-
公开(公告)号：CN1568889A
公开(公告)日：2005-01-26
申请号：CN200410017998.2
申请日：2004-04-28
Applicant: 复旦大学
Abstract: 一种用于虚拟内窥镜系统中器官内部浏览的成像视点位置的自动定位方法，属于医学图像处理及应用领域。本发明首先通过距离变换将从CT、MRI等断层图像得到的数据场(以下称原始数据场)转换为一个用距离尺度表示的距离数据场；在定位初始点后，用最大代价生成树的算法对原始数据场建立树结构，得到其最长分支后即完成虚拟内窥镜中心线的自动生成。本发明实现了虚拟内窥镜的中心线自动查找，避免了人工指定位置的操作繁琐和不精确，定位准确，无需再行修正。
-
公开(公告)号：CN117671313A
公开(公告)日：2024-03-08
申请号：CN202210972281.1
申请日：2022-08-15
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/25 , G06V10/82 , G06T7/00 , G06N3/088 , G06N3/0455 , G16H50/20
Abstract: 本发明属于病理图像处理及应用技术领域，涉及一种基于聚类和特征空间修正的病理全切片图像分类方法，其包括，首先，分别将训练集和测试集中所有全切片病理图像切为不重叠的斑块，之后使用掩膜自编码器进行自监督训练并将所有实例都映射到初始特征空间中，然后，基于聚类的特征空间建模方法和基于伪标签的特征空间修正方法，通过特征空间的迭代建模和修正，自动学习到全切片病理图像中的异常斑块，自动完成病理图像的自动诊断和异常区域定位，实现全切片病理图像的自动诊断和异常区域定位。本方法操作简单，具有精度和鲁棒性，节省时间，降低病理诊断的成本。
-
公开(公告)号：CN117636103A
公开(公告)日：2024-03-01
申请号：CN202210972307.2
申请日：2022-08-15
Applicant: 复旦大学
IPC: G06V10/778 , G06V10/774 , G06V10/776 , G06V10/26 , G06V10/40
Abstract: 本发明属于医学图像处理及应用技术领域，涉及用于病理图像标准数据集构建的主动学习方法，包括标准数据集的构建方法及价值样本标注系统。本发明基于主动学习(Active Learning,AL)技术，面向未标注病理图像数据集，衡量其中样本的信息含量，并对样本的标注价值进行排序，然后，将最具有标注价值的样本挑出，送往专家进行标注，组成用于神经网络训练的标准数据集。本方法是解决标注昂贵问题的方案，其可查询有价值的无标注样本进行标注，从而在固定的标注预算下，尽可能地提升训练模型的性能。本方法易推广至其他具有挑战性的人工智能领域，如图像分割、目标检测及图像配准等任务的价值样本挑选，拥有重要和广阔的应用前景。
-
-
公开(公告)号：CN111968138B
公开(公告)日：2022-03-18
申请号：CN202010682603.X
申请日：2020-07-15
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于3D动态边缘不敏感性损失函数的医学图像分割方法。本发明模型采用动态边缘不敏感性损失函数，该损失函数的设计原则为：在每次迭代训练过程中，距离边缘越远的预测错误的像素点，网络对其越敏感，惩罚权重越大。这样可以降低不可信的边缘敏感度，降低不同专家标注数据的边缘不确定性对模型的影响，提高模型对于医学图像分割的泛化性能。同时采用基于注意力机制的U‑net架构，通过融合注意力模块自适应特征图的权重分布，使网络模型的偏差较小，从而减少标注噪声对模型学习的影响，提高医学图像分割模型泛化性与精确度。
-
Patent Agency Ranking
-
公开(公告)号：CN104794684B
公开(公告)日：2018-02-27
申请号：CN201410021069.2
申请日：2014-01-17
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种用于病毒噬斑直径的自动分析方法。本方法包括:首先依据所得噬斑图像的四角区域亮度数据修正原始图像光照不均匀性，得到增强后图像；然后通过在增强后图像上手工少量标记点对噬斑和背景取样，对增强后图像进行图像色彩空间上的多线性回归预测；以回归结果将图像按像素分类为二值图像;对二值图像采取形态学闭运算平滑后，通过对连通区域的面积等属性计数和统计，实现噬斑图像自动分析。本方法操作简单，高效快速，测定精度类似于专家手工测量的结果，处理一张噬斑培养皿图像的时间不大于20秒。能有效提高实验操作人员的工作效率。
-
公开(公告)号：CN103908346B
公开(公告)日：2016-04-20
申请号：CN201210595045.9
申请日：2012-12-31
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种高精度自动神经导航空间配准方法。本发明方法中采用基于高斯混合模型的全局优化点集配准方法，将基于激光扫描仪获得的点云与CT获得的点云得到两个点云之间的坐标变换实现初步配准；然后采用无序点自动配准的方法，将初步配准的结果与神经导航中通过CT重建出来的病人空间再次进行配准。使用结果表明，本发明所述的方法实施简单，精度可靠，便于临床应用，可集成在现有导航系统中，从而大幅度提高导航系统精度。
-
公开(公告)号：CN103445863B
公开(公告)日：2015-10-07
申请号：CN201210180342.7
申请日：2012-06-02
Applicant: 复旦大学
Abstract: 本发明属医疗器械领域，涉及手术导航和增强现实技术，具体涉及基于平板电脑的手术导航和增强现实技术，适用于各类神经外科手术导航和现实增强。本发明采用置有用于红外跟踪的参考架，屏幕不低于800X600的分辨率，支持多点触控及手写输入，支持Wi-Fi无线连接方式，不低于8小时电力续航时间的平板电脑与改进的手术导航系统excelim-04或者更高版本的导航仪构成。平板电脑与导航仪通过Wi-Fi无线连接实时通信，将导航仪的数据发送到平板电脑上，同时将平板电脑拍摄的实时手术视频图像进行虚拟图像和实时真实图像叠加并显示在平板电脑的屏幕，实现了实时手术图像和术前扫描的CT或者MRI数据的完全融合，提高了手术效率和精确度，可广泛应用于各类神经外科的手术导航。
-
公开(公告)号：CN103914823A
公开(公告)日：2014-07-09
申请号：CN201210595023.2
申请日：2012-12-31
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属医学图像分析及应用领域，涉及配准立体目标图像到模板图像的方法，具体涉及基于稀疏表示的快速精确非线性配准立体医学影像的方法，本方法使用模板图像和目标图像检测的标记对应点，通过查找建立的变形场字典和对应点字典，得到稀疏组合系数，该系数能融合变形场字典的相应实例，获得目标图像的最终变形场，将目标图像配准到模板图像上。该方法在临床环境具有较好的应用，可用于神经科学中快速精确地配准大脑核磁共振图像，或者用于放射性治疗前列腺癌中精确定位前列腺的位置，且能以更快地速度实现更准确的配准。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.037 seconds)
