一种基于改进UNet模型的2.5D医学CT影像分割方法及装置

    公开(公告)号:CN115908449A

    公开(公告)日:2023-04-04

    申请号:CN202211296418.2

    申请日:2022-10-21

    Abstract: 本发明提供一种基于改进UNet模型的2.5D医学CT影像分割方法及装置,所述方法的步骤包括:获取初始CT影像,基于预设的抽取参数对初始CT影像进行抽取,得到待分割图;将待分割图像输入到训练好的UNet模型的编码器模块中,在编码器模块中每两个相邻下采样变换模块之间设置有一个信息纠正模块,信息纠正模块顺序设置有通道注意力层和空间注意力层;将编码特征图输入到训练好的UNet模型的解码器模块中,解码器模块包括多个上采样变换模块和多个多阶段多尺度模块,在解码器模块中每两个相邻上采样变换模块之间设置有一个多阶段多尺度模块,多阶段多尺度模块包括多个尺度的池化层和卷积层,通过解码器模块输出分割特征图。

    一种医学图像安全发送、接收方法及装置

    公开(公告)号:CN113206732A

    公开(公告)日:2021-08-03

    申请号:CN202110389870.2

    申请日:2021-04-12

    Abstract: 本发明提供一种医学图像安全发送、接收方法及装置,所述方法对原始医学图像进行稀疏表示得到稀疏矩阵;采用logistic混沌系统生成两个chaotic矩阵并计算张量积,根据张量积对医学图像的稀疏矩阵进行采样压缩得到观测矩阵,对观测矩阵进行归一化处理;采用陈混沌系统生成第一混沌序列和第二混沌序列,采用第一混沌序列对归一化处理后的观测矩阵进行空间置乱,采用第二混沌序列对空间置乱后的观测矩阵进行数字隐藏加密得到加密图像;将第一初始参数、第二初始参数、第三初始参数、第四初始参数、归一化处理中的标准参数和加密图像发送至接收端;在接收过程中对加密过程进行逆操作并基于IRLS算法重建图像。本方法基于两个chaotic矩阵生成测量矩阵,密钥空间大,安全性高。

    一种基于CLIP模型的易损斑块识别方法及系统

    公开(公告)号:CN117198514B

    公开(公告)日:2024-01-30

    申请号:CN202311473361.3

    申请日:2023-11-08

    Abstract: 得有效训练。本发明涉及医学工程领域,针对易损斑块对主要心血管不良事件的影响以及目前基于图像领域自动识别易损斑块研究的现状,提供了一种基于CLIP模型的易损斑块识别方法和系统。本发明构建的易损斑块识别网络模型在CLIP模型的基础上,引入了BN层和Dropout层分别对文本特征和图像特征做处理,减少了过拟合。另外,考虑到部分易损斑块的特征判断极具主观性,金标准标签易混入噪声,本发明采用bootstrapping loss代替标准的交叉熵损失函数,在(56)对比文件万黎明.基于深度学习的HRMR图像颅内动脉粥样硬化斑块分割与识别方法研究.中国优秀硕士论文电子期刊网.2023,全文.门婷婷 等.基于人工智能的成像技术在冠心病诊断中的应用《.中国实验诊断学》.2023,第第27卷卷(第第8期期),全文.Peiwen Shi 等.WEAKLY SUPERVISEDVULNERABLE PLAQUES DETECTION BY IVOCTIMAGE.2020 IEEE 17th InternationalSymposium on Biomedical Imaging (ISBI).2020,全文.

Patent Agency Ranking