-
公开(公告)号：CN115272369B
公开(公告)日：2023-07-11
申请号：CN202210906947.3
申请日：2022-07-29
Applicant: 苏州大学
IPC: G06T7/11 , G06V10/82 , G06V10/80 , G06V10/77 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/048
Abstract: 本发明涉及一种动态聚合变换器网络及视网膜血管分割方法，动态聚合变换器网络包括动态聚合变换器编码器模块、组卷积嵌入模块和轻量级卷积解码器模块，原始图像初始化后输入动态聚合变换器编码器模块，使用动态聚合法和多头动态聚合注意力得到语义标记，组卷积嵌入模块根据语义标记得到多尺度特征图；轻量级卷积解码器模块对多尺度特征图进行特征分辨率的恢复得到分割结果；视网膜血管分割方法为将光学相干断层扫描血管造影图像输入训练完成的动态聚合变换器网络中，得到视网膜血管分割结果。本发明可以减少视觉变换器的计算量、解决卷积神经网络局部感觉野受限的问题、减少网络参数量、有效提升血管分割性能。
-
公开(公告)号：CN111192334B
公开(公告)日：2023-06-06
申请号：CN202010002908.1
申请日：2020-01-02
Applicant: 苏州大学
IPC: G06T9/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种可训练的压缩感知模块及一种图像分割方法，包括以下步骤：构建具有所述可训练的压缩感应模块网络模型；将患有非小细胞肺肿瘤的三维PET图像作为训练数据集带入网络模型以训练网络，获得训练后的网络。其可以在训练过程中实现信息压缩，去除冗余的特征图并增强有效的特征图，分割结果更加精确，分割速度更快，使用的参数量更少。
-
公开(公告)号：CN111259982B
公开(公告)日：2023-05-12
申请号：CN202010089915.X
申请日：2020-02-13
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于注意力机制的早产儿视网膜图像分类方法和装置，包括步骤：将待识别的二维视网膜眼底图像进行预处理，得到预处理后的二维视网膜眼底图像；将预处理后的二维视网膜眼底图像输入到预先训练好的深度注意力网络模型中，输出图像的分类结果识别出早产儿视网膜病变ROP图像；所述深度注意力网络模型为在原始ResNet18网络的第三个残差层和第四个残差层后分别添加互补残差注意力模块和通道注意力SE模块。本发明能够获取丰富且重要的全局和局部信息，使得网络能够学习到正确的病变特征，从而使得分类网络能较好解决病变与背景之间极大的数据不平衡问题，进而提高深度注意力网络模型的分类性能。
-
公开(公告)号：CN115219568A
公开(公告)日：2022-10-21
申请号：CN202210944875.1
申请日：2022-08-08
Applicant: 苏州大学
IPC: G01N27/22 , C08F220/54
Abstract: 本发明属于传感器技术领域，具体涉及一种基于PNIPAm微米球凝胶的柔性湿度传感器及其制备方法。该柔性湿度传感器包括柔性基底、叉指电极和湿敏层，所述叉指电极设置于所述柔性基底的表面，所述湿敏层沉积在所述柔性基底上设置叉指电极的一侧表面并覆盖所述叉指电极，湿敏层包括交替设置的若干P(NIPAm‑co‑AAc)微米球凝胶层和PDADMAC线性聚合物链层。本发明柔性湿度传感器表现出良好的湿度传感性能，灵敏度高，响应时间快，对湿度的响应可循环重复，并且滞后小，具有可穿戴性，可应用于呼吸监测(快速呼吸、正常呼吸、缓慢呼吸)以及裸手和湿手套的非接触式检测中。
-
公开(公告)号：CN114414112A
公开(公告)日：2022-04-29
申请号：CN202111606498.2
申请日：2021-12-26
Applicant: 苏州大学
IPC: G01L1/25
Abstract: 本申请提出一种基于无源RFID标签天线的柔性压力传感器及检测方法。该柔性压力传感器包括：RFID电子标签层、柔性中间层及包含铁氧体的薄膜层，所述RFID电子标签层及包含铁氧体的薄膜层分别配置于柔性中间层的两侧，其中，所述薄膜层位于上侧，RFID电子标签层位于柔性压力传感器的下方侧。该柔性压力传感器利用具有高磁导率和吸波特性的铁氧体，开发了基于RFID的无线传感器装置，使得整个传感器制作成本低、结构简单，并可以通过不同的应用场景来跟换中间的柔性层，具有良好的可替换性。
-
Patent Agency Ranking
公开(公告)号：CN109345469B
公开(公告)日：2021-10-22
申请号：CN201811042548.7
申请日：2018-09-07
Applicant: 苏州大学
Abstract: 本发明公开一种基于条件生成对抗网络的OCT成像中散斑去噪方法，包括以下步骤：训练图像的获取、训练图像的预处理、数据扩增、模型训练以及模型使用；本发明采用条件生成对抗网络(cGAN)架构，通过训练得到从含有散斑噪声的OCT图像到无噪声的OCT图像的映射模型，再采用该映射模型对视网膜OCT图像的散斑噪声进行消除。本发明在条件生成对抗网络架构中引入了保持边缘细节的约束条件来训练，得到对边缘信息敏感的OCT图像散斑去噪模型，从而使本发明的散斑去噪模型在有效去除散斑噪声的同时，还能较好的保留图像细节信息。
-
-
公开(公告)号：CN109509178B
公开(公告)日：2021-09-10
申请号：CN201811240108.2
申请日：2018-10-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于改进的U‑net网络的OCT图像脉络膜分割方法，该U‑net网络主要改进点包括：(1)通过在网络中增加编码器和译码器的数量来提取更多特征信息；(2)在编码器后面加入精致残差块来增强每一层识别能力；(3)在译码器后面加入注意力模块让高层语义信息指导底层细节信息；(4)损失函数采用传统的L2损失和Dice损失结合来共同约束网络模型，采用本发明改进的U‑net网络可以自动分割无论是正常人眼还是病理性近视人眼脉络膜的上下边界，并且分割结果准确性高。
-
公开(公告)号：CN112869704A
公开(公告)日：2021-06-01
申请号：CN202110140542.9
申请日：2021-02-02
Applicant: 苏州大学
Abstract: 本申请公开了一种基于循环自适应多目标加权网络的糖尿病视网膜病变区域自动分割方法，涉及医学图像分割技术领域，所述方法包括：获取样本眼底彩照图像；根据样本眼底彩照图像训练糖尿病视网膜病变区域分割模型，糖尿病视网膜病变区域分割模型包括循环自适应多目标加权网络，循环自适应多目标加权网络用于自适应的为不同目标分配权重并增强网络的稳定性，不同目标包括样本眼底彩照图像中的背景、出血HE、硬性渗出EX、微血管瘤MA、视盘OD和棉绒斑SE中的至少一种，训练后的视网膜病变分割模型用于对目标眼底彩照图像进行分割。也即通过自适应的为不同目标分配权重，进而缓解子类间不平衡的问题，达到了可以提高网络的分割精度的效果。
-
公开(公告)号：CN112819798A
公开(公告)日：2021-05-18
申请号：CN202110171467.2
申请日：2021-02-05
Applicant: 苏州大学
Abstract: 本申请公开一种适用于多种视网膜积液联合分割的上下文关注与融合网络，包括特征编码模块、上下文收缩编码CSE模块、上下文金字塔引导CPG模块、特征解码模块，上下文收缩编码CSE模块嵌入于特征编码模块中，上下文金字塔引导CPG模块设置于特征编码模块、特征解码模块之间，上下文收缩编码CSE模块与特征解码模块跳跃连接；视网膜OCT图像通过特征编码模块和上下文收缩编码CSE模块对各层次特征进行选择性聚合，再通过上下文金字塔引导CPG模块获得多尺度上下文信息输入到特征解码模块中，特征解码模块输出分割结果。本申请的适用于多种视网膜积液联合分割的上下文关注与融合网络，克服了现有技术中存在的特征聚合无选择性、多尺度信息提取能力低下等问题。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.026 seconds)
