-
公开(公告)号：CN114693928A
公开(公告)日：2022-07-01
申请号：CN202210303004.1
申请日：2022-03-24
Applicant: 中南大学
IPC: G06V10/26 , G06V40/10 , G06V10/774 , G06V10/52 , G06K9/62
Abstract: 本发明公开了一种OCTA图像的血管分割方法，包括获取视网膜OCTA图像数据集并分为带标签图像和无标签图像；构建编码器和双解码器；选出若干带标签图像和无标签图像；将带标签图像输入到编码器和主解码器得到血管分割结果，计算监督部分损失并反向传播更新编码器和主解码器的参数；将无标签图像输入到编码器、主解码器或辅解码器中得到血管分割结果，计算一致性损失并反向传播更新编码器和辅解码器的参数；重复以上步骤得到最终的OCTA图像的血管分割模型；采用OCTA图像的血管分割模型对实际的OCTA图像进行血管分割。本发明还公开了包括所述OCTA图像的血管分割方法的成像方法。本发明可靠性高、实用性好且分割效果较好。
-
公开(公告)号：CN114119478B
公开(公告)日：2024-12-13
申请号：CN202111238951.9
申请日：2021-10-25
Applicant: 中南大学
IPC: G06T7/00 , G06T7/73 , G06V10/25 , G06V10/764
Abstract: 本发明公开了一种fMRI数据分析动态因果模型构建方法、装置及存储介质，其中方法包括：获取大脑fMRI图像数据并进行预处理；从预处理后的大脑fMRI图像数据中选取感兴趣区域；采用GreedyEC算法对构建的fMRI数据分析动态因果模型进行模型空间搜索，得到第一全局最优fMRI数据分析动态因果模型；采用GreedyROI算法对构建的fMRI数据分析动态因果模型进行模型空间搜索，得到第二全局最优fMRI数据分析动态因果模型；使用贝叶斯模型比较两个全局最优fMRI数据分析动态因果模型，得到总体最优fMRI数据分析动态因果模型。仅需少量的先验知识的前提下即可构建最优的fMRI数据分析动态因果模型，降低DCM分析的门槛。
-
公开(公告)号：CN114693928B
公开(公告)日：2024-11-26
申请号：CN202210303004.1
申请日：2022-03-24
Applicant: 中南大学
IPC: G06V10/26 , G06V40/10 , G06V10/774 , G06V10/52
Abstract: 本发明公开了一种OCTA图像的血管分割方法，包括获取视网膜OCTA图像数据集并分为带标签图像和无标签图像；构建编码器和双解码器；选出若干带标签图像和无标签图像；将带标签图像输入到编码器和主解码器得到血管分割结果，计算监督部分损失并反向传播更新编码器和主解码器的参数；将无标签图像输入到编码器、主解码器或辅解码器中得到血管分割结果，计算一致性损失并反向传播更新编码器和辅解码器的参数；重复以上步骤得到最终的OCTA图像的血管分割模型；采用OCTA图像的血管分割模型对实际的OCTA图像进行血管分割。本发明还公开了包括所述OCTA图像的血管分割方法的成像方法。本发明可靠性高、实用性好且分割效果较好。
-
公开(公告)号：CN117814907A
公开(公告)日：2024-04-05
申请号：CN202410196602.2
申请日：2024-02-22
Applicant: 中南大学
Abstract: 本发明公开了一种深部脑刺激路径规划新方法，包括获取原始医疗数据，并划分训练数据集和测试数据集；针对划分的数据集进行数据处理；基于数据驱动模型，获取相关结构的定位结果，并通过定位结果完成关键脑组织定位；采用基于层次包围盒的符号距离场计算算法，确定大脑关键位置结构；构建电极“安全植入通道”坐标系；采用构建的坐标系，确定最优电极植入轨迹，完成深部脑刺激路径的规划；本发明通过引入一种基于深度学习的定位方法，实现了DBS手术中的关键脑区结构精准识别；通过采用nnDetection，同时实现对STN和红核的分割以及脑区危及组织的精准检测任务；本发明方法的定位精确性提高、消耗时间缩短、效果提升。
-
Patent Agency Ranking
公开(公告)号：CN110390650B
公开(公告)日：2022-02-11
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
公开(公告)号：CN110390650A
公开(公告)日：2019-10-29
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
公开(公告)号：CN114066901B
公开(公告)日：2024-12-24
申请号：CN202111349494.0
申请日：2021-11-15
Applicant: 中南大学
IPC: G06T7/10 , G06T11/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种腹部CT图像的肝脏分割方法，包括获取原始腹部CT图像数据及肝脏分割数据；构建模型训练集和模型测试集；构建肝脏分割原始模型；构建训练损失函数；采用模型训练集和模型测试集，基于训练损失函数对肝脏分割原始模型进行训练和测试并得到肝脏分割模型；采用肝脏分割模型对目标腹部CT图像进行肝脏分割，并进行形态学优化得到最终的目标腹部CT图像的肝脏分割结果。本发明还公开了一种包括上述腹部CT图像的肝脏分割方法的CT成像方法。本发明能够提高CT序列肝脏分割结果切片间的连续性，实现端对端的腹部CT图像中的肝脏精确分割，提高了边界精度，而且鲁棒性强，分割效果较好且可靠性较好。
-
公开(公告)号：CN114119478A
公开(公告)日：2022-03-01
申请号：CN202111238951.9
申请日：2021-10-25
Applicant: 中南大学
IPC: G06T7/00 , G06T7/73 , G06K9/62 , G06V10/25 , G06V10/764
Abstract: 本发明公开了一种fMRI数据分析动态因果模型构建方法、装置及存储介质，其中方法包括：获取大脑fMRI图像数据并进行预处理；从预处理后的大脑fMRI图像数据中选取感兴趣区域；采用GreedyEC算法对构建的fMRI数据分析动态因果模型进行模型空间搜索，得到第一全局最优fMRI数据分析动态因果模型；采用GreedyROI算法对构建的fMRI数据分析动态因果模型进行模型空间搜索，得到第二全局最优fMRI数据分析动态因果模型；使用贝叶斯模型比较两个全局最优fMRI数据分析动态因果模型，得到总体最优fMRI数据分析动态因果模型。仅需少量的先验知识的前提下即可构建最优的fMRI数据分析动态因果模型，降低DCM分析的门槛。
-
公开(公告)号：CN114066901A
公开(公告)日：2022-02-18
申请号：CN202111349494.0
申请日：2021-11-15
Applicant: 中南大学
Abstract: 本发明公开了一种腹部CT图像的肝脏分割方法，包括获取原始腹部CT图像数据及肝脏分割数据；构建模型训练集和模型测试集；构建肝脏分割原始模型；构建训练损失函数；采用模型训练集和模型测试集，基于训练损失函数对肝脏分割原始模型进行训练和测试并得到肝脏分割模型；采用肝脏分割模型对目标腹部CT图像进行肝脏分割，并进行形态学优化得到最终的目标腹部CT图像的肝脏分割结果。本发明还公开了一种包括上述腹部CT图像的肝脏分割方法的CT成像方法。本发明能够提高CT序列肝脏分割结果切片间的连续性，实现端对端的腹部CT图像中的肝脏精确分割，提高了边界精度，而且鲁棒性强，分割效果较好且可靠性较好。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
