-
-
公开(公告)号：CN103514607A
公开(公告)日：2014-01-15
申请号：CN201310493679.8
申请日：2013-10-18
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了动态对比度增强核磁共振图像检测方法，将基于残差复杂度相似性度量的非刚性配准应用于核磁共振图像的检测中。本发明方法包括以下步骤：图像的预处理、采用B样条函数法进行图像插值、计算相似测度、设置阈值循环迭代、求差值图像作为较为精确的图像区域显示图。本发明以动态对比度磁共振图像为研究对象，和传统的基于像素点的强度值相似的非刚性配准方法相比，在相同的实验条件下，图像的配准结果更加准确。
-
公开(公告)号：CN103258214A
公开(公告)日：2013-08-21
申请号：CN201310150058.X
申请日：2013-04-26
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于图像块主动学习的遥感图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：遥感图像的分块；初始样本的选择；分类器模型训练；主动学习样本选择；训练样本集及分类器模型更新；分类过程迭代；图像块分类预测；块分类结果到像素分类结果的转化。本发明以图像块为研究对象，和传统的基于像素点的主动学习的遥感图像分类方法相比，在相同的实验条件下，图像的分类结果更加准确，主动学习筛选出的块样本能够更加快速准确的进行人工标注，并且分类图的结构性更强，大大降低了直接由像素点分类所带来的“斑点”，给人更好的视觉效果。
-
公开(公告)号：CN112750131B
公开(公告)日：2023-07-21
申请号：CN202110132264.2
申请日：2021-01-31
Applicant: 南京信息工程大学
IPC: G06T7/10
Abstract: 本发明是基于尺度和序列关系的骨盆核磁共振图像肌肉骨骼分割方法，首先搜集数字化的核磁共振图像三维序列，并进行手动标记多类肌肉骨骼结构；针对核磁共振图像三维序列进行采样，以连续的三张切面为一组，得到伪RGB三通道的图像数据；基于序列关系和不同肌肉骨骼的图像内容的尺度差异构建肌肉骨骼对象自动分割模型；采用自适应权重的交叉熵损失函数和DICE损失函数进行模型优化；最后对于新采集核磁共振图像三维序列，采样得到伪RGB三通道的图像数据后送入到肌肉骨骼对象自动分割模型中，得到对应于核磁共振图像三维序列的预测结果。该方法能够对核磁共振图像序列中的密集肌肉骨骼的自动分割，得到核磁共振图像序列对应的骨骼肌肉内容的三维重建结果。
-
公开(公告)号：CN109785310B
公开(公告)日：2023-06-06
申请号：CN201910027983.0
申请日：2019-01-11
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06V10/764
Abstract: 本发明公开一种基于乳腺淋巴结全景图像计算的自动分期系统，属于医学图像信息处理技术领域。根据标注的淋巴结癌转移区域，建立深度卷积网络所需两种正负样本，通过训练深度卷积网络，得出分类正负样本所需要的模型，再将图像组织区域内的每个块送入模型得出其所在位置发生癌转移的概率，建立起概率热值图；然后按淋巴结癌转移的分割区域提取病理组学特征，训练随机森林分类器，构建淋巴结转移状态的自动分类模型，综合同一患者多张淋巴结癌转移的状态构建分期系统。可有效解决依靠病理专家凭经验检判断乳腺癌分期时耗时、费力、误差较高等问题。
-
Patent Agency Ranking
公开(公告)号：CN112750131A
公开(公告)日：2021-05-04
申请号：CN202110132264.2
申请日：2021-01-31
Applicant: 南京信息工程大学
IPC: G06T7/10
Abstract: 本发明是基于尺度和序列关系的骨盆核磁共振图像肌肉骨骼分割方法，首先搜集数字化的核磁共振图像三维序列，并进行手动标记多类肌肉骨骼结构；针对核磁共振图像三维序列进行采样，以连续的三张切面为一组，得到伪RGB三通道的图像数据；基于序列关系和不同肌肉骨骼的图像内容的尺度差异构建肌肉骨骼对象自动分割模型；采用自适应权重的交叉熵损失函数和DICE损失函数进行模型优化；最后对于新采集核磁共振图像三维序列，采样得到伪RGB三通道的图像数据后送入到肌肉骨骼对象自动分割模型中，得到对应于核磁共振图像三维序列的预测结果。该方法能够对核磁共振图像序列中的密集肌肉骨骼的自动分割，得到核磁共振图像序列对应的骨骼肌肉内容的三维重建结果。
-
公开(公告)号：CN112541895A
公开(公告)日：2021-03-23
申请号：CN202011464934.2
申请日：2020-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于组织形态分析的小鼠生精管自动分期系统。属于机器学习和图像处理领域；具体步骤：基于深度残差网络(ResNet)构建小鼠生精管分类模型；提取生精管图像内的细胞层次和组织层次的特征。本发明运用深度学习方法对小鼠睾丸内多类生精管、生精管内多类细胞、生精管内多类区域进行自动分割；另外在特征提取和特征选择的工作中，在现有的病理学特征基础上手动设计长形精子方向特征；最终所选出来的特征分类准确率良好，与病理医生的分期经验相符，可以有效地相互解释，充分验证了所选取出来特征的正确性；另外VI、VII‑mVIII和lateVIII分期系统的成功建立可以为病理医生在分期诊断时提供定量化的信息，辅助病理医生进行分期鉴定。
-
公开(公告)号：CN112529912A
公开(公告)日：2021-03-19
申请号：CN202011464174.5
申请日：2020-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度学习的小鼠睾丸病理切片内多种组织的自动分割方法。属于机器学习和图像处理领域；具体步骤：小鼠睾丸横截面切片的预处理；基于ResNet的小鼠生精管分割模型的建立；建立基于Unet的小鼠生精管内多类生殖细胞和多类组织区域分割。本发明首先运用ResNet结合滑动窗以及逐像素点分割的方法对小鼠睾丸横切面全扫描图像进行生精管预分割；然后，运用Unet分别对生精管内多类细胞核和多类组织区域进行分割；本发明所述的方法取得了良好的性能，为建立小鼠生精管自动分期系统提供了良好的图像分析基础；将来，技术人员将提取小鼠生精管内细胞核和组织区域的组织学特征，用于训练小鼠生精管自动分期分类器。
-
公开(公告)号：CN106326931A
公开(公告)日：2017-01-11
申请号：CN201610726100.1
申请日：2016-08-25
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256 , G06K9/629
Abstract: 本发明公开了基于深度学习的乳腺钼靶图像自动分类方法，包括以下步骤：一，利用不同尺寸滑动窗口在乳腺钼靶图像中癌变区域和正常区域中选取正方形图像块，针对不同尺寸的图像块构建对应于每个尺寸的训练样本集和测试样本集；二，建立对应每个尺寸的卷积神经网络模型，利用各尺寸的训练样本集对模型进行训练；三，利用各尺寸的测试样本集测试对应卷积神经网络模型的准确率，选取准确率最高对应尺寸的卷积神经网络模型；四，利用选取的卷积神经网络模型提取全连接层特征；五，将提取的特征输入线性SVM分类器进行分类，得到图像块的分类类别。本发明提取卷积神经网络模型中全连接层特征作为图像块的分类特征，提高分类的速度和准确度。
-
公开(公告)号：CN106096654A
公开(公告)日：2016-11-09
申请号：CN201610414194.9
申请日：2016-06-13
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6265 , G06K9/6227 , G06K2209/05
Abstract: 本发明公开了一种基于深度学习和结合策略的细胞异型性自动分级方法，首先在不同分辨率下运用深度学习方法识别出病理组织图像块的等级，然后在每个分辨率下运用已经训练好的深度模型结合滑动窗口方法处理当前分辨率下的大幅图像，再使用结合策略之一的绝对多数投票法决定当前分辨率下大幅图像的等级，这就可以得到每个分辨率下大幅图像的等级，最后使用相对多数投票法从多个分辨率的等级中决策出图像的最终等级。本发明以大幅切片图为研究对象，采用深度学习加滑动窗口的方法和结合决策的方式，能准确地评定图像的细胞异型性等级。本发明提出的细胞异型性自动分级的方法能辅助医生对病理组织图像癌症等级评定，准确快速地进行临床诊断。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.039 seconds)
