-
公开(公告)号：CN116823851A
公开(公告)日：2023-09-29
申请号：CN202310668191.8
申请日：2023-06-07
Applicant: 苏州大学
Abstract: 本发明提供一种基于特征重构的无监督域自适应OCT图像分割方法及系统，涉及图像分割技术领域。该方法包括采集不同OCT图像构建数据集，将数据集划分为源域图像数据和目标域图像数据；对所述源域图像和所述目标域图像进行预处理；构建基于特征重构与双向选择机制的端到端OCT分割无监督域自适应网络模型，并将预处理后的源域图像和目标域图像输入到网络中进行训练，得到训练好的基于特征重构与双向选择机制的端到端OCT分割无监督域自适应网络模型；将待分割图像输入到训练好的基于特征重构与双向选择机制的端到端OCT分割无监督域自适应网络模型中，得到分割结果。本发明可有效提升跨域视网膜OCT图像分割的性能。
-
公开(公告)号：CN113125523B
公开(公告)日：2023-08-11
申请号：CN202110418006.0
申请日：2021-04-19
Applicant: 苏州大学
Abstract: 本发明公开了一种基于PAAm柔性水凝胶的湿度传感器及其制备方法，该基于PAAm柔性水凝胶的湿度传感器包括柔性电路层和聚丙烯酰胺有机水凝胶；聚丙烯酰胺有机水凝胶涂覆在所述柔性电路板上并形成聚丙烯酰胺有机水凝胶薄膜。本发明的湿度传感器的灵敏度在相对湿度12％～85％之间达到6.29，在相对湿度85％～95％之间高达149.9；该湿度传感器在温度(31℃～42℃)、弯曲(曲率半径无穷大到6.81mm)、压力(0～8N)和持续十天的测量中稳定性保持良好。本发明利用有机水凝胶优异的柔韧性、高透明度和优异的机械强度，此外，其优异的保水性能使得传感器在非常低的湿度环境(12％相对湿度)下放置24小时后仍然具有高度的柔软性和机械稳定性，并不会发生脱水。
-
公开(公告)号：CN112330638B
公开(公告)日：2023-06-16
申请号：CN202011237202.X
申请日：2020-11-09
Applicant: 苏州大学
Abstract: 本申请实施例公开一种视网膜OCT图像水平配准和图像增强方法，该方法包括以下步骤：S1、图像配准：将待配准图与基准图一一进行配准，配准方向包括垂直方向与水平方向；S2、图像处理与结果获取：将配准后的图像和基准图进行叠加平均，对平均图分出外核层ONL，对图像中外核层ONL以上的像素进行加权自适应伽马校正AGCWD，以进一步增强对比度，得到最终的结果。本申请的视网膜OCT图像水平配准和图像增强方法，在使用任意一张待配准图与基准图配准时，优化配准流程，提升水平方向上的配准精度与速度。同时，还对平均后图像中外核层ONL以上部分进行局部对比度增强，进一步提升图像质量，使得层次结构与细节特征更加鲜明与突出。
-
公开(公告)号：CN112819798B
公开(公告)日：2023-06-13
申请号：CN202110171467.2
申请日：2021-02-05
Applicant: 苏州大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
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。
-
公开(公告)号：CN116091519A
公开(公告)日：2023-05-09
申请号：CN202211644781.9
申请日：2022-12-20
Applicant: 苏州大学
IPC: G06T7/11 , G06T3/40 , G06N3/0464
Abstract: 本发明涉及深度学习技术领域，尤其是指一种脉络膜新生血管生长预测方法、装置及存储介质。本发明提出了一种基于卷积神经网络的CNV生长预测方法，将采集到的图像分割出感兴趣的CNV病变区域，并将其与原图进行拼接，作为生长预测的输入，保证CNV生长预测的准确性，所提出的基于注意力的门控递归单元，由于集成了纵向数据的空间注意力和通道注意力，着重关注时空序列图像的空间位置的变化，在减少计算量的同时，能够在多维数据中执行卷积操作来捕获时空序列图像的空间特征，在生长预测方面具有更好的性能。
-
Patent Agency Ranking
公开(公告)号：CN111292338B
公开(公告)日：2023-04-21
申请号：CN202010073201.X
申请日：2020-01-22
Applicant: 苏州大学
IPC: G06T7/11
Abstract: 本发明公开了医学图像处理技术领域的一种从眼底OCT图像中分割脉络膜新生血管的方法及系统，旨在解决现有技术中脉络膜新生血管的分割结果中分割准确度低、病变的边界区域不清晰的技术问题，采集包含脉络膜新生血管病变的眼底OCT图像；构建基于差分放大模块的卷积神经网络；训练构建的基于差分放大模块的卷积神经网络并测试；使用训练好的网络从眼底OCT图像中分割脉络膜新生血管。本发明采用VGG16作为U‑Net网络的编码部分，在每个卷积块的池化操作之后连接一个差分放大模块，构成跳跃连接，来增加网络在训练时对高低频信息的注意，采用二进制交叉熵损失函数和Dice损失函数之和作为损失函数来约束整个网络，分割准确度高、病变的边界区域更加清晰精确。
-
公开(公告)号：CN114612479B
公开(公告)日：2023-03-24
申请号：CN202210121683.0
申请日：2022-02-09
Applicant: 苏州大学
IPC: G06T7/11 , G06T5/50 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/09
Abstract: 本发明涉及一种基于全局与局部特征重建网络的医学图像分割方法、设备、装置及计算机存储介质，本发明提供的基于全局和局部特征重建网络，其中的全局特征重建GFR模块通过全局描述子将语义信息从高层级特征引入到低层级特征，消除各层级特征之间的语义间隔，并采用跨级全局描述子重建特征图，使得网络获得全局感受野，实现长距离特征依赖建模；局部特征重建LFR模块实现基于低阶段特征图引导的特征动态上采样，通过动态地重建局部特征，将低阶段特征图中的空间细节信息传递到高阶段特征图中，从而实现特征的空间信息恢复，克服现有技术中U型编解码器网络中的全局特征提取与长距离特征依赖建模能力不足、特征图空间信息的恢复不足等问题，提升了图像分割精度。
-
公开(公告)号：CN109726743B
公开(公告)日：2023-03-24
申请号：CN201811516615.4
申请日：2018-12-12
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于三维卷积神经网络的视网膜OCT图像分类方法，包括以下步骤：（a）采集图像并将采集到的图像分为训练集和测试集，对图像进行预处理；（b）搭建VinceptionC3D网络结构，VinceptionC3D网络是基于C3D卷积神经网络的改进，在C3D网络的基础上添加了融合多通道特征的Vinception模块，并把批标准化的方法应用到了原始C3D网络中，（c）模型的训练和测试：利用C3D的预训练模型作为VinceptionC3D的预训练模型，利用训练集中的数据训练加载预训练模型后的网络得到训练好的VinceptionC3D模型，模型训练结束后，用测试集测试模型。本发明能对三维视网膜OCT图像进行整体分类，为后续的视网膜OCT图像分割与分析提高效率奠定基础。
-
公开(公告)号：CN108257126B
公开(公告)日：2022-06-24
申请号：CN201810072546.6
申请日：2018-01-25
Applicant: 苏州大学
Abstract: 本发明公开了一种三维视网膜OCT图像的血管检测和配准方法、设备及应用，所述的方法包括图像预处理步骤，根据血管所在视网膜中的位置生成血管在图像的对应位置上的垂直投影图，并进行图像去噪和增强；血管骨架提取步骤，基于去噪和增强后的垂直投影图提取血管的骨架结构；特征提取步骤，找出目标图像和待配准图像的匹配的特征点；配准步骤，基于提取的特征点，生成目标图像和待配准图像之间的刚性配准模型。该方法能够很好的消除散斑噪声的影响，实现视网膜SD‑OCT图像中血管自动检测和准确配准，对常见眼科疾病病程发展的评估以及医生术前术后治疗方案的确定起到了重要的辅助作用。
-
公开(公告)号：CN112869704B
公开(公告)日：2022-06-17
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。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.031 seconds)
