-
公开(公告)号：CN112669330A
公开(公告)日：2021-04-16
申请号：CN202011568233.3
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供一种基于双重一致性自集成学习的半监督评估方法及评估系统。基于双重一致性自集成学习的半监督评估系统包括双重一致性平均教师框架模块、注意力损失函数模块以及注意力一致性损失函数模块；本发明设计了一个自集成学习框架，该框架由具有相同结构的学生网络和教师网络组成；并且设计了一种新的基于注意力机制的损失函数，以获得准确的注意力区域结果；通过在病变分类和定位中对注意力进行双重一致性约束，这两个网络可以逐渐优化注意力分布并提高彼此的性能，而训练仅依赖于部分标记的数据并遵循半监督训练的方式，并不需要大量带有标注的数据，所花费的成本低。
-
公开(公告)号：CN1883386A
公开(公告)日：2006-12-27
申请号：CN200610028648.5
申请日：2006-07-06
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于机器学习的立体核磁共振脑图像弹性配准方法，用机器学习的方法得到参考图像中每个点上计算属性向量的最佳尺度，由此得到的最优属性向量和周围各点的属性向量之间保持最大程度的差异性，并和训练样本中对应点上的属性向量保持最大程度的相似性；根据图像中每个点上属性向量的显著性和一致性条件，定义一个评价关键点的标准，通过机器学习的方法自动地层次化地在配准的各个阶段挑选关键点，避免配准过程陷入局部极小值点；最后将基于机器学习的框架和现有的配准算法相结合，完成立体核磁共振脑图像弹性配准。本发明对真实MR图像或模拟MR图像均能提高配准的精确度和鲁棒性，进而为后续的临床应用的可行性和准确性奠定基础。
-
公开(公告)号：CN119205680A
公开(公告)日：2024-12-27
申请号：CN202411291185.6
申请日：2024-09-14
Applicant: 上海交通大学医学院附属第九人民医院 , 上海科技大学
Abstract: 本发明涉及牙齿诊断技术领域，尤其涉及基于IOS图像和CBCT图像的牙周疾病精准定量评估方法，包括以下步骤：对口内扫描IOS图像进行图像分割，以获取每颗牙齿的IOS分割结果；对CBCT图像进行图像分割，以获取每颗牙齿的CBCT分割结果；将IOS分割结果和CBCT分割结果进行预处理和配准，以获得数据融合模型；根据数据融合模型获取牙龈轮廓和牙齿长轴,根据牙龈轮廓获取牙龈轮廓点，牙龈轮廓点沿着牙齿长轴的方向在牙槽骨上得到牙槽骨轮廓并获取GBD距离；根据GBD距离评估牙周疾病。本发明根据分割IOS结果和CBCT结果得到数据融合模型，通过数据融合模型得到牙龈轮廓和牙齿长轴，沿着牙长轴方向测量牙龈轮廓和牙槽骨轮廓的GBD距离，以评估牙周疾病健康状况。
-
Patent Agency Ranking
公开(公告)号：CN112669329B
公开(公告)日：2022-12-13
申请号：CN202011566476.3
申请日：2020-12-25
Applicant: 上海交通大学
IPC: G06T7/11 , G06T7/187 , G06T7/00 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种图像分割方法及图像分割系统。所述图像分割方法包括构建亲和力矩阵、样本聚类、获取子集分割模型、子集分割模型融合等步骤。本发明实现了对图像样本的相似性识别，通过样本聚类为多个子集并对应生成群集代表先验，将一待鉴别图像输入后形成一特征集，对比所述特征集与所述群集代表先验并识别出的最接近的群集代表先验，用与该最接近的群集代表先验相对应的子集分割模型对所述待鉴别图像进行鉴别以获取分割结果，不会随着训练样本的变化而导致分割性能不同。
-
公开(公告)号：CN112669329A
公开(公告)日：2021-04-16
申请号：CN202011566476.3
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供一种图像分割方法及图像分割系统。所述图像分割方法包括构建亲和力矩阵、样本聚类、获取子集分割模型、子集分割模型融合等步骤。本发明实现了对图像样本的相似性识别，通过样本聚类为多个子集并对应生成群集代表先验，将一待鉴别图像输入后形成一特征集，对比所述特征集与所述群集代表先验并识别出的最接近的群集代表先验，用与该最接近的群集代表先验相对应的子集分割模型对所述待鉴别图像进行鉴别以获取分割结果，不会随着训练样本的变化而导致分割性能不同。
-
公开(公告)号：CN100411587C
公开(公告)日：2008-08-20
申请号：CN200610028648.5
申请日：2006-07-06
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于机器学习的立体核磁共振脑图像弹性配准方法，用机器学习的方法得到参考图像中每个点上计算属性向量的最佳尺度，由此得到的最优属性向量和周围各点的属性向量之间保持最大程度的差异性，并和训练样本中对应点上的属性向量保持最大程度的相似性；根据图像中每个点上属性向量的显著性和一致性条件，定义一个评价关键点的标准，通过机器学习的方法自动地层次化地在配准的各个阶段挑选关键点，避免配准过程陷入局部极小值点；最后将基于机器学习的框架和现有的配准算法相结合，完成立体核磁共振脑图像弹性配准。本发明对真实MR图像或模拟MR图像均能提高配准的精确度和鲁棒性，进而为后续的临床应用的可行性和准确性奠定基础。
-
公开(公告)号：CN112669331B
公开(公告)日：2023-04-18
申请号：CN202011568270.4
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供一种目标数据迁移迭代学习方法及目标数据迁移迭代学习系统。目标数据迁移迭代学习方法包括源视图及目标视图获取、源视图分割训练、目标视图识别分割标注、目标视图分割训练、目标视图分割标注更新、第一卷积神经网络模型迭代训练以及第二卷积神经网络模型迭代训练等步骤。本发明实现了从单视图分割标签得到多视图分割标签的迁移，并且采用相互交替学习的方式，进一步提升了分割标签的准确性，可以使分割结果更加连续和光滑。
-
公开(公告)号：CN112669331A
公开(公告)日：2021-04-16
申请号：CN202011568270.4
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供一种目标数据迁移迭代学习方法及目标数据迁移迭代学习系统。目标数据迁移迭代学习方法包括源视图及目标视图获取、源视图分割训练、目标视图识别分割标注、目标视图分割训练、目标视图分割标注更新、第一卷积神经网络模型迭代训练以及第二卷积神经网络模型迭代训练等步骤。本发明实现了从单视图分割标签得到多视图分割标签的迁移，并且采用相互交替学习的方式，进一步提升了分割标签的准确性，可以使分割结果更加连续和光滑。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
