-
Patent Agency Ranking
公开(公告)号：CN112149689A
公开(公告)日：2020-12-29
申请号：CN202011041122.7
申请日：2020-09-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于目标领域自监督学习的无监督领域适应方法和系统，包括：领域不变特征提取步骤、图像特征阶梯式领域对齐步骤、语义分割步骤、边缘生成步骤、分割图领域对齐步骤、边缘图领域对齐步骤和边缘一致约束步骤。本发明通过对目标领域实施一种有效的自监督学习，从而提高目标领域的无监督分割精度，实现良好的领域适应。
-
公开(公告)号：CN114612451B
公开(公告)日：2025-03-28
申请号：CN202210268374.6
申请日：2022-03-18
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于多源集成蒸馏的多器官分割方法及系统，包括：输入图片经过所述的教师和学生模型预测得到多组分割图；将教师图片分割图进行输出转换，扩充到多类别输出；根据基于区域的掩码对输出进行器官和背景区域的转换；对不同器官区域和背景区域分别进行监督学习，使得教师和学生模型的转换后的预测结果对齐，得到一个高效的学生多器官分割模型；输入预测图片经过学生多器官分割模型，获得器官分割预测结果。本发明通过多源集成蒸馏的方法，指导训练一个效果更好的多器官分割模型，实现隐私友好情况下的更精确的无监督多器官分割。
-
公开(公告)号：CN112149689B
公开(公告)日：2022-12-09
申请号：CN202011041122.7
申请日：2020-09-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于目标领域自监督学习的无监督领域适应方法和系统，包括：领域不变特征提取步骤、图像特征阶梯式领域对齐步骤、语义分割步骤、边缘生成步骤、分割图领域对齐步骤、边缘图领域对齐步骤和边缘一致约束步骤。本发明通过对目标领域实施一种有效的自监督学习，从而提高目标领域的无监督分割精度，实现良好的领域适应。
-
公开(公告)号：CN114612451A
公开(公告)日：2022-06-10
申请号：CN202210268374.6
申请日：2022-03-18
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于多源集成蒸馏的多器官分割方法及系统，包括：输入图片经过所述的教师和学生模型预测得到多组分割图；将教师图片分割图进行输出转换，扩充到多类别输出；根据基于区域的掩码对输出进行器官和背景区域的转换；对不同器官区域和背景区域分别进行监督学习，使得教师和学生模型的转换后的预测结果对齐，得到一个高效的学生多器官分割模型；输入预测图片经过学生多器官分割模型，获得器官分割预测结果。本发明通过多源集成蒸馏的方法，指导训练一个效果更好的多器官分割模型，实现隐私友好情况下的更精确的无监督多器官分割。
-
公开(公告)号：CN112884749A
公开(公告)日：2021-06-01
申请号：CN202110229959.2
申请日：2021-03-02
Applicant: 上海交通大学
Abstract: 本发明提供了一种锥体压缩性骨折辅助诊断系统及方法，包括：将待诊断椎骨图片以及与待诊断椎骨图片上下相邻的椎骨图片输入特征提取网络，特征提取网络使用三分支网络学习椎骨特征，通过判别器比较相邻椎骨特征训练特征提取网络，提取得到骨折识别特征；对输入的待诊断椎骨图片使用深度神经网络学习良恶性椎骨特征，通过比较良恶性椎骨特征，提取得到良恶骨折分类特征；对提取的骨折识别特征和良恶性分类特征进行权重控制融合，得到最终具有区分性表达的特征；基于得到的最终具有区分性表达的特征，使用类别预测网络预测椎体的类别。本发明能够对输入的锥体图片提取骨折识别和良恶性分类的特征表达，从而进行锥体压缩性骨折的诊断。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
