公开(公告)号：CN105427325A

公开(公告)日：2016-03-23

申请号：CN201510890132.0

申请日：2015-12-07

Applicant: 苏州大学

Inventor： 陈新建 ,  蒋雪晴 ,  向德辉 ,  章斌

IPC: G06T7/00

CPC classification number: G06T2207/10081 ,  G06T2207/10104 ,  G06T2207/30061

Abstract: 本发明公开了一种基于随机森林和单调下降函数的肺肿瘤的自动分割方法，先利用肿瘤在PET图像上的亮度变化特征得到肺肿瘤的初始位置，然后通过特征提取来充分利用肿瘤在PET图像的新陈代谢信息和CT图像的解剖信息，最后通过随机森林算法实现肿瘤精确地分割。本发明提供的一种基于随机森林和单调下降函数的肺肿瘤的自动分割方法，可自动精确确定肺肿瘤的位置和大小，以达到在临床上协助医生对肺肿瘤的治疗，无需人为介入即可达到更快速和更精确的全自动分割肺肿瘤。

公开(公告)号：CN104143087A

公开(公告)日：2014-11-12

申请号：CN201410356040.X

申请日：2014-07-24

Applicant: 苏州大学

Inventor： 陈新建 ,  朱伟芳 ,  张立春 ,  陈浩宇 ,  石霏 ,  向德辉 ,  王莉芸 ,  张莉 ,  高恩婷

IPC: G06K9/00 ,  G06K9/36 ,  G06K9/46 ,  A61B3/10

Abstract: 本发明公开了一种基于SD-OCT图像的挫伤性视网膜内节/外节缺失三维自动检测方法，包括以下步骤：（1）图像预处理，采用多尺度三维图割方法将视网膜内部自动分割成11个表面，提取位于第7表面和第8表面之间的内节/外节区域作为感兴趣区域，进行平坦化处理和双线性滤波增强；（2）对感兴趣区域中每个体素提取5类（共计57个）特征；（3）采用主成份分析方法对特征进行优化选择；（4）将特征样本分成训练集和测试集，对训练集样本采用Adaboost算法训练集成分类器；（5）对测试集样本进行缺失/非缺失识别；（6）对识别结果进行血管轮廓影响排除和孤立点排除等后处理，计算相应的缺失体积，缺失体积识别误差小，准确性好。

公开(公告)号：CN119477945A

公开(公告)日：2025-02-18

申请号：CN202410827234.7

申请日：2024-06-25

Applicant: 苏州大学

Inventor： 彭涛 ,  吴非 ,  范明敏 ,  陈新建 ,  朱伟芳

IPC: G06T7/12 ,  G06T7/00 ,  G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了轻量化的头颈部淋巴结图像分割方法及系统，涉及图像处理技术领域。本发明包括：接收淋巴结图像进行预处理，并将图像数据划分为训练集和测试集；构建以U‑Net网络为基础的分割网络结构，分割网络结构中包括编码器、体积部分卷积层、卷积块及解码器；在分割网络结构的输出端添加轻量级边界细化输出模块，用于进一步细化边缘；利用训练集对上述分割网络结构进行训练，以总体损失函数最小化为网络优化目标函数，优化分割网络结构。本发明在编码器和解码器之间添加体积部分卷积、卷积块及轻量级边界细化输出模块，能够在增强分割结果的精确度的同时有效减少计算量和参数量，提高计算效率和模型性能。

公开(公告)号：CN112819867B

公开(公告)日：2024-11-22

申请号：CN202110167328.2

申请日：2021-02-05

Applicant: 苏州大学

Inventor： 向德辉 ,  彭云祯 ,  陈新建

IPC: G06T7/30 ,  G06T3/4007

Abstract: 本申请公开了一种基于关键点匹配网络的眼底图像配准方法，方法包括：获取样本眼底图像，样本眼底图像包括n个图像对；将样本眼底图像输入至刚性配准网络，得到刚性变换矩阵；根据刚性变换矩阵对固定图像中的关键点坐标做刚性变换，得到变换后的关键点坐标；采用空间变换层根据变换得到的关键点坐标生成浮动图像配准后的配准图像；训练刚性配准网络，得到训练后的刚性配准网络，训练后的刚性配准网络用于对眼底图像进行配准，训练仿射配准网络，得到训练后的仿射配准网络，训练后的仿射配准网络用于对眼底图像进行精细配准。解决了现有方案中非监督的配准方案配准效果较差的问题，达到了可以提高配准精度的效果。

公开(公告)号：CN118799336A

公开(公告)日：2024-10-18

申请号：CN202410827232.8

申请日：2024-06-25

Applicant: 苏州大学

Inventor： 彭涛 ,  徐一航 ,  田腾 ,  陈新建 ,  向德辉 ,  焦儒旺

IPC: G06T7/10 ,  G06T7/00 ,  G06T5/50 ,  G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于泊松融合数据增强的糖尿病视网膜病变分割方法，涉及医学图像分割技术领域。本发明包括：接收病变图像，采用基于均值坐标的泊松融合算法对病变图像进行扩充，并对其进行预处理，然后将数据集划分为训练集和测试集；构建以U‑Net++网络为基础的分割网络结构，分割网络结构中包括编码器、解码器，在编码器中，将标准卷积模块替换为残差模块，并在每一个残差模块后加入轻量化的通道注意力机制。本发明在编码器和解码器中间添加残差模块及轻量化通道注意力机制，不仅可以有助于保留原始输入信息，并在网络深度增加时保持信息的流动，使模型更好地聚焦于输入数据中的重要部分，避免信息丢失的问题，还有效的提升了模型的性能。

公开(公告)号：CN116206108B

公开(公告)日：2024-09-20

申请号：CN202310124231.2

申请日：2023-02-16

Applicant: 苏州大学

Inventor： 石霏 ,  刁胜勇 ,  陈新建 ,  孟庆权

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/44 ,  G06V20/70 ,  G06V40/18 ,  G06T7/00

Abstract: 本发明提供一种基于域自适应OCT图像脉络膜分割网络模型及方法，网络模型包括：预处理模块、分割器模块、鉴别器模块以及二阶段优化模块；所述预处理模块用于对源域图像和目标域图像进行预处理；所述分割器模块与所述预处理模块连接，所述分割器模块包括特征编码器以及特征解码器；所述分割器模块和所述鉴别器模块连接，所述分割器模块和所述鉴别器模块用于对源域数据特征与目标域数据特征进行对抗训练，得到目标域图像预测概率图；所述二阶段优化模块用于基于目标域图像预测概率图对所述分割器模块进行再次训练，得到更新的分割器模型。从图像层面以及特征层面上提高模型的泛化性能，并进一步地优化目标数据的分割结果，提高跨域数据分割的精度。

公开(公告)号：CN118628517A

公开(公告)日：2024-09-10

申请号：CN202410827228.1

申请日：2024-06-25

Applicant: 苏州大学

Inventor： 彭涛 ,  阮怡文 ,  陈新建 ,  张光宇 ,  朱伟芳 ,  向德辉

IPC: G06T7/13 ,  G06T7/64 ,  G06T7/00 ,  G06V10/762 ,  G06N3/084

Abstract: 本发明公开了基于优化聚类和分数阶误差反传网络轮廓提取方法及系统，涉及轮廓提取技术领域，包括：获取采样点，利用采样点生成凸包的边界，根据凸包边界计算凸包内点；根据凸包内点和采样点计算Voronoi图并构建凸多边形，判断Voronoi图是否稳定，不稳定则重新计算凸包至稳定，如稳定则提炼Voronoi点，并以Voronoi点计算Voronoi圆以寻找拐点；将拐点计算得出MinPts，并寻找使用簇点，计算簇点轮廓系数，根据簇点轮廓系数并确定最优簇点；计算最优簇点是否收敛，如不收敛则重新计算凸包，如收敛则计算获得数据序列；并至预先建立的初始化分数阶误差反传模型内训练，输出得到最终光滑对象轮廓。

公开(公告)号：CN116246331B

公开(公告)日：2024-08-16

申请号：CN202211552123.7

申请日：2022-12-05

Applicant: 苏州大学

Inventor： 陈新建 ,  高嵩 ,  石霏 ,  朱伟芳 ,  陈中悦

IPC: G06V40/18 ,  G06V10/32 ,  G06V10/80 ,  G06V10/82 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及深度学习技术领域，尤其是指一种圆锥角膜自动分级方法、装置及计算机存储介质、眼科成像设备。本发明所述的圆锥角膜自动分级方法，将五张地形图作为一个整体作为输入，充分考虑了多张角膜地形图之间的联系，基于自注意力的特征提取模块通过获取输入特征的各个通道的相应维度的平均值和最大值，并基于这些不同维度的丰富信息生成注意力权重，从而能够指导网络提取重要的特征信息；特征融合模块基于注意力机制可以自适应地校准上下级通道维度的特征，并将上下级特征按照一定权重进行特征融合，从而得到更利于分类的高级特征，能够使得网络更加专注于角膜地形图中的关键特征，在圆锥角膜严重程度分级任务上取得了出色的性能。

公开(公告)号：CN118135222A

公开(公告)日：2024-06-04

申请号：CN202410313369.1

申请日：2024-03-19

Applicant: 苏州大学

Inventor： 向德辉 ,  许文轩 ,  陈新建 ,  彭涛

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/776 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/096

Abstract: 本发明公开了一种基于跨模态一致性的单模态图像分割方法，包括：步骤1：基于分割网络搭建由辅助网络模型、教师网络模型和学生网络模型组成主干网络；步骤2：搭建并训练对比度提取网络模型；步骤3：将训练好的对比度提取网络模型嵌入到主干网络中，使训练好的对比度提取网络模型以学生网络模型提取的特征为输入；步骤4：训练嵌入有训练好的对比度提取网络模型的主干网络，得到训练好的学生网络模型；步骤5：将待分割的单模态图像输入至训练好的学生网络模型中，得到分割结果；本发明方法有助于提高MR图像中器官或组织的分割效果，同时可用于只有单模态MR图像的常规临床场合。

公开(公告)号：CN116823728A

公开(公告)日：2023-09-29

申请号：CN202310612590.2

申请日：2023-05-29

Applicant: 苏州大学

Inventor： 陈新建 ,  刘灯风 ,  朱伟芳

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/13 ,  G06V10/44 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及图像处理领域。本发明提出的一种基于图像处理的睑板腺腺体分割方法构建了睑板腺腺体检测网络，包括特征编码路径、特征解码路径、条形混合注意力模块、多尺度注意力模块、边界检测辅助网络以及自适应交互信息融合模块。利用构建的睑板腺腺体检测网络对待检测的睑板腺腺体图像进行分割，通过条形混合注意力模块提高了网络对条形目标的关注，利用多尺度注意力模块获多尺度特征，利用边界检测辅助网络辅助腺体分割，提升了对睑板腺腺体分割的准确性。