-
公开(公告)号：CN111259982A
公开(公告)日：2020-06-09
申请号：CN202010089915.X
申请日：2020-02-13
Applicant: 苏州大学
Abstract: 本发明公开了一种基于注意力机制的早产儿视网膜图像分类方法和装置，包括步骤：将待识别的二维视网膜眼底图像进行预处理，得到预处理后的二维视网膜眼底图像；将预处理后的二维视网膜眼底图像输入到预先训练好的深度注意力网络模型中，输出图像的分类结果识别出早产儿视网膜病变ROP图像；所述深度注意力网络模型为在原始ResNet18网络的第三个残差层和第四个残差层后分别添加互补残差注意力模块和通道注意力SE模块。本发明能够获取丰富且重要的全局和局部信息，使得网络能够学习到正确的病变特征，从而使得分类网络能较好解决病变与背景之间极大的数据不平衡问题，进而提高深度注意力网络模型的分类性能。
-
公开(公告)号：CN109658466A
公开(公告)日：2019-04-19
申请号：CN201811500608.5
申请日：2018-12-10
Applicant: 苏州大学
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。
-
公开(公告)号：CN104778442B
公开(公告)日：2019-03-01
申请号：CN201510097720.9
申请日：2015-03-05
Applicant: 苏州大学
Abstract: 视网膜细胞荧光显微图像的自动分割和计数方法，包括：a）预处理,对图像进行预处理，滤除图像中的噪声点；b）边界编码，提取出细胞的轮廓，对提取出的轮廓进行编码；c）凹点检测，找到轮廓中的凹点并标记；d）分割，对粘连细胞进行分割。该方法结合了传统的和近代提出的多种算法，保留了阈值滤波，边缘检测算法中运算简单，计算开销小，运行效率高的优点。同时结合了Freeman链码和多边形凹凸性的方法，对粘连细胞进行了较好的分割，使分割结果具有较好的准确性和较高的效率。
-
公开(公告)号：CN106846338A
公开(公告)日：2017-06-13
申请号：CN201710071069.7
申请日：2017-02-09
Applicant: 苏州大学
CPC classification number: G06T5/002 , G06T2207/10101 , G06T2207/30041
Abstract: 本发明公开了一种基于混合模型的视网膜OCT图像视乳头结构分割方法，包括以下步骤：1）图像预处理，对视网膜图像进行滤波、拉平处理；2）根据手动标记的标记点，建立主动外观模型，并用主动外观模型进行视网膜图像结构的粗分割；3）以步骤2）中的结果为约束条件，用图搜索方法进行视网膜图像结构的精确分割。本发明首次提供了一种具有可行性和有效性的对以视盘为中心的SD‑OCT（频域光学相干断层成像）视网膜图像进行分割的方法，使显微镜成像设备可以利用这种方法进行非接触、高分辨率、高解析度的成像。
-
公开(公告)号：CN104778442A
公开(公告)日：2015-07-15
申请号：CN201510097720.9
申请日：2015-03-05
Applicant: 苏州大学
Abstract: 视网膜细胞荧光显微图像的自动分割和计数方法，包括：a）预处理,对图像进行预处理，滤除图像中的噪声点；b）边界编码，提取出细胞的轮廓，对提取出的轮廓进行编码；c）凹点检测，找到轮廓中的凹点并标记；d）分割，对粘连细胞进行分割。该方法结合了传统的和近代提出的多种算法，保留了阈值滤波，边缘检测算法中运算简单，计算开销小，运行效率高的优点。同时结合了Freeman链码和多边形凹凸性的方法，对粘连细胞进行了较好的分割，使分割结果具有较好的准确性和较高的效率。
-
Patent Agency Ranking
公开(公告)号：CN103679198A
公开(公告)日：2014-03-26
申请号：CN201310669758.X
申请日：2013-12-10
Applicant: 苏州大学
Abstract: 本发明公开了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：CN118247296A
公开(公告)日：2024-06-25
申请号：CN202410352223.8
申请日：2024-03-26
Applicant: 苏州大学
IPC: G06T7/12 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明公开了基于中性粒细胞簇及演化神经网络的分割方法及系统，涉及轮廓分割技术领域，包括：获取采样点集合，对采样点集合进行标准化处理，得到标准采样点集合，将标准采样点集合映射到中性粒领域内，得到数据集，对数据集进行过滤得到过滤后的数据集；对于过滤后的数据集进行判断并带宽更新，判断过滤后的数据集的簇是否符合要求，如符合要求则分类全部点集，并保留剩余点集，得到处理后的数据集；获取第一主成分线，将处理后的数据集内的数据点投影至第一主成分线上进行映射分类，得到数据序列，将数据序列输入至预先建立的基于RELU模型内进行分割，输出得到可解释性轮廓。
-
公开(公告)号：CN111325755B
公开(公告)日：2024-04-09
申请号：CN202010068764.X
申请日：2020-01-21
Applicant: 苏州大学
Abstract: 本发明公开了一种U型网络及角膜图像中神经纤维的分割方法，所述U型网络包括编码器和解码器，编码器和解码器均为4层，对称跨层连接；解码器部分上采样操作之后加入了多尺度分离及融合模块；该U型网络减少了参数量，增加了感受野、提高了分割性能；所述分割方法采用前述训练好的U型网络，损失函数采用预测图与金标准之间纤维长度差异和Dice损失结合来共同约束U型网络。本发明能够对细小角膜神经纤维进行准确分割，提高角膜神经纤维的分割精度。
-
公开(公告)号：CN112767406B
公开(公告)日：2023-12-12
申请号：CN202110140538.2
申请日：2021-02-02
Applicant: 苏州大学
IPC: G06T7/10 , G06N3/08 , G06N3/0464 , G06N3/0455
Abstract: 本申请公开了一种适用于荧光染色裂隙灯图像角膜溃疡分割的深度卷积神经网络，涉及医学图像分割技术领域，所述深度卷积神经网络包括U形编码器解码器卷积神经网络、多尺度自适应可变形模块和全局多尺度金字塔特征聚合模块，所述多尺度自适应可变形模块嵌入所述U形编码器解码器卷积神经网络的顶端，所述全局多尺度金字塔特征聚合模块嵌入所述U形编码器解码器卷积神经网络层间跳跃连接中，所述深度卷积神经网络用于对裂隙灯角膜溃疡荧光染色图像分割。达到了可以提高角膜溃疡的分割精度的效果。
-
公开(公告)号：CN116824217A
公开(公告)日：2023-09-29
申请号：CN202310580568.4
申请日：2023-05-22
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及计算机图像处理领域。本发明提出一种多模态视网膜分类方法，互补性特征提取阶段中，OCT‑A和OCT图像分别通过特征提取器和前馈神经网络进行特征提取，随后经过组增强交叉变换器和组增强自变换器进行特征融合，并将互补特征存储在互补性内存池中。当网络完成互补性特征提取，网络进入一致性特征提取阶段。一致性特征提取阶段的结构在互补性提取阶段的基础上加入了跨模态交互蒸馏损失，主要用于提取来自不同模态的一致性特征，并将其与互补性特征进行融合。可以高效获取与融合来自不同模态间的互补性和一致性特征，在多模态融合的视网膜疾病分类任务，可有效提高分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.021 seconds)
