图像的版权。
-
公开(公告)号：CN111198448A
公开(公告)日：2020-05-26
申请号：CN202010024812.5
申请日：2020-01-10
Applicant: 吉林大学
IPC: G02B30/27 , H04N13/305
Abstract: 一种基于异形柱透镜光栅的一维集成成像显示方法属自由立体显示技术领域，本发明设计了一种基于交错式离散柱透镜光栅的具有多视点大视角高清晰度的真三维立体显示方法，首先通过实拍或虚拟模型获取视点图像，经立体图合成算法处理后在显示面板上显示，显示面板前的合适位置依次放置交错式离散柱透镜光栅和全息扩散片，通过设计和匹配各个装置的各项参数，达到最佳的观看效果。本发明通过设计交错式离散柱透镜光栅和使用全息扩散片，实现了视差连续、视点密集、视角广、清晰度高的立体显示，解决了传统柱透镜光栅立体显示中单一观看视区视角小的问题，立体显示效果优于传统的一维集成成像显示方式。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.03 seconds)
