公开(公告)号：CN117036378A

公开(公告)日：2023-11-10

申请号：CN202310743061.6

申请日：2023-06-21

Applicant: 三峡大学

Inventor： 石勇涛 ,  李明 ,  雷帮军 ,  仰帅 ,  鄢江涛

IPC: G06T7/11 ,  G06T7/00 ,  G06V10/75 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开了一种基于改进SSD前列腺图像分割算法，该方法是先定位、后分割的前列腺分割算法，方法首先利用改进的SSD目标检测算法对待分割的前列腺超声图进行检测定位，接着利用先验知识制作的平均模板对前列腺进行分割从而完成分割任务，不仅有效的提高了分割精度，并且有着较强的泛化能力；解决了现有技术模型学习不充分，泛化能力差，未能很好的完成对前列腺超声图的分割的问题；发挥了深度学习与传统方法各自的优势，在实际应用中达到了精度高、耗时短的效果，实现了端到端的分割，操作过程简单方便，解放了医务人员的双手，分割结果清晰直观。

公开(公告)号：CN115169533A

公开(公告)日：2022-10-11

申请号：CN202210791724.7

申请日：2022-07-05

Applicant: 三峡大学

Inventor： 石勇涛 ,  李伟 ,  雷帮军 ,  尤一飞 ,  高超

IPC: G06N3/04 ,  G06N3/08 ,  G06T7/12

Abstract: 本发明属于医疗影像技术领域，且公开了双向指数加权移动平均算法的前列腺超声图像分割方法，具体步骤如下：S1、初步定位，通过设定的定位卷积网络获得变换定位矩阵系数得到变换定位矩阵以及通过点分布模型和主成分分析得到的平均模板，结合两者进行初定位。本发明通过Hodge提出的法向量轮廓边界算子的基础上进行改进，综合考虑邻域联合信息法向量的边界算子对前列腺进行分割，并且提出了一种基于双向指数加权移动平均的方法来实现对前列腺形状的分割，在边界算子的基础上，使用法向量索引值为数据输入，本方法一次输入数据的效果比普通多次迭代的分割效果要更优秀并且在非噪声区域更能够保留其特征，能够实现精确快速的超声图像分割。

公开(公告)号：CN107330447A

公开(公告)日：2017-11-07

申请号：CN201710414874.5

申请日：2017-06-05

Applicant: 三峡大学

Inventor： 徐光柱 ,  李迪 ,  雷帮军 ,  夏平 ,  付云侠 ,  石勇涛 ,  邹耀斌

IPC: G06K9/62

Abstract: 一种反馈式ICM神经网络和FPF相结合的剪影识别系统，利用ICMNN具有的脉冲耦合特性，提取目标图像的完整轮廓；而所采用的反馈机制则对原始图像不断进行增强，从而达到抑制非同类目标同时增强同类目标的目的；随着不断迭代，FPF在经ICM处理过的图像中，不断搜索和目标边缘相似的候选目标，当找到可靠的同类目标时就会在相应位置产生较大的相关峰，而由于反馈机制的加入有效抑制其他非目标区域，从而使得其他区域的相关值降低，从而实现目标的可靠识别。本发明系统对于图中同类别的图像能够较好地识别，对具有一定旋转以及尺度变化的图像也具有较好的稳定性。与其他剪影识别算法相比计算量有所减小，工作量相应的降低，速度得到了增加。

公开(公告)号：CN111860509B

公开(公告)日：2024-12-20

申请号：CN202010740029.9

申请日：2020-07-28

Applicant: 湖北九感科技有限公司 ,  三峡大学

Inventor： 徐光柱 ,  匡婉 ,  雷帮军 ,  万秋波 ,  吴正平 ,  石勇涛

IPC: G06V20/62 ,  G06V10/24 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 一种由粗到精的两阶段非约束车牌区域精准提取方法，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。本发明使用两阶段的车牌定位方法，相比于直接进行车牌定位的一阶段网络，在车牌定位的精度上有着更加明显的优势，同时也保持了车牌定位的实时性。

公开(公告)号：CN118898628A

公开(公告)日：2024-11-05

申请号：CN202410932956.9

申请日：2024-07-12

Applicant: 三峡大学

Inventor： 石勇涛 ,  邱康齐 ,  柳迪 ,  杜威 ,  高超

IPC: G06T7/11 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06N3/048 ,  G06T7/00 ,  G06N3/09

Abstract: 一种改进的UNet肺结节分割方法，包括以下步骤：S1、进行数据集准备、数据集划分和实验环境准备；S2、对UNet模型引入高阶CutMix数据增强算法：S3、对UNet模型添加ECA注意力模块；S4、对UNet模型将上采样替换成Dysample模块；S5、在UNet的上采样后面添加深监督模块；S6、使用交叉熵与GDL混合损失。本发明所要解决的技术问题是提供一种改进的UNet肺结节分割方法，添加了ECA模块，ECA模块通过动态调整特征图中不同通道的权重，加强了模型对重要特征的关注度，从而提升了模型的识别能力。运用Dysmple模块减少了上采样的计算量，添加深监督模块加速网络训练过程，采用混合损失解决类别不平衡问题。

公开(公告)号：CN116563316A

公开(公告)日：2023-08-08

申请号：CN202310398165.8

申请日：2023-04-12

Applicant: 三峡大学

Inventor： 石勇涛 ,  李明 ,  高超 ,  尤一飞 ,  雷帮军 ,  柳迪

IPC: G06T7/12 ,  G06T7/00 ,  G06T5/00 ,  G06N3/0455

Abstract: 本发明涉及基于降噪自编码器的前列腺超声图像分割方法，包括：获取表征前列腺形状的平均轮廓；对所述平均轮廓进行变形处理；得到粗分割轮廓；利用降噪自编码器进行平滑处理；采用法向量对比度边界计算方法对平滑处理后的轮廓反复调整，得到最终的前列腺超声图像分割轮廓。本发明还公开了相应的前列腺超声图像分割装置。本发明先初步框定后，再通过改进后的法向量对比度边界算法对初步框定的轮廓进行修正，接着进行平滑处理，以消除其上的噪点，然后通过多轮迭代，使轮廓不断收敛在真实边界上，实现了对前列腺超声图像的快速分割，在轮廓平滑处理阶段，只输入轮廓而不输入图像，降低了计算量，大大提高了前列腺超声图像的分割效率。

公开(公告)号：CN116205924A

公开(公告)日：2023-06-02

申请号：CN202211468231.6

申请日：2022-11-22

Applicant: 三峡大学

Inventor： 石勇涛 ,  储志杰 ,  雷帮军 ,  尤一飞 ,  李伟

IPC: G06T7/10 ,  G06N3/08 ,  G06F17/11 ,  G06N3/0464

Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于U2‑Net的前列腺分割算法，包括以下步骤：接收图像数据，分析图像数据属性，根据图像数据属性，对图像数据进行可用性判定；接收可用图像数据，对图像数据标准化处理，使经处理的图像数据处于均值为0，方差为1的正态分布中；接收完成标准化处理的图像数据，进一步对图像数据进行数据集增广，本发明能够有效地对所需处理的前列腺医疗采集图像数据进行分析处理，通过数据增广的方式为算法在运行的过程中提供了更多、更加精细且具备参照的数据支持，并且，进一步的对增广所得数据进行的划分，确保各项作为算法运行的数据支持数据能够合理的被应用，使算法在实际应用的过程中能够得到完全开发。

公开(公告)号：CN112560675B

公开(公告)日：2022-06-21

申请号：CN202011479175.7

申请日：2020-12-15

Applicant: 三峡大学

Inventor： 徐光柱 ,  朱泽群 ,  屈金山 ,  刘高飞 ,  雷帮军 ,  石勇涛

IPC: G06V20/20 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: YOLO与旋转‑融合策略相结合的鸟类视觉目标检测方法，准备好鸟类数据集及其标记信息；将鸟类数据集及其标记信息进行多角度的旋转处理，得到对应的旋转后的数据集及其标记信息；将旋转后的数据集及其标记信息输入到YOLOv3网络进行训练，得到YOLOv3鸟类目标检测模型；将待检测的鸟类图像进行多角度的旋转处理，将旋转后的多角度鸟类图像输入到训练好的YOLOv3鸟类目标检测模型中进行检测，得到多角度的检测结果；对多角度的检测结果进行反旋转处理，使其全部旋转回原角度，利用NMS融合筛选出置信度最高的检测结果。本发明提升了基于深度学习的鸟类目标检测精度与识别率。

公开(公告)号：CN111652308B

公开(公告)日：2024-02-23

申请号：CN202010476319.7

申请日：2020-05-29

Applicant: 三峡大学

Inventor： 徐光柱 ,  朱泽群 ,  尹思璐 ,  雷帮军 ,  石勇涛 ,  陈鹏 ,  夏平

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/28 ,  G06V10/44 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于超轻量级全卷积神经网络的花卉识别方法，对收集的数据集做清洗与分割处理，采用OTSU算法将数据集中的彩色图像二值化，通过最大连通区域法来标记最大的连通区域，提取出连通区域的位置信息，生成矩阵掩码，并叠加回原始图片获得花卉的分割图；采用迁移学习的方法来训练重量级的花卉分类神经网络，对花卉的分割图进行筛选，将保留下来的花卉分割图构建成新的数据集；构建适用于弱算力平台的超轻量级的卷积神经网络，将新构建的数据集输入到其中进行训练，实现花卉识别分类。本发明所提出的超轻量级神经网络，以及花卉数据集的增广方法相较于现有的其他方法，在速度与精度上都取得

公开(公告)号：CN117011254A

公开(公告)日：2023-11-07

申请号：CN202310933572.4

申请日：2023-07-27

Applicant: 三峡大学

Inventor： 石勇涛 ,  李明 ,  郝涛 ,  高超 ,  仰帅 ,  鄢江涛

IPC: G06T7/00 ,  G16H30/40 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种基于优化Yolov5的腰椎MRI图像检测算法，首先通过引入CutMix数据增强，避免了过拟合问题，提高数据多样性，有助于提升网络泛化能力，其次添加CA注意力机制，防止腰椎周边可能存在钙化、信号影弱等问题，有助于让模型检测识别感兴趣目标，同时更加精准定位，最后通过修改损失函数方式，等量的计算量前提下，提升了网络模型的收敛速度，预防了模型在最优点边界附近徘徊。采用综合优化后Yolov5模型相较于原版模型在对腰椎MRI图像识别检测时，从实际数据的各项评价指标显示效果十分理想，将大量腰椎MRI图像变得直观可视，操作过程简单方便，使医务人员的临床工作效率得到提升，对社会贡献有着重大的意义。