-
公开(公告)号：CN109934235A
公开(公告)日：2019-06-25
申请号：CN201910211823.1
申请日：2019-03-20
Applicant: 中南大学
Abstract: 本发明公开了一种无监督的腹部CT序列图像多器官同时自动分割方法，对腹部CT序列图像中肝脏、脾脏、左肾、右肾等目标器官进行分割，本发明方法包括：提取并去除输入CT图像中的脊椎和肋骨，并对图像进行裁剪；对裁剪后的图像进行超体素分割，并结合局部线性嵌入、K-Means算法和解剖学先验生成目标器官的初始轮廓；根据器官灰度信息构建混合灰度模型增强目标器官区域，采用三维Chan-Vese模型优化器官轮廓，并基于直方图均衡与K-Means算法分离毗邻器官。本发明方法不需要训练数据，且能够有效检测低对比度图像中目标器官间的弱边缘，有效处理不同序列图像中多个器官的形状和位置差异，实现多器官同时、自动和准确分割。
-
公开(公告)号：CN108986114A
公开(公告)日：2018-12-11
申请号：CN201810757818.6
申请日：2018-07-11
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法，包括：对输入图像进行预处理，去除不相关的器官和组织；结合灰度偏移场，利用腹部CT序列相邻切片间的相关性构建水平集能量函数，以初始切片为起点，采用迭代策略完成腹部CT序列图像的肝脏自动分割；构建局部和全局形状描述符去除过分割区域，优化肝脏边缘。本发明方法能有效分割受噪声污染严重且存在灰度异质的腹部CT序列图像中的肝脏区域，可有效避免对肝脏周围毗邻组织的误分割，去除因灰度重叠造成的过分割区域，提高肝脏分割精度。
-
公开(公告)号：CN102521606A
公开(公告)日：2012-06-27
申请号：CN201110386240.6
申请日：2011-11-29
Applicant: 中南大学
Abstract: 本发明提供了一种对JPEG图像的像素块分类方法，以及基于此的图像篡改检测和被篡改区域定位方法，将待检测的JPEG图像分成连续不重叠的8×8大小的像素块，以某个像素块为中心选取(2n+1)×(2n+1)个像素块组合而成的方形区域作为子图像，利用子图像的前i个AC系数带中AC系数的首位数分布概率特性，将中心像素块区分为单压缩或双压缩；进而分类结果为单压缩且其面积大于M个8×8像素块的连通区域判定为篡改区域。本发明的方法能准确检测和定位篡改区域；对三种不同篡改技术的篡改区域检测均有效，适用范围较广；本发明是一种JPEG篡改图像的自动盲检测方法，不需要任何先验知识，且有较高的检测覆盖率且误检测率小。
-
公开(公告)号：CN114842025B
公开(公告)日：2024-04-05
申请号：CN202210389599.7
申请日：2022-04-14
Applicant: 中南大学
IPC: G06T7/11 , G06T7/73 , G06V10/774 , G06T7/00 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于多分支网络的CT图像肝脏肿瘤区域自动分割方法，包括：(1)建立包含原始CT图像及其肝脏肿瘤手动分割结果和方向信息的训练数据集A；(2)构建一种融合自注意力机制和方向信息的深度卷积多分支网络模型；(3)构建网络损失函数；(4)采用训练数据集A对网络进行训练；(5)运用训练好的网络模型对测试图像进行分割，得到最终的肝脏肿瘤分割结果。本发明是一种全自动的肝脏肿瘤分割方法，通过在卷积网络中引入自注意力模块和基于方向信息的方向修正模块，解决了卷积网络在肝脏肿瘤分割中难以建立远距离目标依赖关系，以及肿瘤边界识别不准确的问题，有效提升了肝脏肿瘤的分割精度。
-
公开(公告)号：CN114842025A
公开(公告)日：2022-08-02
申请号：CN202210389599.7
申请日：2022-04-14
Applicant: 中南大学
IPC: G06T7/11 , G06T7/73 , G06V10/774 , G06T7/00 , G06N3/04
Abstract: 本发明公开了一种基于多分支网络的CT图像肝脏肿瘤区域自动分割方法，包括：(1)建立包含原始CT图像及其肝脏肿瘤手动分割结果和方向信息的训练数据集A；(2)构建一种融合自注意力机制和方向信息的深度卷积多分支网络模型；(3)构建网络损失函数；(4)采用训练数据集A对网络进行训练；(5)运用训练好的网络模型对测试图像进行分割，得到最终的肝脏肿瘤分割结果。本发明是一种全自动的肝脏肿瘤分割方法，通过在卷积网络中引入自注意力模块和基于方向信息的方向修正模块，解决了卷积网络在肝脏肿瘤分割中难以建立远距离目标依赖关系，以及肿瘤边界识别不准确的问题，有效提升了肝脏肿瘤的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN111968135B
公开(公告)日：2022-03-08
申请号：CN202010821503.0
申请日：2020-08-15
Applicant: 中南大学
IPC: G06T7/11 , G06T7/00 , G06T7/33 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种基于全卷积网络的三维腹部CT图像多器官配准方法。首先，获取腹部CT图像数据集。然后，引入注意力机制模块，构建基于全卷积的网络模型，对该网络模型进行训练并获得初步分割结果，再引入全连接条件随机场，进一步优化分割结果，以实现腹部CT序列多器官区域的提取。其次，构建腹部CT序列多器官区域图像对以及基于局部相关系数数据项和空间正则化项的相似性度量函数。最后，采用交替方向乘子法最小化相似性度量函数，实现腹部多器官区域CT图像对配准。本发明采用先分割再配准的两步法策略，消除了外部灰度信息和噪声对腹部目标器官区域配准的干扰，时间消耗少，配准精度高，鲁棒性强。
-
公开(公告)号：CN105139377B
公开(公告)日：2017-09-05
申请号：CN201510444164.8
申请日：2015-07-24
Applicant: 中南大学
Abstract: 本发明公开了一种腹部CT序列图像肝脏鲁棒自动分割方法，包括：数据输入步骤，输入待分割CT序列，并指定初始切片；模型构建步骤，根据输入序列的数据特征，建立肝脏亮度模型和外观模型，抑制复杂背景突出肝脏区域；自动分割步骤，结合亮度模型和外观模型运用图割算法对初始切片进行快速自动分割，并利用相邻切片之间的空间相关性，以初始分割切片为起点分别向上、向下迭代分割肝脏CT序列中所有的切片。本发明针对特定的CT序列建立相应的亮度和外观模型，能有效自动分割对比度低、边界模糊和形状不规则的肝脏。并且，本发明的腹部CT序列图像肝脏自动分割方法能够推广到其他腹部器官的自动分割中，如腹部CT序列图像脾脏和肾脏的分割。
-
公开(公告)号：CN102521606B
公开(公告)日：2013-10-23
申请号：CN201110386240.6
申请日：2011-11-29
Applicant: 中南大学
Abstract: 本发明提供了一种对JPEG图像的像素块分类方法，以及基于此的图像篡改检测和被篡改区域定位方法，将待检测的JPEG图像分成连续不重叠的8×8大小的像素块，以某个像素块为中心选取(2n+1)×(2n+1)个像素块组合而成的方形区域作为子图像，利用子图像的前i个AC系数带中AC系数的首位数分布概率特性，将中心像素块区分为单压缩或双压缩；进而分类结果为单压缩且其面积大于M个8×8像素块的连通区域判定为篡改区域。本发明的方法能准确检测和定位篡改区域；对三种不同篡改技术的篡改区域检测均有效，适用范围较广；本发明是一种JPEG篡改图像的自动盲检测方法，不需要任何先验知识，且有较高的检测覆盖率且误检测率小。
-
公开(公告)号：CN108986114B
公开(公告)日：2022-03-29
申请号：CN201810757818.6
申请日：2018-07-11
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法，包括：对输入图像进行预处理，去除不相关的器官和组织；结合灰度偏移场，利用腹部CT序列相邻切片间的相关性构建水平集能量函数，以初始切片为起点，采用迭代策略完成腹部CT序列图像的肝脏自动分割；构建局部和全局形状描述符去除过分割区域，优化肝脏边缘。本发明方法能有效分割受噪声污染严重且存在灰度异质的腹部CT序列图像中的肝脏区域，可有效避免对肝脏周围毗邻组织的误分割，去除因灰度重叠造成的过分割区域，提高肝脏分割精度。
-
公开(公告)号：CN109934235B
公开(公告)日：2021-04-20
申请号：CN201910211823.1
申请日：2019-03-20
Applicant: 中南大学
Abstract: 本发明公开了一种无监督的腹部CT序列图像多器官同时自动分割方法，对腹部CT序列图像中肝脏、脾脏、左肾、右肾等目标器官进行分割，本发明方法包括：提取并去除输入CT图像中的脊椎和肋骨，并对图像进行裁剪；对裁剪后的图像进行超体素分割，并结合局部线性嵌入、K‑Means算法和解剖学先验生成目标器官的初始轮廓；根据器官灰度信息构建混合灰度模型增强目标器官区域，采用三维Chan‑Vese模型优化器官轮廓，并基于直方图均衡与K‑Means算法分离毗邻器官。本发明方法不需要训练数据，且能够有效检测低对比度图像中目标器官间的弱边缘，有效处理不同序列图像中多个器官的形状和位置差异，实现多器官同时、自动和准确分割。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
