-
公开(公告)号：CN119229129B
公开(公告)日：2025-03-25
申请号：CN202411729938.7
申请日：2024-11-29
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于牙根边缘加权损失的牙齿图像分割方法，涉及医学图像处理领域，该方法通过构建牙根边缘加权损失的牙齿实例分割网络并进行训练，分割网络主要包括主干网络、精炼特征增强模块、牙根边缘特征增强模块和牙根边缘加权交叉熵损失函数，利用训练后得到的最佳模型得到牙齿实例分割结果。本发明的方法深度融合了牙根边界线索以及牙齿的细节特征，以产生精细的牙齿掩码，克服了传统算法在面对牙根边界不确定性以及由于牙齿种类繁多时的局限性，并在训练过程中采用加权交叉熵损失函数优化模型训练过程，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119649035A
公开(公告)日：2025-03-18
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/30 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
Patent Agency Ranking
公开(公告)号：CN119323562A
公开(公告)日：2025-01-17
申请号：CN202411847661.8
申请日：2024-12-16
Applicant: 中国计量大学
IPC: G06T7/00 , G06V10/80 , G06V10/762 , G06V10/30 , G06V10/77 , G06V10/44 , G06V10/52 , G06V10/82 , G06N3/0499 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了工业环境中多模态数据的动态特征融合与异常检测方法，属于计算机技术领域，首先，对收集的工业数据进行预处理，去除背景干扰、噪声清理和调整数据格式，生成更干净、规范的点云和图像；其次，对预处理后的点云数据进行不同尺度的采样和查询，降低计算复杂度并保留局部几何结构信息，增强数据的鲁棒性；接着，将处理后的点云数据输入特征提取器，提取点云特征并保存；同时，对RGB图像数据进行图像特征提取并保存；然后，将点云特征和RGB图像特征输入多模态特征动态融合模块，充分利用两种模态的信息进行融合并保存融合特征；最后，结合点云特征、图像特征和融合特征进行异常检测，输出异常区域的特征图。
-
公开(公告)号：CN119151968A
公开(公告)日：2024-12-17
申请号：CN202411660471.5
申请日：2024-11-20
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于边界线索深度融合的息肉图像分割方法，通过构建边界线索深度融合网络，将肠息肉图像输入主干网络提取不同层次特征信息，以指导息肉区域提取；构建边界线索挖掘模块以借助部分层级特征获得边界细节信息,实现对息肉区域更精准的定位；构建前景目标增强模块增强网络结合反转注意力分支对前景目标整体结构特征的学习，使网络侧重于关注前景目标；构建深度特征融合模块集成边界信息和前景信息，通过级联特征融合以及边界信息引导进一步提高分割性能，最后利用训练好的模型得到息肉分割结果。本发明克服了息肉在边界不确定性及形态多样性时的局限性，并在训练中采用加权联合尺度差异损失优化模型，实现息肉区域高精度识别与分割。
-
公开(公告)号：CN119151968B
公开(公告)日：2025-03-25
申请号：CN202411660471.5
申请日：2024-11-20
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于边界线索深度融合的息肉图像分割方法，通过构建边界线索深度融合网络，将肠息肉图像输入主干网络提取不同层次特征信息，以指导息肉区域提取；构建边界线索挖掘模块以借助部分层级特征获得边界细节信息,实现对息肉区域更精准的定位；构建前景目标增强模块增强网络结合反转注意力分支对前景目标整体结构特征的学习，使网络侧重于关注前景目标；构建深度特征融合模块集成边界信息和前景信息，通过级联特征融合以及边界信息引导进一步提高分割性能，最后利用训练好的模型得到息肉分割结果。本发明克服了息肉在边界不确定性及形态多样性时的局限性，并在训练中采用加权联合尺度差异损失优化模型，实现息肉区域高精度识别与分割。
-
公开(公告)号：CN119360031A
公开(公告)日：2025-01-24
申请号：CN202411919763.6
申请日：2024-12-25
Applicant: 中国计量大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于双分支特征渐进式融合网络的息肉图像分割方法，该方法构建基于特征和边界信息提取的双分支网络进行渐进式融合训练，主要包括基于点卷积视觉变换和逆向感知信息层的双分支主干网络、错位融合模块、错位单层融合模块、感知信息融合模块和多级残差解码模块，利用训练后的最佳模型对息肉图像进行分割，并对结果进行评估。本发明方法通过双分支结构有效提取边界信息和层级特征，采用渐进融合方式保留并提炼全局语义信息，克服了传统算法在息肉边界特征利用过程中的局限性，并在训练过程中采用边界差异联合损失优化模型训练过程，实现对息肉区域的高精度识别与分割。
-
公开(公告)号：CN119229129A
公开(公告)日：2024-12-31
申请号：CN202411729938.7
申请日：2024-11-29
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于牙根边缘加权损失的牙齿图像分割方法，涉及医学图像处理领域，该方法通过构建牙根边缘加权损失的牙齿实例分割网络并进行训练，分割网络主要包括主干网络、精炼特征增强模块、牙根边缘特征增强模块和牙根边缘加权交叉熵损失函数，利用训练后得到的最佳模型得到牙齿实例分割结果。本发明的方法深度融合了牙根边界线索以及牙齿的细节特征，以产生精细的牙齿掩码，克服了传统算法在面对牙根边界不确定性以及由于牙齿种类繁多时的局限性，并在训练过程中采用加权交叉熵损失函数优化模型训练过程，实现了对牙齿的高精度识别与分割。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
