-
公开(公告)号：CN117994521A
公开(公告)日：2024-05-07
申请号：CN202410223412.5
申请日：2024-02-28
Applicant: 湖南科技大学
IPC: G06V10/26 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于双尺度混合网络的腹部CT图像多器官分割方法，具体实现为：(1)建立包含原始图像和其对应分割金标准的训练数据集；(2)构建一种基于双尺度的混合编解码网络，其中编码器采用双尺度输入，通过充分利用Transformer和CNN优势，提取图像多尺度特征，解码器则通过逐步融合不同尺度特征获取精确的分割结果；(4)利用训练数据集对网络进行训练，直至预先设定的损失函数收敛；(5)运用训练好的网络对待分割的图像进行测试，得到分割结果。本发明可在编码端不同层级充分提取图像局部和全局信息，可适应形态多样、结构复杂的腹部器官，获取精确的分割结果。
-
公开(公告)号：CN114549336B
公开(公告)日：2024-05-03
申请号：CN202111410673.0
申请日：2021-11-25
Applicant: 湖南科技大学
Abstract: 本发明公开了一种无监督图像去雾方法，包括：(1)构建雾霾环境下的图像成像模型，即雾图成像模型；(2)构建图像局部子块的雾图成像简化模型，并根据子块中像素的线性分布特性，采用主成分分析求解图像大气光矢量的方向；(3)采用四叉树子空间层次搜索法求解雾图中的大气光矢量的幅值；(4)根据已求解的大气光矢量值，求解雾图中每个像素的透射率；(5)运用已求解的大气光矢量和透射率，对雾图成像模型进行逆向求解，得到去雾后的真实场景图像。本发明针对单幅图像进行去雾，不涉及复杂的训练过程，可有效去除图像中的雾霾干扰，获得清晰、细节丰富的图像，克服去雾后图像颜色过度饱和光晕等问题。
-
公开(公告)号：CN114240962B
公开(公告)日：2024-04-16
申请号：CN202111390808.1
申请日：2021-11-23
Applicant: 湖南科技大学
IPC: G06T7/11 , G06T7/136 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法，包括：(1)对训练数据进行预处理，包括图像裁剪和窗宽、窗位调整；(2)构建一种新的融合残差模块和注意力机制的U形深度卷积网络模型；(3)结合Dice与二元交叉熵构建网络的损失函数；(4)采用预处理后的训练数据进行网络训练；(5)对测试图像进行预处理，并利用训练好的网络分割其中的肝脏肿瘤区域。本发明是一种全自动的肝脏肿瘤分割方法，通过图像预处理以及在Unet网络中引入了残差模块与注意力机制，解决了肝脏肿瘤、分割中分割边界模糊，小型肿瘤难以检出的难题，有效提升了肝脏肿瘤的分割精度。
-
公开(公告)号：CN109753997B
公开(公告)日：2022-11-22
申请号：CN201811553883.3
申请日：2018-12-19
Applicant: 湖南科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/762
Abstract: 本发明公开了一种CT图像中的肝脏肿瘤自动精确鲁棒分割方法，包括：(1)对CT图像进行预处理，提取其中的肝脏区域；(2)运用基于LI‑SLIC的图像超像素分割方法对肝脏区域进行多层级迭代分割，将肝脏中灰度和纹理较为一致的区域划分为同一超像素，获取正常肝实质与肝脏肿瘤之间的边界；(3)根据图像局部灰度和纹理特征，对肝脏区域的每一个像素点进行正常肝实质/肝脏肿瘤二分类；(4)根据肝脏区域像素点分类结果对步骤(2)生成的超像素进行分类，得到最终的肝脏肿瘤分割结果。本发明可有效解决因CT成像噪声以及CT图像中肝脏肿瘤边界模糊、结构复杂、灰度多样等带来的分割困难，提高肝脏疾病计算机辅助诊断的效率和精度。
-
公开(公告)号：CN114549336A
公开(公告)日：2022-05-27
申请号：CN202111410673.0
申请日：2021-11-25
Applicant: 湖南科技大学
Abstract: 本发明公开了一种无监督图像去雾方法，包括：(1)构建雾霾环境下的图像成像模型，即雾图成像模型；(2)构建图像局部子块的雾图成像简化模型，并根据子块中像素的线性分布特性，采用主成分分析求解图像大气光矢量的方向；(3)采用四叉树子空间层次搜索法求解雾图中的大气光矢量的幅值；(4)根据已求解的大气光矢量值，求解雾图中每个像素的透射率；(5)运用已求解的大气光矢量和透射率，对雾图成像模型进行逆向求解，得到去雾后的真实场景图像。本发明针对单幅图像进行去雾，不涉及复杂的训练过程，可有效去除图像中的雾霾干扰，获得清晰、细节丰富的图像，克服去雾后图像颜色过度饱和光晕等问题。
-
Patent Agency Ranking
公开(公告)号：CN110610491B
公开(公告)日：2021-11-19
申请号：CN201910874442.1
申请日：2019-09-17
Applicant: 湖南科技大学
Abstract: 本发明公开了一种腹部CT图像的肝脏肿瘤区域分割方法，包括：首先根据人工选取的种子点，运用基于局部信息的区域生长法获取肝脏肿瘤区域初始分割结果及感兴趣区域，然后利用初步分割结果自动标记肿瘤感兴趣区域中目标和背景种子区域，并运用图割算法进一步精确分割其中的肿瘤区域。本发明方法可有效分割对比度低、边界模糊的肝脏肿瘤区域，人工交互要求低，仅需人工指定单个种子点，且不需要预先对肝脏区域进行分割，有效降低了分割复杂度，提高了分割效率。
-
公开(公告)号：CN113177952B
公开(公告)日：2021-11-16
申请号：CN202110460331.3
申请日：2021-04-27
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于方向信息的腹部CT图像肝脏区域自动分割方法，包括：(1)建立包含原始CT图像和肝脏区域手动分割结果的训练数据集A；(2)根据肝脏区域手动分割结果，获取指向肝脏边界的方向，建立包含原始CT图像和方向信息的训练数据集B；(3)分别将训练数据集A和B输入深度神经网络模型进行训练，得到权重参数不同的两种模型NA和NB；(4)将待检测CT图像分别输入已训练的模型NA和NB，得到肝脏初始分割结果和指向肝脏边界的方向信息；(5)利用方向信息指导肝脏初始分割结果进行收缩或扩张，得到最终的肝脏区域精确分割结果。本发明可有效解决CT图像边界模糊、结构复杂、灰度多样等引起的欠分割或过分割问题，提高肝脏分割精度。
-
公开(公告)号：CN108596887B
公开(公告)日：2020-06-02
申请号：CN201810341254.8
申请日：2018-04-17
Applicant: 湖南科技大学
Abstract: 本发明公开了一种腹部CT序列图像中肝脏肿瘤区域图像的自动分割方法。包括如下步骤：预处理步骤，对腹部CT序列图像进行预处理，获取其中的肝脏区域；肝脏增强步骤，根据肝脏区域灰度分布特性，采用分段非线性增强和迭代卷积操作提高正常肝实质与肿瘤组织的对比度；自动分割步骤，利用增强结果，结合图像边界信息，构建多目标分割的图割能量函数，采用最优化算法最小化能量函数，获取肝脏肿瘤初步自动分割结果；后处理步骤，采用三维数学形态学开操作对初步分割结果进行优化，去除其中的误分割区域，提高分割精度。本发明有助于放射科专家和外科医师及时有效地获取肝脏肿瘤的整体信息和三维显示，为肝脏疾病计算机辅助诊断和治疗提供技术支持。
-
公开(公告)号：CN117495871A
公开(公告)日：2024-02-02
申请号：CN202311370507.1
申请日：2023-10-23
Applicant: 湖南科技大学
IPC: G06T7/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于残差解码结构的医学图像分割方法，具体实现为：(1)建立包含原始图像和其对应分割金标准的训练数据集；(2)构建一种基于残差解码结构的编解码网络，该网络在编码路径中采用无损下采样降低图像分辨率、扩大网络感受野，同时在解码器中引入注意力门和卷积注意力对不同来源特征进行深度挖掘与提取，并引入残差连接，将不同解码阶段的特征进行融合；(4)利用训练数据集对网络进行训练，直至预先设定的损失函数收敛；(5)运用训练好的网络对待分割的图像进行测试，得到分割结果。本发明可有效解决现有下采样操作造成的信息丢失问题，充分挖掘特征的相互依赖关系，获得精确的分割结果。
-
公开(公告)号：CN116958080A
公开(公告)日：2023-10-27
申请号：CN202310884710.4
申请日：2023-07-19
Applicant: 湖南科技大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于二阶段网络的CT序列图像肺结节检测方法，具体实现为：(1)建立包含原始CT序列图像和其对应的肺结节标注的训练数据集；(2)构建一种用于肺结节检测的二阶段网络，包含一个用于提取候选肺结节的U形主网络和一个用于生成肺结节假阳性抑制掩摸的寄生网络；(3)构建一种带边缘的交叉熵损失函数；(4)利用训练数据集对网络进行训练；(5)运用训练好的网络对待检测的CT序列图像进行测试，获得肺结节检测结果。本发明通过采用一个二阶段的网络，可有效抑制假阳性结节，提高肺结节检测精度。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.027 seconds)
