-
公开(公告)号：CN111798428A
公开(公告)日：2020-10-20
申请号：CN202010631701.0
申请日：2020-07-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种皮肤病理图像多种组织自动分割方法，获取皮肤病理样本图像并对其进行组织标记；在组织标记后的样本图像中提取各组织图像块，提取的图像块作为初始分割模型数据集；构建并训练初始分割模型；在组织标记后的样本图像中提取表皮边界图像块，提取的图像块作为表皮边界优化数据集；构建并训练表皮边界优化模型；获取待分割皮肤病理图像并对待分割皮肤病理图像进行预处理；初始分割模型数据集对预处理后的待分割皮肤病理图像进行初始分割；表皮边界优化模型对初始分割后的图像进行表皮边界优化。可以快速和准确的对皮肤病理图像进行多种组织的分割。
-
公开(公告)号：CN111554384A
公开(公告)日：2020-08-18
申请号：CN202010405794.5
申请日：2020-05-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于先验感知和多任务学习的腺癌病理图像分析方法，包括：对于新采集的腺癌病理图像，提取图像块和对提取的图像块做预处理后送入到训练好的基于多任务学习方法构建的腺癌病理图像分析模型中，所述腺癌病理图像分析模型包含并行的两个分支：腺体结构分割分支和良恶性自动分级分支，同时得到腺体结构预测结果和良恶性分级结果；所述腺体结构分割分支的分割结果作为先验信息传递至良恶性自动分级分支，约束和引导良恶性分级分支在关注腺体结构语义内容后再对腺癌病理图像进行分级。本发明能够实现并行的腺体组织分割和自动分级，减少了病理医生人工诊断的体力、精力和时间成本投入，提高了自动诊断的准确率。
-
公开(公告)号：CN109817332A
公开(公告)日：2019-05-28
申请号：CN201910150285.X
申请日：2019-02-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于CT放射组学的胰腺神经内分泌肿瘤的分级方法，包括以下步骤：(1)采集PNET病例腹部CT图像并标记PNET肿瘤区域；(2)在PNET肿瘤区域进行放射组学特征提取，得到数据集；(3)将数据集分为训练集和测试集，在训练集上采样得到数据子集并分别使用mRmR算法进行特征筛选，选取目标特征；(4)使用目标特征在训练集上训练支持向量机分类器，作为PNET分级预测模型；(5)将待测PNET病例腹部CT图像使用PNET分级预测模型测试得到分级。该方法使PNET病人避免通过手术病理获知PNET的级别，减轻病人痛苦，并缩短治疗时间。
-
公开(公告)号：CN109767440A
公开(公告)日：2019-05-17
申请号：CN201910028616.2
申请日：2019-01-11
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种面向深度学习模型训练和学习的影像图像数据扩充方法，属于计算机医学图像计算技术领域。本发明首先判断数据类型，鉴别CT或MRI图像数据；然后对于影像数据，判断是否有划定ROI，并结合肿瘤区域大小，选用相应的方法完成影像数据集的构建；再采用基本的图像变换法对影像数据集进行训练，获得初步训练数据集；最后对初步训练数据集进行数据扩充，再采用网络模型进行深度训练，最后进行概率预测。本发明基于人工智能的深度学习，将一系列数据扩充的方法应用在医学图像处理领域的深度模型训练的学习上，解决由医学图像数据异质性而导致的异常数据的影响，有助于计算机辅助诊断，提高诊断效率和准确率。
-
公开(公告)号：CN105869169B
公开(公告)日：2018-09-25
申请号：CN201610222421.8
申请日：2016-04-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种肿瘤组织微排列图像的自动分割方法，提取病理图像中某数据位的图像，对该图像经过一系列图像处理后，利用Delaunay三角剖分法按顺序找到每张数据缩略图中各个肿瘤组织坐标，依次提取出单个肿瘤组织图像，并获取每个肿瘤组织的相关信息。本发明能够快速提取不同数据位的数据，比手动分割方案更加准确，便于准确快速开展后续癌症等级分析工作，减少了人工提取的工作量和计算机的计算量及存储量。
-
Patent Agency Ranking
公开(公告)号：CN104346617B
公开(公告)日：2017-11-28
申请号：CN201410155802.X
申请日：2014-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于滑动窗口和深度结构提取特征的细胞检测方法，首先运用深度模型提取特征，然后运用滑动窗口技术作用于病理切片图像中细胞自动检测的方法。具体步骤包括：对切片图像取块，特征提取模型堆叠稀疏自编码的训练，检测器训练，滑动窗口扫描大图像，标注细胞位置。本发明以大幅切片图为研究对象，采用检测器加滑动窗口的新方法，更能准确找到图像中细胞的位置，且更加快速和全面，对图像中一些不是很明显的细胞也能起到很好的检测效果。本发明提出的细胞自动检测方法能辅助临床医生对数字病理学切片进行量化评估，准确快速的进行临床诊断，减少不同的观察者或者同一个观察者在不同时间段之间的诊断差异性。
-
公开(公告)号：CN104077791B
公开(公告)日：2017-06-30
申请号：CN201410219113.0
申请日：2014-05-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种多幅动态对比度增强核磁共振图像联合重建方法，该方法使用共轭梯度算法结合变密度随机采样方法从局部k‑空间的采样数据中高概率高效率的重建DCE‑MRI。本发明方法包括以下步骤：多幅图像的傅里叶变换、设计采样模板、使用采样模板进行下采样、反傅里叶变换、设计小波稀疏变换矩阵系数、设计有约束能量函数、使用拉普拉斯算子转化为无约束问题、使用基于QUOTE 范数的共轭梯度算法求解、对得到的多幅DCE‑MRI重建结果进行定量评估并与原图像进行差值对比。本发明图像的重建速度更快，准确率和清晰度更高。其结果具有良好的对比中值序列，较高的信噪比，充足的解析覆盖面和快速的数据获取。
-
公开(公告)号：CN105512677A
公开(公告)日：2016-04-20
申请号：CN201510867801.2
申请日：2015-12-01
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了基于Hash编码的遥感图像分类方法，该方法提出了用Hash自动编码的思想来处理高光谱遥感图像，将遥感图像每个通道分成N*N小块，将每个小块进行Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行分类。和基于图像块的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。
-
公开(公告)号：CN104200428A
公开(公告)日：2014-12-10
申请号：CN201410407602.9
申请日：2014-08-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于非负矩阵分解（NonnegativeMatrixFactorization，简称NMF）的显微图像彩色去卷积方法，属于图像信息处理技术领域。本发明方法针对染色标记后的组织显微图像，利用非负矩阵分解的方法将不同染色剂所对应的观测通道进行分离。本发明还公开了一种基于非负矩阵分解的显微图像分割方法，基于非负矩阵分解方法分离出的观测通道进行图像分割，不但可实现快速全自动化的图像处理，且获得的图像分割结果更准确，为后续的细胞检测、病理诊断分析提供了更准确的依据。相比现有技术，本发明能够有效提高显微图像分割的准确率，节省计算时间，且得到的显微图像的视觉效果更好。
-
公开(公告)号：CN103810252A
公开(公告)日：2014-05-21
申请号：CN201410027227.5
申请日：2014-01-21
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明公开了一种基于群稀疏特征选择的图像检索方法，包括特征选择与图像检索两部分，其中特征选择步骤包括选取图像对、提取多种特征、形成特征差异矩阵、建立群稀疏逻辑回归模型、运用优化算法求解权重、选择出最优特征；图像检索步骤包括提取图像库所有图像的最优特征、形成图像特征库、提取查询图像最优特征、相似度比较、求出最大相似度图像序号、输出检索图像。本发明运用自适应谱梯度算法有效的求解群稀疏逻辑回归模型，具有更快的收敛速度，更少的运行时间。传统的基于内容的图像检索，特征的选择是特定的，本发明用全部训练特征进行图像检索相比，在相同的实验条件下，图像的查准率明显提高，图像检索的效率增强。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.039 seconds)
