公开(公告)号：CN102592267B

公开(公告)日：2014-09-03

申请号：CN201210002260.3

申请日：2012-01-06

Applicant: 复旦大学

Inventor： 郭翌 ,  汪源源

IPC: G06T5/00

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超声图像滤波方法。本发明使用过完备字典将二维超声图像分解成最为稀疏的系数表示；采用基于子块相似度的全局滤波思想，对于每一个图像子块，利用全局冗余信息寻找整幅图像中与其最相似的子块；根据得到的所有最相似子块，对原子块内全部像素点一同滤波；对于各重叠区域内存在多个估值的像素点，对其进行均值处理，从而实现整幅图像的滤波。本发明非常适合于医学超声图像的滤波，可以有效地降低斑点噪声，并且较好地保持超声图像中的纹理信息和边缘特性。

公开(公告)号：CN102592267A

公开(公告)日：2012-07-18

申请号：CN201210002260.3

申请日：2012-01-06

Applicant: 复旦大学

Inventor： 郭翌 ,  汪源源

IPC: G06T5/00

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超声图像滤波方法。本发明使用过完备字典将二维超声图像分解成最为稀疏的系数表示；采用基于子块相似度的全局滤波思想，对于每一个图像子块，利用全局冗余信息寻找整幅图像中与其最相似的子块；根据得到的所有最相似子块，对原子块内全部像素点一同滤波；对于各重叠区域内存在多个估值的像素点，对其进行均值处理，从而实现整幅图像的滤波。本发明非常适合于医学超声图像的滤波，可以有效地降低斑点噪声，并且较好地保持超声图像中的纹理信息和边缘特性。

公开(公告)号：CN119722838A

公开(公告)日：2025-03-28

申请号：CN202411751471.6

申请日：2024-12-02

Applicant: 复旦大学

Inventor： 郭翌 ,  黄鹏 ,  郭博文 ,  汪源源

IPC: G06T11/00 ,  G06V10/762 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 一种基于扩散模型的文本生成胸部X射线影像系统及方法，包括：隐空间噪声过滤模块、自适应视觉感知文本学习模块和针对扩散模型的医学知识注入模块，其中：隐空间噪声过滤模块根据原始CXR图像，通过预训练的图像编码单元进行隐空间映射、流形建模和噪声判别处理得到去噪后CXR图像后，由CXR图像与文本的对应关系得到对应的文本；自适应视觉感知文本学习模块使用过滤噪声后的CXR图像和文本训练大型视觉语言模型；针对扩散模型的医学知识注入模块根据训练后的大型视觉语言模型生成的的模板化文本编码信息，通过可训练的控制适配器逐步注入训练状态的扩散模型中，稳健地提升扩散模型在训练过程中对文本信息的感知强度，以提升模型的CXR图像生成质量。本发明通过结合隐空间噪声过滤、自适应视觉感知文本学习以及医学知识注入模块共三阶段的创新方法，赋予模型充分理解文字与CXR图像并生成指定类型的高质量CXR图像的能力。

公开(公告)号：CN118429365A

公开(公告)日：2024-08-02

申请号：CN202410580160.1

申请日：2024-05-11

Applicant: 复旦大学

Inventor： 郭翌 ,  高贇 ,  汪源源

IPC: G06T7/11 ,  G06T7/00 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096

Abstract: 一种基于识别‑校正的带噪声标签息肉图像分割方法及系统，通过构造并训练噪声识别网络，对结肠镜息肉图像数据集中的噪声标签进行迭代识别，得到噪声样本和普通样本；再通过平均教师网络以半监督方式学习噪声样本的图像知识，以得到的自信度作为权重进行标签校正，以避免错误校正的同时利用噪声标签的知识，最终通过学生网络在在线阶段实时对输入的图像生成准确的分割预测结果。与现有技术相比，本发明显著提高分割网络在噪声标注的训练集上的分割性能。

公开(公告)号：CN114387208A

公开(公告)日：2022-04-22

申请号：CN202111461032.8

申请日：2021-12-02

Applicant: 复旦大学

Inventor： 郭翌 ,  王鹏 ,  汪源源 ,  梁舒煜 ,  黄鹏 ,  李明山

IPC: G06T7/00 ,  G06T7/33 ,  G06T3/40 ,  G06V10/82 ,  G06N3/04 ,  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：CN104657984A

公开(公告)日：2015-05-27

申请号：CN201510044837.0

申请日：2015-01-28

Applicant: 复旦大学

Inventor： 汪源源 ,  王欣 ,  郭翌 ,  余锦华

IPC: G06T7/00 ,  G06T7/60 ,  A61B8/00

CPC classification number: G06T7/0012 ,  A61B8/00 ,  A61B8/0825 ,  A61B8/085 ,  A61B8/52 ,  G06T2207/10136 ,  G06T2207/30068

Abstract: 本发明属于图像处理领域，具体为一种三维超声乳腺全容积成像(ABVS)中感兴趣区域的自动提取方法。本发明使用基于最大方向相位信息方法对三维ABVS图像中连续横断面二维图像进行处理，得到每一幅横断面图像上的感兴趣的候选区域；根据乳腺肿瘤在二维横断面图像上的连续性、位置特性等先验知识去除无关区域；对剩余疑似肿瘤区域进行形状和纹理特征获取，输入至二值逻辑回归分类器得到每一个区域可能为肿瘤的概率，选取其中概率最大的区域为肿瘤区域；根据选取的区域得到包含感兴趣区域的最小椭球，即为感兴趣区域。本发明可以实现三维ABVS图像中肿瘤感兴趣区域的自动提取，获取肿瘤的准确位置，减少人工操作的工作量，为进一步的肿瘤检测提供重要参考。