-
公开(公告)号：CN116188340A
公开(公告)日：2023-05-30
申请号：CN202211649623.2
申请日：2022-12-21
Applicant: 上海大学
IPC: G06T5/50 , G06T5/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于图像融合的肠道内窥镜图像增强方法，该方法针对内窥镜图像照度不均、对比度偏低、纹理细节信息缺失设计了一种增强方法，它包括四个步骤：(1)创建数据集；(2)将图像输入编码器‑解码器多注意力U‑Net网络，进行深度网络模型训练以获取全局增强图像；(3)将图像输入分割网络HarDNet‑MSEG，进行深度网络模型训练以获取息肉分割mask图像；(4)判断是否含有息肉，若含有，进行图像融合，否则输出全局增强图像；(5)将编码器‑解码器多注意U‑Net网络获取的全局增强图像和HarDNet‑MSEG获取的mask图像融合输出最终局部增强图像。本发明提出的基于图像融合的肠道内窥镜图像增强方法相对其他图像增强算法更能引起人们对病变区域的关注，具有可应用于临床诊断的医学价值。
-
公开(公告)号：CN114494492B
公开(公告)日：2025-04-15
申请号：CN202210052502.3
申请日：2022-01-18
Applicant: 上海大学
Abstract: 本发明提出了一种血管内造影剂扩散模拟方法，使用隐式边界表示法和二相混合流体模型来模拟造影剂在各类复杂血管内的扩散运动。该方法包括三个步骤：首先为血管边界生成边界体积图；然后初始化模拟参数，初始化“血液‑造影剂”混合粒子的属性和位置，并加载边界体积图；最后进行模拟循环，计算每个时刻“血液‑造影剂”混合粒子的密度和受力，更新其速度和位置，并进行渲染。本方法能够真实、实时模拟造影剂在各类复杂血管中的扩散效果，解决了虚拟造影手术中真实感和沉浸感的难题，且重复性好，没有材料的浪费。
-
公开(公告)号：CN113808057A
公开(公告)日：2021-12-17
申请号：CN202110885619.5
申请日：2021-08-03
Applicant: 上海大学
Abstract: 本发明涉及一种基于无监督学习的内窥镜图像增强方法，包括四个步骤：(1)对原始内窥镜图像数据集进行预处理，利用三种图像增强技术处理原始图像得到三张派生图；(2)将原始图像和其对应的派生图转换到HSI颜色空间，保持H通道图像不变，将派生图的I通道图像输入无监督学习网络，进行深度网络模型训练；(3)根据网络训练后得到的训练参数，得到I通道图像增强结果；(4)对原始图像的S通道图像进行自适应非线性拉伸处理，并将HSI颜色空间转换回RGB颜色空间输出最终增强图像。本发明的无监督学习网络不需要ground truth作为参考图像，通过non‑reference损失函数实现网络的训练。该方法较现有方法在对比度、清晰度和细节信息方面都有显著的提高，具有很高的临床应用价值。
-
公开(公告)号：CN114494492A
公开(公告)日：2022-05-13
申请号：CN202210052502.3
申请日：2022-01-18
Applicant: 上海大学
Abstract: 本发明提出了一种血管内造影剂扩散模拟方法，使用隐式边界表示法和二相混合流体模型来模拟造影剂在各类复杂血管内的扩散运动。该方法包括三个步骤：首先为血管边界生成边界体积图；然后初始化模拟参数，初始化“血液‑造影剂”混合粒子的属性和位置，并加载边界体积图；最后进行模拟循环，计算每个时刻“血液‑造影剂”混合粒子的密度和受力，更新其速度和位置，并进行渲染。本方法能够真实、实时模拟造影剂在各类复杂血管中的扩散效果，解决了虚拟造影手术中真实感和沉浸感的难题，且重复性好，没有材料的浪费。
-
-
-
Search Results
4
records
(took 0.012 seconds)
