-
公开(公告)号：CN114612479A
公开(公告)日：2022-06-10
申请号：CN202210121683.0
申请日：2022-02-09
Applicant: 苏州大学
Abstract: 本发明涉及一种基于全局与局部特征重建网络的医学图像分割方法、设备、装置及计算机存储介质，本发明提供的基于全局和局部特征重建网络，其中的全局特征重建GFR模块通过全局描述子将语义信息从高层级特征引入到低层级特征，消除各层级特征之间的语义间隔，并采用跨级全局描述子重建特征图，使得网络获得全局感受野，实现长距离特征依赖建模；局部特征重建LFR模块实现基于低阶段特征图引导的特征动态上采样，通过动态地重建局部特征，将低阶段特征图中的空间细节信息传递到高阶段特征图中，从而实现特征的空间信息恢复，克服现有技术中U型编解码器网络中的全局特征提取与长距离特征依赖建模能力不足、特征图空间信息的恢复不足等问题，提升了图像分割精度。
-
公开(公告)号：CN113160226A
公开(公告)日：2021-07-23
申请号：CN202110565331.X
申请日：2021-05-24
Applicant: 苏州大学
Abstract: 本发明涉及一种基于双向引导网络的AMD病变OCT图像的分类分割方法及系统，包括以下步骤：获取OCT图像，将所述OCT图像分成训练集、验证集和测试集；构建掩模互补卷积神经网络以用于OCT图像的分类；采用Grad‑CAM算法计算掩模互补卷积神经网络的类激活图，获得类激活图的输出；构建类激活图引导的U型分割网络以用于OCT图像中病变区域的分割；通过训练集和验证集对网络进行训练，获得优化后的掩模互补卷积神经网络和类激活图引导的U型分割网络；将测试集代入优化后的掩模互补卷积神经网络和类激活图引导的U型分割网络中，实现OCT图像的分类和分割。其能够对含有玻璃膜疣、CNV以及正常视网膜OCT图像进行准确的分类，并给出病变区域精确的分割结果。
-
公开(公告)号：CN112614112A
公开(公告)日：2021-04-06
申请号：CN202011553440.1
申请日：2020-12-24
Applicant: 苏州大学
Abstract: 本发明公开了一种MCSLI图像中条纹损伤的分割方法，先构建基于U‑Net网络的融合型图像分割网络模型；再选取多个MCSLI图像构成训练数据集，并将训练数据集输入所述融合型图像分割网络模型中进行训练，并根据训练结果优化所述融合型图像分割网络模型；将待处理的MCSLI图像输入优化后的融合型图像分割网络模型中进行条纹损伤的分割。本发明能够精确高效地实现MCSLI图像的条纹损伤的自动分割。
-
公开(公告)号：CN112308863A
公开(公告)日：2021-02-02
申请号：CN202011161061.8
申请日：2020-10-27
Applicant: 苏州大学
Abstract: 本申请实施例公开一种基于改进U型网络的视网膜OCT图像中近视性黄斑病变区域分割方法，该方法包括：搭建网络结构，网络结构包括编码器模块、特征聚合池化模块FAPM、解码器模块、深监督模块，特征聚合池化模块FAPM设置于编码器模块的编码器通道中，用于进行下采样聚合全局上下文信息以及局部信息，深监督模块设置于解码器的除底层以外的各层中，用于引导网络生成更具有代表性的特征图；实验，采用光学相干断层扫描OCT图像中RBCC损伤和近视牵引纹病变区域的联合分割任务对网络结构的输出进行验证。本申请的基于改进U型网络的视网膜OCT图像中近视性黄斑病变区域分割方法实现视网膜OCT图像中的RBCC损伤和近视牵引纹的自动分割，提高了小目标分割性能。
-
Patent Agency Ranking
公开(公告)号：CN111325755A
公开(公告)日：2020-06-23
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：CN111292338A
公开(公告)日：2020-06-16
申请号：CN202010073201.X
申请日：2020-01-22
Applicant: 苏州大学
IPC: G06T7/11
Abstract: 本发明公开了医学图像处理技术领域的一种从眼底OCT图像中分割脉络膜新生血管的方法及系统，旨在解决现有技术中脉络膜新生血管的分割结果中分割准确度低、病变的边界区域不清晰的技术问题，采集包含脉络膜新生血管病变的眼底OCT图像；构建基于差分放大模块的卷积神经网络；训练构建的基于差分放大模块的卷积神经网络并测试；使用训练好的网络从眼底OCT图像中分割脉络膜新生血管。本发明采用VGG16作为U-Net网络的编码部分，在每个卷积块的池化操作之后连接一个差分放大模块，构成跳跃连接，来增加网络在训练时对高低频信息的注意，采用二进制交叉熵损失函数和Dice损失函数之和作为损失函数来约束整个网络，分割准确度高、病变的边界区域更加清晰精确。
-
公开(公告)号：CN109509178A
公开(公告)日：2019-03-22
申请号：CN201811240108.2
申请日：2018-10-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于改进的U-net网络的OCT图像脉络膜分割方法，该U-net网络主要改进点包括：(1)通过在网络中增加编码器和译码器的数量来提取更多特征信息；(2)在编码器后面加入精致残差块来增强每一层识别能力；(3)在译码器后面加入注意力模块让高层语义信息指导底层细节信息；(4)损失函数采用传统的L2损失和Dice损失结合来共同约束网络模型，采用本发明改进的U-net网络可以自动分割无论是正常人眼还是病理性近视人眼脉络膜的上下边界，并且分割结果准确性高。
-
公开(公告)号：CN105551038A
公开(公告)日：2016-05-04
申请号：CN201510924198.7
申请日：2015-12-14
Applicant: 苏州大学
IPC: G06T7/00
CPC classification number: G06T2207/10101 , G06T2207/20081 , G06T2207/30041
Abstract: 本发明公开了一种基于三维OCT图像的全自动分类及分割视网膜分支动脉阻塞的方法，包括以下几个步骤：预处理：通过图搜索算法对视网膜进行分层，然后根据色素上皮层对视网膜各层进行拉平；使用AdaBoost分类器对视网膜分支动脉阻塞的急性期和萎缩期进行自动分类；视网膜分支动脉阻塞急性期的分割：首先采用贝叶斯后验概率对阻塞区域进行初始化分割；然后基于图搜索-图割算法对阻塞区域进行精确分割；(4)视网膜分支动脉阻塞萎缩期的分割：通过建立内视网膜厚度模型来对萎缩期的阻塞区域进行自动分割。本发明能够准确的对视网膜分支动脉阻塞区域进行分类和分割,能够替代手动的分类和分割。
-
公开(公告)号：CN104835148A
公开(公告)日：2015-08-12
申请号：CN201510181368.7
申请日：2015-04-16
Applicant: 苏州大学
IPC: G06T7/00
Abstract: 本发明公开了一种视网膜囊状水肿的自动分割方法，包括预处理：去除OCT图像的散斑噪声，采用三维图搜索的方法将视网膜分为11层；排除黄斑裂孔及血管阴影，得到第1层至第7层内视网膜即感兴趣区域；粗糙分割：在感兴趣区域提取23个纹理特征，采用主成分分析法进行特征选择，并使用Adaboost分类器训练，得到粗糙分割结果；精确分割：在粗糙分割结果上使用数学形态学算法得到图割算法所需的背景点和前景点，训练图割算法的参数，用全自动的图割算法得到精确分割结果。本发明在黄斑裂孔和囊样水肿两种病症同时存在时，依然可以实现囊样水肿的精确分割。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.021 seconds)
