-
公开(公告)号：CN116664602B
公开(公告)日：2023-11-03
申请号：CN202310919310.2
申请日：2023-07-26
Applicant: 中南大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06T7/00
Abstract: 本发明公开了一种基于少样本学习的OCTA血管分割方法，包括获取现有的OCTA血管图像并部分标注；随机抽取图像并数据增强；构建OCTA血管分割原始模型；采用增强后的数据图像训练模型；采用得到的模型进行实际的血管分割。本发明还提供了一种包括所述基于少样本学习的OCTA血管分割方法的成像方法。本发明采用构建的OCTA血管分割模型进行像素级分割预测，并基于不同的输入图像构建不同的损失函数对模型进行训练，从而完成基于少样本学习的OCTA血管分割；因此本发明能够在少样本的情况下完成OCTA图像的血管分割，而且可靠性更高，精确性更好，效率更高。
-
公开(公告)号：CN110390650B
公开(公告)日：2022-02-11
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
公开(公告)号：CN109744996B
公开(公告)日：2021-06-15
申请号：CN201910027537.X
申请日：2019-01-11
Applicant: 中南大学
Abstract: 本发明公开了一种OCT图像的BMO位置定位方法，包括合成二维投影图并对彩色眼底图像进行视盘分割；彩色眼底图和二维投影图进行配准得到二维投影图上的视盘轮廓；视盘轮廓投影到OCT图像上得到两条投影线；分割RPE层并得到BMO点的粗定位点；训练识别网络；以BMO点的粗定位点为中心提取感兴趣区域并输入识别网络；将识别结果进行后处理并选取一致性最好的图像块作为最终的BMO定位区域；最终的BMO定位区域的集合中心即为最终的BMO定位点。本发明方法在BMO定位的精度上优于现有方法，更为接近专家手动标定的结果，而且本发明能够减少BMO周围组织对自动定位造成的影响，帮助临床医生自动标定出BMO位置。
-
公开(公告)号：CN112418290A
公开(公告)日：2021-02-26
申请号：CN202011288531.7
申请日：2020-11-17
Applicant: 中南大学
Abstract: 本发明公开了一种实时OCT图像的ROI区域预测方法，包括构建OCT图像的ROI区域初始预测模型；获取历史OCT图像数据并标定；对构造的OCT图像的ROI区域初始预测模型进行训练得到实时OCT图像的ROI区域预测模型；采用得到的实时OCT图像的ROI区域预测模型对获取的实时OCT图像进行处理得到实时OCT图像的ROI区域预测结果。本发明还公开了包括所述实时OCT图像的ROI区域预测方法的显示方法。本发明通过分组卷积的应用，以及对传统模型的修正和优化，实现了实时OCT图像的ROI区域预测，而且可靠性高、准确性高、有效性好且实用性好。
-
公开(公告)号：CN110390650A
公开(公告)日：2019-10-29
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
Patent Agency Ranking
公开(公告)号：CN109410191A
公开(公告)日：2019-03-01
申请号：CN201811215822.6
申请日：2018-10-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于OCT图像的眼底血管定位方法，包括获取眼底血管的OCT图像；采用梯度阈值法对眼底血管的OCT图像进行感兴趣区域提取；采用自适应种子点区域生长算法对的感兴趣区域进行血管分割得到最终的眼底血管图像数据。本发明还公开了包括所述基于OCT图像的眼底血管定位方法的贫血筛查方法。本发明基于视网膜眼底血管OCT图像，能够有效而清晰的对OCT图像中的眼底血管进行分割；采用该基于OCT图像的眼底血管定位方法的贫血筛查方法，能够有效和准确的通过患者的眼底血管OCT图像对患者的贫血状态机进行筛分。
-
公开(公告)号：CN105913463B
公开(公告)日：2018-12-25
申请号：CN201610222464.6
申请日：2016-04-11
Applicant: 中南大学
Abstract: 本发明提供了一种基于位置先验的纹理‑颜色特征全局显著性检测方法，该方法以像素点为基本单位，在位置先验的基础上，分别提取图像的颜色特征和纹理特征，通过使用某一区域与整幅图像的对比度来计算该区域的显著值，基于全局对比度进行显著性检测，分别生成对应的颜色显著图和纹理显著图，最后将三幅显著图归一化，融合生成主显著图。该方法生成的显著图可以辨识出显著物体，更加符合人类观察结果，同时提高了精度与召回率，生成的显著图更加清晰，辨识度高。
-
公开(公告)号：CN107578181A
公开(公告)日：2018-01-12
申请号：CN201710834420.3
申请日：2017-09-15
Applicant: 中南大学
Abstract: 本发明公开了一种基于统计频率和关联规则的异常学生挖掘方法，包括构建学生-成绩矩阵；得到学生-课程异常矩阵；划分出全局型异常学生；获得学生各课程成绩之间的关联关系；对所有学生的异常科目进行分组合并；划分出偏科型异常学生；对学生进行分类，从而挖掘得到最终的异常学生。本发明提出了一种新的算法，通过统计频率计算学生全部已修科目的考试成绩异常总量，设置合理阈值划分全局型异常学生，有效的降低噪声影响；通过关联规则表达课程的相关性，计算学生出现问题的科目的关联规则信息熵，从而描述学生的偏科程度，能够更加准确的划分出偏科型异常学生。
-
公开(公告)号：CN104616200B
公开(公告)日：2017-10-10
申请号：CN201510072839.0
申请日：2015-02-11
Applicant: 中南大学
Abstract: 本发明提出了一种基于节点特性的在线社会网络影响力最大化初始节点选取方法。首先在网络中，基于用户活跃度、用户敏感度和用户亲密度三方面因素，对节点特性进行评价，并以此为依据对节点之间的信用值进行重新定义和分配，节点之间的信用值大小体现节点之间的影响力，如果两个相邻节点相继执行相同的行为，则认为后者被前者影响，为前者分配信用，之后我们结合网络结构和用户行为日志，计算网络中任意两节点之间的信用值大小，并通过贪心算法，递归选取边际收益最大的节点组成影响力最大化初始节点集合。本发明改进了以往仅依据节点度值评价节点影响力规则的弊端，减少了运算时间和内存消耗，能更真实有效地描述并预测影响力的传播过程。
-
公开(公告)号：CN105138667A
公开(公告)日：2015-12-09
申请号：CN201510562450.4
申请日：2015-09-07
Applicant: 中南大学
CPC classification number: G06F17/30864 , G06Q50/01
Abstract: 一种考虑时延约束的社会网络初始关键节点选取方法。本发明首先结合见面概率和激活概率将网络中用户之间的影响力量化表示为信用分配过程结束后积累在节点上的信用值大小。通过对网络结构和用户行为记录的学习，将尝试见面并激活其他用户而产生的传播阻碍作用转化为传播增量路径度量，并结合时延约束条件限定性地分配信用。最后使用贪心思想递归选取边际收益最大的节点组成初始关键节点集合。本发明构建了一种新的社会网络初始关键节点选取方法，结合概率事件和时延约束条件，改进了以往仅基于节点度值评价节点影响力规则的弊端，提高了选取过程的执行效率，并更加真实有效地模拟和预测网络中行为的传播过程。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.018 seconds)
