-
公开(公告)号：CN105469432A
公开(公告)日：2016-04-06
申请号：CN201510811247.6
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: G06T7/40
CPC classification number: G06T2207/10024 , G06T2207/30004
Abstract: 本发明请求保护一种基于改进树状部分模型的医学图像分割方法，涉及医学图像分割领域，所述方法主要包括以下步骤：对输入图像进行预处理；对预处理之后的图像获得特征点；然后利用凹凸点(Convex Concave Point)算法获得最能表现器官特征的关键点；最后利用树状部分模型训练出器官的模型，利用此模型进行分割。本发明通过CCP算法对医学图像进行分割，能够准确、自动的提取肝脏轮廓，将分割结果显示出来为医学辅助诊断提供参考。
-
公开(公告)号：CN105447492A
公开(公告)日：2016-03-30
申请号：CN201510779328.2
申请日：2015-11-13
Applicant: 重庆邮电大学
CPC classification number: G06K9/4671 , G06K9/627
Abstract: 本发明请求保护一种基于二维局部二值模式(二维LBP)的图像描述方法，涉及数字图像处理、机器视觉的技术领域。本发明首先对数据集中的图像进行预处理，使彩色图像变为灰度图像；采用旋转不变均匀局部二值模式方法(LBPriu)对预处理后的图像进行特征提取，得到图像的局部二值模式图(LBP图)；然后确定LBP图窗口大小，在LBP图上构造二维LBP特征，同时改变LBPriu邻域半径大小，将不同半径对应的二维LBP特征进行融合，构造出描述图像的最终特征；最后选取训练集和测试集，并将测试集与训练集相匹配得到分类结果。本发明利用了图像LBP值的上下文信息，有效提高了对图像描述的准确率。
-
公开(公告)号：CN102662325A
公开(公告)日：2012-09-12
申请号：CN201210135838.2
申请日：2012-05-04
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开一种基于空闲时间长度学习树的电源管理预测方法，涉及网络技术，在现有的基于概率的自适应学习树结构基础上增加了空闲时间长度节点，以空闲时间长度值作为预测依据，并用其对应的低功耗状态控制空闲时间到来时设备进入的模式，同时在空闲时间结束时采用学习树中各种功耗状态的实际历史概率统计对该空闲时间长度预测值进行加权更新，采用“N进制”方法避免了学习树中历史路径的匹配过程。本发明保证了设备空闲时间长度预测值具有较高的准确性，从而得到了更低的设备功耗损失，同时降低了自适应学习树预测和更新过程的复杂性。
-
公开(公告)号：CN118411504B
公开(公告)日：2025-03-18
申请号：CN202410505959.4
申请日：2024-04-25
Applicant: 重庆邮电大学
IPC: G06V10/24 , G06V10/774 , G16H50/20 , G16H30/00
Abstract: 本发明属于医学数据处理领域，具体涉及一种医学图像文本对齐模型的训练方法、装置及设备；所述方法包括获取医学图像、增强视图、医学文本和增强文本；采用图像编码器提取图像特征，采用文本编码器提取文本特征；利用多视图监督图像文本对齐获得更为详尽的医学图像和医学文本表征；利用多尺度自注意力与交叉注意力集成对齐策略能在无需外部信息的情况下，通过内部特征的关联性来理解每个模态的上下文信息，还能够学习到跨模态的信息。利用高置信度聚类信息引导正负样本构建算法能够深入挖掘高阶语义信息，使得预训练完成后的模型能够用于医学图像和其成对的医学报告之间精准的配对能力，以及对图像中病灶区域的精准定位能力，辅助医疗病情诊断。
-
公开(公告)号：CN119600274A
公开(公告)日：2025-03-11
申请号：CN202411748689.6
申请日：2024-12-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多尺度和高效注意力机制的遥感目标检测方法和装置，包括：获取目标遥感图像，将目标遥感图像输入目标检测模型，获得目标检测结果；其中，所述目标检测模型包括：利用3×3的深度可分离卷积替换掉YOLOv7第6网络层ELANBlock中3×3的普通卷积；利用5×5的深度可分离卷积替换掉YOLOv7第8网络层ELANBlock中3×3的普通卷积；利用7×7的深度可分离卷积替换掉YOLOv7第10网络层ELANBlock中3×3的普通卷积；利用基于多尺度高效注意力的MIA‑M模块替换掉YOLOv7第17网络层ELANBlock和第23网络层ELANBlock；利用基于多尺度高效注意力的MIA‑S模块替换掉YOLOv7第21网络层ELANBlock；利用多尺度高效注意力的MIA‑L模块替换YOLOv7第25网络层ELANBlock，得到目标检测模型。
-
Patent Agency Ranking
公开(公告)号：CN119600037A
公开(公告)日：2025-03-11
申请号：CN202411748445.8
申请日：2024-12-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于U型大核深度卷积网络的三维医学图像分割方法及装置，包括：获取三维医学图像，将三维医学图像输入图像分割模型，得到分割结果；其中，所述图像分割模型包括：大核深度卷积、特征提取支路和特征解码支路；所述特征提取支路包括：4个级联的特征提取阶段；所述大核深度卷积用于将三维医学图像缩小得特定分辨率得到初始特征f0；将初始特征f0输入4个级联的特征提取阶段依次进行特征提取，得到尺度由大到小的高级特征f1～f4；将初始特征f0和高级特征f1～f4通过特征解码支路解码到与输入三维医学图像相同大小得到融合特征F1；将三维医学图像通过一个Res块进行残差卷积得到融合特征F2；通过将融合特征F1和融合特征F2进行拼接得到特征F3，将特征F3输入带有softmax激活函数的1×1×1的卷积层预测得到最终的分割结果，提高分割效果。
-
公开(公告)号：CN119559469A
公开(公告)日：2025-03-04
申请号：CN202411596290.0
申请日：2024-11-11
Applicant: 重庆邮电大学
IPC: G06V10/80 , G06V10/20 , G06V10/30 , G06V10/44 , G06V10/60 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于图像去噪和照度增强的多模态医学图像融合方法，包括：将多模态医学图像输入照度和对比度增强网络进行光照强度校正生成增强图像；为多模态医学图像添加随机噪声得到噪声图像；将噪声图像输入去噪和重建网络进行去噪和重建任务；将增强图像和多模态医学图像作为标签共同监督训练去噪和重建网络，获得具有去噪和照度增强功能的特征编码器和特征解码器，利用训练好的特征编码器分别提取不同模态图像的特征，得到模态特征图，将不同模态图像的模态特征图进行特征融合，采用训练好的特征解码器对融合后的特征图进行重建得到多模态医学图像融合结果。本发明解决图像融合受到噪声噪声干扰，照度退化和融合效率低下的问题。
-
公开(公告)号：CN119027429A
公开(公告)日：2024-11-26
申请号：CN202410899326.6
申请日：2024-07-05
Applicant: 重庆邮电大学
IPC: G06T7/10 , G06V10/44 , G06V10/42 , G06V10/80 , G06N3/0464
Abstract: 本发明请求保护一种基于改进的尺度融合脑肿瘤分割方法，旨在通过聚合编码器层内和层间的尺度信息，改进尺度特征融合，实现准确的脑肿瘤图像给分割，属于计算机视觉领域。所述方法包括以下步骤：步骤1.本发明提出了一种全局局部特征混合器，该模块通过并行捕获局部细节特征和全局上下文信息，实现全局‑局部尺度的信息混合，以解决脑肿瘤位置不确定性问题。步骤2.本发明设计了一个多尺度扩张初始模块，该模块能有效捕获多尺度的形状特征，旨在提高网络适应脑肿瘤不同形状的能力。步骤3.本发明设计了一个多尺度特征聚合模块，该模块能有效聚合来自编码器不同层级的多尺度特征，有助于缓解脑肿瘤大小不确定性问题。
-
公开(公告)号：CN114022916B
公开(公告)日：2024-07-23
申请号：CN202110430028.9
申请日：2021-04-21
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种基于可视化脸型判断的面部美学评估方法及存储介质，包括步骤：S1对面部图像进行标记点定位；S2通过B样条函数对面部轮廓标记点进行插值建模；S3根据插值曲线求面部轮廓曲率特征；S4根据面部表情研究理论提取几何特征；S5通过Garbor滤波器提取纹理特征；S6通过卷积神经网络VGG提取肤色和头发等特征；S7将上述四种特征融合，采用支持向量机SVR对面部美学进行评估。本发明结合B样条、Garbor滤波和深度学习算法提取混合特征来描述面部美学。使得最终的特征涵盖了整个面部信息。
-
公开(公告)号：CN118334064A
公开(公告)日：2024-07-12
申请号：CN202410512357.1
申请日：2024-04-26
Applicant: 重庆邮电大学
IPC: G06T7/12 , G06V10/764 , G06V10/774 , G06V10/82 , G06F9/50
Abstract: 本发明属于医学图像处理领域，具体涉及一种基于混合注意力机制的膝关节软骨图像分割方法，包括：获取膝关节软骨图像并进行预处理，将预处理后的膝关节软骨图像输入训练好的图像分割模型，得到图像分割结果；图像分割模型包括：N层编码器、N‑1层解码器、边缘注意力提取模块以及自注意力模块；编码器与对应层数的解码器跳跃连接；本发明通过提出一种边缘注意力提取机制，通过提取膝关节软骨边界组织信息，在一定程度上改善卷积神经网络感受野有限导致的分割不连续问题；本发明将边缘注意力提取机制和自注意力机制结合获得混合注意力，根据混合注意力使得边界组织模糊的膝关节软骨图像的分割更加准确。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.026 seconds)
