公开(公告)号：CN105303537B

公开(公告)日：2018-08-28

申请号：CN201510844775.1

申请日：2015-11-26

Applicant: 东南大学

Inventor： 杨冠羽 ,  宁秀芳 ,  王征 ,  舒华忠

IPC: G06T5/00

Abstract: 本发明公开了一种医学图像三维血管显示增强方法，将血管增强看作一个滤波过程，以寻找符合人类血管管状特征的几何结构为主线。该方法首先是基于血管的形状特征，设计出一个类似管状的滤波器；然后是基于血管方向、直径的多样性，构造出一个方向和尺度均可调的滤波器组；最后是将滤波器组与待增强CTA/MRA图像进行空间卷积，经过一系列后处理得到最终增强图像。本发明公开的方法能够有效地改善血管的可视化效果，尤其是血管末梢的微小血管，以及对背景区域(比如相对平坦的面状区域、斑点状区域)与噪声的抑制，为构造一个性能优异的术中导航系统提供了坚实的基础。

公开(公告)号：CN103150709B

公开(公告)日：2016-10-26

申请号：CN201310057984.2

申请日：2013-02-22

Applicant: 东南大学

Inventor： 严路 ,  伍家松 ,  杨淳沨 ,  沈傲东 ,  舒华忠 ,  韩旭

IPC: G06T5/00 ,  G06T9/00

Abstract: 本发明公开了一种基于伪牛顿法的四元数域彩色图像压缩感知恢复方法，将彩色图像二维矩阵转化到四元数域的二维矩阵，对四元数域的二维矩阵只进行一次压缩感知就能恢复原始的彩色图像，比传统的对彩色图像的RGB三个分量分别进行压缩感知要节约运算时间。本发明将四元数矩阵信号写成四元数的欧拉形式，用幅度和相位作为压缩感知优化问题新的约束项，比传统将彩色图像RGB三个通道的数据转化为三个实数二维矩阵分别处理的恢复结果更好。本发明的结果图像是按行进行压缩传感解码得到的图像与按列进行压缩传感解码得到的图像的均值，这样比单独按行处理或单独按列处理恢复的图像更为平滑。

公开(公告)号：CN105957117A

公开(公告)日：2016-09-21

申请号：CN201610264588.0

申请日：2016-04-26

Applicant: 东南大学

Inventor： 贺润国 ,  姜龙玉 ,  宋文博 ,  洪亚萍 ,  伍家松 ,  舒华忠

IPC: G06T11/00 ,  G06T5/00

CPC classification number: G06T11/003 ,  G06T5/001 ,  G06T2207/10088

Abstract: 本发明公开了一种并行磁共振的图像重建方法，属于磁共振成像技术领域。该方法将用于单线圈MRI重建的二维k空间数据的相位条件扩展到适用于并行成像重建的三维k空间数据集；通过构造基于多线圈k空间数据的低秩数据矩阵，并利用矩阵填充的方法来重建这个数据矩阵从而实现并行磁共振图像的重建。从而可用较少的采样数据和更短的图像重建时间获得更好的重建图像质量，且重建过程中不需要自校正环节，可以更好地抑制噪声。本发明还公开了一种并行磁共振的图像重建装置及一种并行磁共振成像系统。

公开(公告)号：CN103106643B

公开(公告)日：2015-08-26

申请号：CN201310030711.9

申请日：2013-01-25

Applicant: 东南大学

Inventor： 韩旭 ,  伍家松 ,  杨冠羽 ,  王征 ,  严路 ,  舒华忠

IPC: G06T5/00

Abstract: 本发明公开了一种低采样率下四元数域彩色图像恢复的方法，属于数字图像处理技术领域。本发明首先在四元数域表达一幅彩色图像，即将彩色图像的R分量，G分量，B分量的值分别放在四元数的三个虚部里面；然后，利用均匀随机矩阵对原始整幅彩色图像进行下采样，得到采样后的部分彩色图像；然后，我们将部分彩色图像进行存储或者传输；最后，利用四元数的实数表达形式及四元数矩阵填充理论，通过采样后的部分彩色图像将原始彩色图像恢复出来。本发明方法利用四元数运算法则约束性强的特点，提高了低采样率情况下彩色图像恢复的精度，同时简化了采样时的复杂度和数据存储量。

公开(公告)号：CN104573729A

公开(公告)日：2015-04-29

申请号：CN201510037296.9

申请日：2015-01-23

Applicant: 东南大学

Inventor： 吴丹 ,  伍家松 ,  姜龙玉 ,  杨淳沨 ,  达臻 ,  舒华忠

IPC: G06K9/62

Abstract: 本发明公开一种基于核主成分分析网络的图像分类方法，包括以下步骤：（1）输入并预处理训练图像，得到训练图像的局部特征矩阵，（2）建立一个两层的核主成分分析网络，获得训练图像的主特征向量，（3）并用获得的主特征向量训练分类器；为了验证分类的正确性，建立测试核主成分分析网络对测试图像进行测试。本发明通过构造一个两层的核主成分分析网络，能够获得图像的非线性特征，使得图像特征的描述更精确，分类也更为准确，对于图像分类问题有着更高的正确率。

公开(公告)号：CN104091346A

公开(公告)日：2014-10-08

申请号：CN201410356582.7

申请日：2014-07-24

Applicant: 东南大学

Inventor： 杨冠羽 ,  王征 ,  宁秀芳 ,  孙巧榆 ,  舒华忠

IPC: G06T7/00 ,  G06F19/00 ,  A61B6/03

Abstract: 本发明公开了一种全自动CT图像冠状动脉钙化分数计算方法。该方法首先利用同一病人的冠状动脉CT造影图像，分割心脏及主动脉区域，提取冠状动脉中轴线并命名，然后将这些结果通过图像配准映射到普通CT图像上，生成一个用于钙化点检测的感兴趣区域，从而精确定位CT图像中位于冠状动脉血管壁上的钙化点。此外，利用冠状动脉中轴线命名结果，本方法还能区分属于不同冠状动脉主要分支的钙化点。本发明公开的方法能够有效提高冠状动脉钙化分数计算的准确性及计算机辅助诊断的效率。

公开(公告)号：CN102215406B

公开(公告)日：2012-10-24

申请号：CN201110198330.2

申请日：2011-07-15

Applicant: 东南大学

Inventor： 舒华忠 ,  伍家松 ,  王膂 ,  李宝生 ,  罗立民

IPC: H04N7/26 ,  H04N7/30

Abstract: 本发明公开了一种基于DCT变换的分段编码信号的快速解码方法，属于信号处理技术领域。本发明将长度为N/5的信号序列{am},{bm},{cm},{dm},{em},（m=0,1,…,N/5–1）的DCT域系数{Ai},{Bi},{Ci},{Di},{Ei},（i=0,1,…,N/5–1）转换为长度为N的原始编码信号序列{xn},（n=0,1,…,N–1）的DCT域系数{Xk}（k=0,1,…,N–1）,其中{Xk}的计算分成{X5i},{X5i+1},{X5i+2},{X5i+3},{X5i+4},（i=0,1,…,N/5–1）五个部分分别进行计算，减少了DCT变换次数，从而降低了解码过程的计算复杂度。相比现有技术，本发明方法具有较低的复杂度，解码实时性更好。

公开(公告)号：CN118967719A

公开(公告)日：2024-11-15

申请号：CN202411059017.4

申请日：2024-08-02

Applicant: 东南大学

Inventor： 池强 ,  舒华忠 ,  刘宇航 ,  章悦

IPC: G06T7/11 ,  G06T7/187 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82

Abstract: 本发明公开了一种基于自注意力机制和对比学习的小样本医学图像分割方法，该方法首先需要对核磁共振成像(Magnetic Resonance Imaging，MRI)数据进行预处理，将处理后的数据进行预分割；然后将预分割结果进行掩码矫正得到伪掩码；将伪掩码及其对应的医学图像送入深度学习网络模型，根据综合损失更新模型参数并保存模型训练结果；利用训练过的模型对新的医学图像数据进行分割，得到分割掩码。本发明通过对伪掩码进行矫正提高了网络模型学习的准确性，自注意力机制和对比学习的加入实现了小样本训练过程内部传递信息并抑制了图像背景信息干扰，在有限的标注数据情况下实现了对医学图像的高效分割。

公开(公告)号：CN118941708A

公开(公告)日：2024-11-12

申请号：CN202410924033.9

申请日：2024-07-11

Applicant: 东南大学 ,  南京医科大学附属口腔医院

Inventor： 陈铭璋 ,  孙晴陌 ,  伍家松 ,  舒华忠 ,  刘璐玮 ,  包涵 ,  严斌

IPC: G06T17/00 ,  G06T15/04 ,  G06T15/08 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明公开了一种基于扩散模型的三维人脸生成方法，首先，使用了一种预训练的编码器，用于从CBCT扫描中提取隐空间向量。然后，将这些向量输入到特定的合成模块中，该模块能够预测三维人脸的形状和纹理。通过使用扩散模型，本发明实现了从CBCT数据到三维人脸参数空间的高效映射。此外，还探索了使用StyleGAN2网络进行材质生成，以提高最终三维人脸模型的细节和真实感。本方法避免了传统多阶段处理流程的复杂性，显著提高了推理速度，并通过生成的三维人脸模型，有效支持在正畸学、口腔和颌面外科以及整形外科等领域中的诊疗设计和医患沟通。此外，本发明还创建了一个细粒度的三维人脸数据集，为模型的训练和验证提供了必要的真实数据。

公开(公告)号：CN118887127A

公开(公告)日：2024-11-01

申请号：CN202411051326.7

申请日：2024-08-01

Applicant: 东南大学

Inventor： 刘宇航 ,  舒华忠 ,  章悦 ,  池强

IPC: G06T5/70 ,  G06T5/60 ,  A61B6/03 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于分解卷积神经网络的自监督低剂量CT去噪方法。该方法首先获取低剂量计算机断层扫描(Low Dose Computed Tomography,LDCT)影像学DICOM数据；其次将LDCT影像学数据中CT扫描边界之外的像素点的值设置为0，并在[‑1024,3072]范围内进行归一化处理，将其存储为NPY格式；然后将低剂量CT数据集输入到基于图像分解的自监督去噪网络中进行训练，得到训练模型；最后，利用得到的训练模型对新的LDCT进行预测，获得去噪后的图像。本发明通过将LDCT图像分解成干净图像、与信号相关噪声图像以及与信号无关噪声图像，能够在无标签图像的情况下从LDCT图像中分离出高质量CT图像。本发明能够通过训练好的深度学习去噪模型直接得到去噪图像，为临床医生的影像诊断工作提供了技术支持。