-
公开(公告)号：CN119904721A
公开(公告)日：2025-04-29
申请号：CN202411964124.1
申请日：2024-12-30
Applicant: 复旦大学
IPC: G06V10/80 , G06V10/26 , G06V10/74 , G06V10/776 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06V10/62
Abstract: 基于多时间点图像的目标变化评估系统及方法，包括：变化前和变化后图像分割支路及其对应分割注意力引导模块、变化前和变化后图像的特征提取器、交互式空间特征增强模块以及时序特征分类模块。本发明针对基于多时间点图像目标评估这一任务的复杂性，通过引入分割辅助任务引导分类注意力、跨时间点特征交互以及使用时间特征序列分类完成特征融合，将模型设计拆分为目标定位、获取不同时间点局部区域之间的关联性以及评估变化加以解决。
-
公开(公告)号：CN111445473B
公开(公告)日：2023-04-28
申请号：CN202010243718.9
申请日：2020-03-31
Applicant: 复旦大学
Abstract: 一种基于血管内超声图像序列多角度重建的血管膜精确分割方法及系统，通过对血管内超声横截面图像序列进行重建得到对应的血管内超声纵轴图像，然后采用改进的聚类方法对血管内超声纵轴图像中的血管膜进行初步分割，再根据初步分割结果恢复出横截面图像下的血管膜精确分割结果。本发明能够同时获得血管内超声两种图像模式(即横截面图像模式和纵轴图像模式)的血管膜分割结果，并在一定程度上克服分叉和旁路血管的影响。从横截面视角和纵轴视角综合分析血管状况，并计算定量参数，对血管状况进行更全面的评估，为医生进一步诊断提供参考，具有临床实用价值。
-
公开(公告)号：CN115063388A
公开(公告)日：2022-09-16
申请号：CN202210772086.4
申请日：2022-06-30
Applicant: 复旦大学 , 上海纵贯智能科技有限公司
Abstract: 本发明提供一种肿瘤超声图像的分割方法、系统、设备及介质，方法包括：接收图像数据集；所述图像数据集包括源于多个机构的图像数据；每一图像数据包括原始肿瘤超声图像及与之对应的分割标签；从图像数据集中随机选取另一原始肿瘤超声图像，基于另一原始肿瘤超声图像对图像数据集中的每一原始肿瘤超声图像进行增强，形成原始肿瘤超声图像的增强图像数据；从增强图像数据中提取出肿瘤区域初始特征和肿瘤边缘初始特征，将肿瘤区域初始特征和肿瘤边缘初始特征交织融合，以优化所述肿瘤区域初始特征和所述肿瘤边缘初始特征。本发明通过深度学习提取图像中肿瘤等病变区域的显著特征，并输出最终的分割结果，且能很好地适用于多中心小数据集的分割任务。
-
公开(公告)号：CN110163828A
公开(公告)日：2019-08-23
申请号：CN201910618211.4
申请日：2019-07-10
Applicant: 复旦大学
Abstract: 一种基于超声射频信号的乳腺钙化点图像优化系统及方法，包括：预处理模块、钙化点处理模块和增强显示模块，其中：预处理模块与数据来源相连并传输原始射频信号信息，钙化点处理模块与预处理相连并传输单通道射频信号信息，增强显示模块与输出端相连并传输增强显示图片信息。本发明基于乳腺射频信号的特点设计深度学习网络，高效率检测钙化点，进行增强显示。
-
公开(公告)号：CN104637056B
公开(公告)日：2018-02-23
申请号：CN201510052403.5
申请日：2015-02-02
Applicant: 复旦大学
IPC: G06T7/149
Abstract: 本发明属于图像处理技术领域，具体为基于稀疏表示的医学CT图像中肾上腺肿瘤的分割方法。本发明使用训练所得对边界敏感的过完备字典，将二维CT图像的感兴趣区域分解成图像子块并作稀疏表示；对于图像同质区与非同质区两者稀疏分解的第一个系数的绝对值差异明显，选取合适阈值区分该系数，得到对应的图像边界子块，并获得一个二值图像；利用区域生长法在此二值图像上生长出肿瘤的粗糙轮廓，将其作为水平集分割方法的初始轮廓，通过多次迭代，获取肿瘤最终边界。本发明可以大大提高图像中肾上腺肿瘤图像分割的自动化程度，同时降低了水平集分割方法对初始轮廓的依赖程度，使得分割结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN104637056A
公开(公告)日：2015-05-20
申请号：CN201510052403.5
申请日：2015-02-02
Applicant: 复旦大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/30084 , G06T2207/30096
Abstract: 本发明属于图像处理技术领域，具体为基于稀疏表示的医学CT图像中肾上腺肿瘤的分割方法。本发明使用训练所得对边界敏感的过完备字典，将二维CT图像的感兴趣区域分解成图像子块并作稀疏表示；对于图像同质区与非同质区两者稀疏分解的第一个系数的绝对值差异明显，选取合适阈值区分该系数，得到对应的图像边界子块，并获得一个二值图像；利用区域生长法在此二值图像上生长出肿瘤的粗糙轮廓，将其作为水平集分割方法的初始轮廓，通过多次迭代，获取肿瘤最终边界。本发明可以大大提高图像中肾上腺肿瘤图像分割的自动化程度，同时降低了水平集分割方法对初始轮廓的依赖程度，使得分割结果更加准确。
-
公开(公告)号：CN119904693A
公开(公告)日：2025-04-29
申请号：CN202411987476.9
申请日：2024-12-31
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0455 , G06N3/094
Abstract: 一种基于闭环因果生成的模糊类别图像分类系统，包括：数据读取模块、因果生成器模块和用于训练的鉴别器模块，其中：数据读取模块根据输入的三维图像信息，进行图像剪切单元、图像归一化单元、格式转换单元处理，得到可以被后续模块读取和识别的数据信息；因果生成器模块通过闭环图像生成分支根据接收数据读取模块的处理结果，进行因果图像生成处理，得到原始图像的增强版本；然后通过图像分类分支根据原始图像的增强版本得到准确分类结果；鉴别器模块根据因果生成器的处理结果，对原始图像的增强版本进行图像真实性鉴别，得到图像真实性分数，从而完成与生成器的对抗性训练，确保因果生成器生成图像的真实性。本发明通过在生成模型中特异性控制目标的类别因果特征表达并用于图像二分类任务中，从而提高模型对模糊样本的分类准确率。
-
公开(公告)号：CN114387208B
公开(公告)日：2024-12-13
申请号：CN202111461032.8
申请日：2021-12-02
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/33 , G06T3/4007 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于上下文驱动的金字塔结构无监督配准系统及方法，包括：两个分别用于接收参考图像和待配准图像且共享权重的多分辨率金字塔模块、变形场估计模块、优化模块、变形场正则化模块以及配准模块，其中：变形场估计模块根据参考图像、待配准图像、上一级估计的变形场、上一级生成的多角度语义信息，在不同分辨率下分别对变形场进行估计，并生成变形场和多角度语义信息；优化模块将估计得到的变形场调整至与原始图像的分辨率一致；变形场正则化模块通过变形场正则化模型对变形场的折叠区域进行局部高斯平滑滤波，从而降低变形场的折叠率并输出最终变形场，配准模块根据最终变形场进行特征映射得到配准后图像。
-
公开(公告)号：CN118887233A
公开(公告)日：2024-11-01
申请号：CN202410907937.0
申请日：2024-07-08
Applicant: 复旦大学
IPC: G06T7/11 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/25 , G06N3/0464
Abstract: 一种基于重建‑分割双支路特征融合的超声图像分割方法，基于重建‑分割双支路特征融合的超声图像分割方法，在离线阶段构造并训练包括具有各自解码器和任务头的分割支路和重建支路、一个编码器和特征融合模块的重建‑分割双支路网络，在在线阶段采用训练后的网络进行实时图像分割。本发明通过将图像重建作为分割模型训练时的一个辅助任务来为分割任务提供更丰富的特征信息，辅以特征图融合模块以指导网络提取到更关注于目标分割区域的特征信息来提高分割的准确度，在不增加计算成本的情况下提高分割模型在不同医学超声图像域的鲁棒性。
-
公开(公告)号：CN116721048A
公开(公告)日：2023-09-08
申请号：CN202210189679.8
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/084 , G06N3/045
Abstract: 一种基于捷径连接金字塔结构的X线图像检测系统，包括：用于接收多中心钼靶图像的自适应图像调整模块、高分辨率特征提取模块、多尺度捷径连接与加权融合模块和区域推荐与检测模块，其中：自适应调整模块将多中心的钼靶图像进行直方图规范化，并将图像自适应剪裁成统一尺寸；高分辨率特征提取模块提取图像的i个不同尺度的特征图Ci；多尺度捷径连接与加权融合模块将传递并加权融合有利于钙化检测的特征，生成i个多尺度检测特征图Pi；区域推荐与检测模块基于上述多尺度特征图Pi进行候选区域的推荐，并且针对候选区域进行进一步的边界框的回归和目标分类。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.019 seconds)
