-
公开(公告)号：CN113610842B
公开(公告)日：2023-04-07
申请号：CN202110992437.8
申请日：2021-08-27
Applicant: 苏州大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于CAS‑Net的OCT图像视网膜脱离和劈裂自动分割方法，包括以下步骤：S1、获取OCT图像，将OCT图像分为训练集、验证集和测试集；S2、构建分类辅助分割网络用于OCT图像的分类；分类辅助分割网络包括分类网络和分割网络，分割网络包括全维度特征融合模块和特征融合解码模块，分类网络用于全局平均池化和卷积，并输出OCT图像中多个类别的存在概率；S3、构建整个分类辅助分割网络的损失函数，利用训练集和验证集对分类辅助分割网络进行训练；S4、利用测试集对训练后的分类辅助分割网络进行测试，实现对OCT图像的分割。本发明基于CAS‑Net的OCT图像视网膜脱离和劈裂自动分割方法能够准确的分割出OCT图像中的RD、ORS、MRS和IRS。
-
公开(公告)号：CN110517235B
公开(公告)日：2021-10-19
申请号：CN201910762318.6
申请日：2019-08-19
Applicant: 苏州大学
Abstract: 本发明公开了一种基于GCS‑Net进行OCT图像脉络膜自动分割方法，包括以下步骤：数据获取和预处理；构建GCS‑Net网络模型，采用U‑Net结构作为基础网络，在编码路径与解码路径之间的每层跨越连接层采用组间通道膨胀模块(GCD)进行连接，在解码路径中每层反卷积层后采用组间空间膨胀模块(GSD)进行层间连接；对训练好的GCS‑Net网络模型进行测试，将待分割图像输入构建好的模型中，输出对应的脉络膜分割图。上述两个模块采用两种方式分别自动选择组间的多尺度信息，显著提高了脉络膜自动分割的准确性，且适用对象可扩展至病理性近视或含视神经乳头的视网膜图像，本发明有利于提高脉络膜定量分析的准确率以及有利于全面获取三维大视野数据中脉络膜的形态信息。
-
公开(公告)号：CN105701832B
公开(公告)日：2019-02-26
申请号：CN201610034539.8
申请日：2016-01-19
Applicant: 苏州大学
Abstract: 本发明属于生物医学影像处理领域，具体涉及三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法，包括如下步骤：对原始PET图像进行线性上采样操作，并对PET和CT图像进行仿射配准；并标定图像的肿瘤种子点和非肿瘤种子点；结合肿瘤种子点对PET图像进行随机游走算法分割；得到完全包括目标肺肿瘤区域的前景目标区域Ro，除Ro以外的区域作为非肺肿瘤区域的背景区域Rb；将前景区域Ro和背景区域Rb分别建立高斯混合模型；根据前景及背景的高斯混合模型分别计算能量项并运用图割算法得到最终分割结果。本方法充分运用了PET图像的功能信息和CT图像的结构信息，使得随机游走算法和图割算法进行互补，最终得到更加精确的肺肿瘤分割结果。
-
公开(公告)号：CN103679198B
公开(公告)日：2016-09-14
申请号：CN201310669758.X
申请日：2013-12-10
Applicant: 苏州大学
Abstract: 本发明公开了一种基于K近邻的视网膜内节/外节缺失自动检测方法，主要步骤包括：步骤S01，图像预处理，采用多尺度三维图搜索方法将视网膜内部分层，内节/外节区域提取和平坦化；步骤S02，提取以黄斑中心为中心、直径1mm的内节/外节区域为感兴趣区域；对感兴趣区域提取特征；步骤S03，采用零均值归一化方法对所提取的特征进行归一化；步骤S04，分类，采用K近邻分类器对感兴趣区域中的体素进行缺失/非缺失识别，并计算相应的体积。本发明首次提供了一种具有可行性和有效性的视网膜内节/外节缺失自动检测方法，对于眼外伤等临床常见眼科疾病的诊断与治疗起到了重要的辅助作用。
-
公开(公告)号：CN104143087A
公开(公告)日：2014-11-12
申请号：CN201410356040.X
申请日：2014-07-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于SD-OCT图像的挫伤性视网膜内节/外节缺失三维自动检测方法，包括以下步骤：（1）图像预处理，采用多尺度三维图割方法将视网膜内部自动分割成11个表面，提取位于第7表面和第8表面之间的内节/外节区域作为感兴趣区域，进行平坦化处理和双线性滤波增强；（2）对感兴趣区域中每个体素提取5类（共计57个）特征；（3）采用主成份分析方法对特征进行优化选择；（4）将特征样本分成训练集和测试集，对训练集样本采用Adaboost算法训练集成分类器；（5）对测试集样本进行缺失/非缺失识别；（6）对识别结果进行血管轮廓影响排除和孤立点排除等后处理，计算相应的缺失体积，缺失体积识别误差小，准确性好。
-
Patent Agency Ranking
公开(公告)号：CN118657800B
公开(公告)日：2024-11-12
申请号：CN202411135135.9
申请日：2024-08-19
Applicant: 苏州大学
IPC: G06T7/11 , G06T7/12 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于混合网络的视网膜OCT影像中多病灶联合分割方法，涉及图像分割技术领域，包括获取视网膜OCT图像数据；利用混合编码器对所述OCT图像进行多尺度全局及局部特征提取，利用多尺度门控注意力模块提取并筛选全局信息，通过组位置嵌入模块补充空间位置信息，通过三路融合模块整合全局及局部特征，通过联合损失函数优化网络对轮廓区域的分割效果；进行模型训练，用训练后的模型实现OCT图像中病灶的分割。本发明提供的基于混合网络的视网膜OCT影像中多病灶联合分割方法能够显著提升对复杂病灶区域的自动识别和分割性能，对提升眼科疾病的诊断和治疗效果具有重要的临床价值。本发明在识别精度以及适用性方面都取得更加良好的效果。
-
公开(公告)号：CN116843715B
公开(公告)日：2024-08-02
申请号：CN202310742724.2
申请日：2023-06-21
Applicant: 苏州大学
IPC: G06T7/194 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06V10/774 , G06T9/00
Abstract: 本发明涉及一种基于深度学习的多视图协同图像分割方法和系统，方法包括：步骤S1：获取多视角图像；步骤S2：将所述多视角图像输入至深度学习模型，所述深度学习模型通过多视角视图像内在特征的一致性，实现对多视角图像中的同一目标进行图像分割；其中，所述深度学习模型设置有MVFI模块，所述MVFI模块用于实现多视角图像间的特征交互。本发明构建的深度学习模型能够充分利用多视图间的特征一致性来优化视图特征，进而提高分割精度。
-
公开(公告)号：CN116206108A
公开(公告)日：2023-06-02
申请号：CN202310124231.2
申请日：2023-02-16
Applicant: 苏州大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/44 , G06V20/70 , G06V40/18 , G06T7/00
Abstract: 本发明提供一种基于域自适应OCT图像脉络膜分割网络模型及方法，网络模型包括：预处理模块、分割器模块、鉴别器模块以及二阶段优化模块；所述预处理模块用于对源域图像和目标域图像进行预处理；所述分割器模块与所述预处理模块连接，所述分割器模块包括特征编码器以及特征解码器；所述分割器模块和所述鉴别器模块连接，所述分割器模块和所述鉴别器模块用于对源域数据特征与目标域数据特征进行对抗训练，得到目标域图像预测概率图；所述二阶段优化模块用于基于目标域图像预测概率图对所述分割器模块进行再次训练，得到更新的分割器模型。从图像层面以及特征层面上提高模型的泛化性能，并进一步地优化目标数据的分割结果，提高跨域数据分割的精度。
-
公开(公告)号：CN116188309A
公开(公告)日：2023-05-30
申请号：CN202310158800.5
申请日：2023-02-24
Applicant: 苏州大学
Abstract: 本发明涉及一种基于配准网络的OCT图像增强方法，包括选定样本中任意一张OCT图像为固定图像，其余OCT图像为移动图像；将固定图像输入固定图像编码模块，经过五个固定编码块，固定编码块将编码后的输出，输入至相对应的解码块；将移动图像输入移动图像编码模块，经过五个移动编码块，移动编码块将编码后的输出，输入至对应的解码块；第三固定编码块与第三移动编码块的输出经多头自注意力变换模块输出至解码模块的第一解码块；解码模块中每个解码块均基于上一解码块的输出与相对应编码块的输出，从低分辨率到高分辨率逐层恢复维度后，输出至多尺度形变场融合模块，获取配准图像；重复前述步骤，获取多幅配准图像，与固定图像进行叠加平均，获得去噪图像。
-
公开(公告)号：CN109658466B
公开(公告)日：2023-02-24
申请号：CN201811500608.5
申请日：2018-12-10
Applicant: 苏州大学
IPC: G06T11/00 , G06F18/214 , G06F18/24
Abstract: 本发明提供了一种具有可行性和有效性的视网膜OCT疾病影像生成的方法，生成的OCT影像可用于扩充OCT疾病影像分类算法的训练数据集；该方法以条件生成对抗网络cGAN为基础，网络结构由生成器与判别器组成，通过将生成对抗损失函数cGAN loss与一种新型结构相似性损失函数SSIM loss相结合，将正常视网膜OCT影像转化成可用于补充分类模型训练集的OCT疾病影像。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.021 seconds)
