-
公开(公告)号：CN115272196A
公开(公告)日：2022-11-01
申请号：CN202210810912.X
申请日：2022-07-11
Applicant: 东北林业大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20
Abstract: 组织病理图像中病灶区域预测方法，本发明涉及组织病理图像分析诊断技术中，病灶区域难以检测的问题。细胞核和细胞质的结构外观信息是组织病理图像表型信息的重要体现，为其分类提供依据。染色分离是提取组织病理图像特征的关键所在。但组织病理图像存在大量阴性图块、包含复杂的模式和纹理、存在颜色变化和伪影，使得目前仍没有一个准确的阴阳性分类方法。针对这一问题，结合任务的特点，设计了模型，并利用颜色反卷积对组织病理图像进行染色初始化，再将训练好的模型迁移到病灶区域预测任务中，聚合阳性概率生成热力图。实验表明，这种方法能够有效地检测出病灶区域。该方法主要应用于细胞病理图像的病灶区域预测任务。
-
公开(公告)号：CN117455829A
公开(公告)日：2024-01-26
申请号：CN202310325151.3
申请日：2023-03-30
Applicant: 东北林业大学
IPC: G06T7/00 , G06V10/82 , G06V10/764 , G06N3/0475 , G06N3/096
Abstract: 本发明涉及一种基于对抗学习(Adversarial learning)的视网膜眼底图像域适应算法CA‑GAN，主要用于提升糖尿病性视网膜病变(Diabetic retinopathy,DR)自动检测模型在现实世界中的性能。CA‑GAN由图像到图像(Image‑to‑Image,I2I)翻译模块和病理描述符提取模块组成。CA‑GAN的图像到图像翻译模块使用解纠缠表示框架将来自不同眼底相机品牌的视网膜眼底图像分别映射到域不变的结构空间和域特异性的风格空间得到结构编码和风格编码，随后交换输入图像对的风格编码实现风格迁移。病理描述符提取模块提取原始视网膜眼底图像的DR相关病变信息并注入到迁移后的视网膜眼底图像中，从而实现原始视网膜眼底图像中DR相关病变信息的迁移。使用CA‑GAN进行域适应有效缩小因眼底相机品牌的不同引起的视网膜眼底图像的域差异，提升DR自动分类模型在现实世界中的性能。
-
Patent Agency Ranking
公开(公告)号：CN115272196B
公开(公告)日：2024-01-09
申请号：CN202210810912.X
申请日：2022-07-11
Applicant: 东北林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20
Abstract: 组织病理图像中病灶区域预测方法，本发明涉及组织病理图像分析诊断技术中，病灶区域难以检测的问题。细胞核和细胞质的结构外观信息是组织病理图像表型信息的重要体现，为其分类提供依据。染色分离是提取组织病理图像特征的关键所在。但组织病理图像存在大量阴性图块、包含复杂的模式和纹理、存在颜色变化和伪影，使得目前仍没有一个准确的阴阳性分类方法。针对这一问题，结合任务的特点，设计了模型，并利用颜色反卷积对组织病理图像进行染色初始化，再将训练好的模型迁移到病灶区域预测任务中，聚合阳性概率生成热力图。实验表明，这种方法能够有效地检测出病灶区域。该方法主要应用于细胞病理图像的病灶区域预测任务。
-
公开(公告)号：CN115731097A
公开(公告)日：2023-03-03
申请号：CN202211547682.9
申请日：2022-12-05
Applicant: 东北林业大学
IPC: G06T3/00 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 一种基于解纠缠表示的多风格迁移方法，本发明涉及图像生成技术中，多风格迁移方法问题。图像生成技术通过风格迁移网络将图片在不同风格间进行转换。然而在风格迁移过程中，没有考虑图片所包含的不同信息，导致经风格迁移后并不能很好得保留图片的内容细节，导致所生成图片内容细节丢失，质量较差。为此，我们提出一种基于解纠缠表示的多风格迁移方法。其主要思想是将图片进行内容与风格解纠缠表示，在风格迁移过程中保留内容信息，交换域风格信息，以此生成图片。实验表明，我们的多风格迁移方式可以有效解决图片风格迁移后内容细节丢失的问题，本发明应用于图片生成中的多风格迁移。
-
公开(公告)号：CN120015284A
公开(公告)日：2025-05-16
申请号：CN202510069917.5
申请日：2025-01-16
Applicant: 东北林业大学
IPC: G16H50/20 , G06F18/213 , G06F18/25 , G06F18/241 , G06T7/00 , G06T7/11
Abstract: 综合视图分析的多模态心血管疾病检测方法，本发明涉及心血管疾病（CVD）自动诊断技术中，CVD进展分析困难，难以尽早诊断和预防的问题。尽管当前基于深度学习的CVD自动诊断技术取得了一定的进展，但大多局限于分析单模态数据，无法全面预测CVD的进展。为解决这一问题，本文提出综合视图分析的多模态心血管疾病检测方法。实验表明，该方法利用血管分割图辅助视网膜眼底图像进行跨视角学习，增强模型对视网膜血管的特征感知；以视网膜眼底图像和无创临床指标两种多模态数据作为输入，增强模型对CVD事件的深度理解；利用多阶信念交互融合方法对多模态特征进行相融互补，提高检测的准确性和可靠性。本发明应用于CVD检测。
-
公开(公告)号：CN116721760B
公开(公告)日：2024-04-26
申请号：CN202310687513.3
申请日：2023-06-12
Applicant: 东北林业大学
Abstract: 融合生物标志物的多任务糖尿病性视网膜病变检测算法，本发明涉及糖尿病性视网膜病变(Diabetic retinopathy,DR)自动诊断技术中，早期DR(1到2级)特征不明显导致的漏诊问题。DR是一种常见的糖尿病并发症，是劳动人口致盲的主要因素，对我国糖尿病人群产生了极大的影响。临床经验表明，及时的诊断与治疗可以极大地降低DR致盲的风险，因此对糖尿病患者定期进行DR筛查具有十分重要的现实意义。但由于我国医疗资源分布不均衡，因此使用计算机辅助诊断技术进行DR筛查是十分有效的解决方案。尽管当前基于深度学习的DR自动诊断技术取得了一定的进展，但早期DR(1‑2级)表现不明显，模型极易漏诊。为了解决这一问题，本文提出融合生物标志物的多任务糖尿病性视网膜病变检测算法。实验表明，该方法优势如下：(1)通过计算生物标志物捕获早期DR眼底血管形态的变化，提高DR早期诊断精度(2)利用投票机制对不同任务设计不同的特征权重，提高多任务模型的性能。本发明应用于DR检测。
-
公开(公告)号：CN115831364B
公开(公告)日：2023-09-08
申请号：CN202211606506.8
申请日：2022-12-14
Applicant: 东北林业大学
IPC: G16H50/30 , G16H30/20 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 基于多模态特征融合的2型糖尿病风险分层预测方法，本发明涉及基于视网膜眼底图像2型糖尿病风险预测技术中直接利用眼底视网膜图像进行深度学习模型训练并且模型训练过程中提取的特征相关性不强，导致预测准确度不高的问题。为改善这一问题，本发明提出了一种基于多模态特征融的2型糖尿病风险预测方法，考虑到了多种模态的特征，包含临床特征、生物指标特征、血糖方面特征以及预测血糖值，将多种信息融合在一起，综合考量，提高预测患病风险的准确率。本发明应用于2型糖尿病预测风险。
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
