-
公开(公告)号：CN117831757A
公开(公告)日：2024-04-05
申请号：CN202410245727.X
申请日：2024-03-05
Applicant: 之江实验室
IPC: G16H50/20 , G06V10/82 , G06V10/764 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于病理CT多模态先验知识引导的肺癌诊断方法及系统，该方法通过获取患者的肺部CT图像并输入至训练好的基于CT的肺癌诊断分类深度神经网络C，获得预测的诊断结果；其中基于CT的肺癌诊断分类深度神经网络C是基于对比学习理论，通过病理特征来进行优化训练获得的，可以有效提高网络的训练效率以及精度上限。得益于病理图像带来的先验知识，基于CT的肺癌诊断分类深度神经网络C对于肺部CT图像的肺癌诊断分类具有更高的准确性，而病理图像仅仅作用于网络的训练过程中，在临床应用中并不需要提供。由此，训练得到的CT肺癌诊断分类网络比单纯由肺部CT图像训练得到的网络精度更高，稳定性更好，对于肺癌的早期诊断具有临床实际意义。
-
公开(公告)号：CN117392252A
公开(公告)日：2024-01-12
申请号：CN202311201872.X
申请日：2023-09-18
Applicant: 之江实验室
Abstract: 本发明公开了一种脊柱微创术中CBCT数据的金属伪影自动校正方法及系统，通过在传统金属伪影校正方法中加入基于海森矩阵特征值的增强滤波和基于三角剖分的二维插值算法，实现更加准确的投影域金属物分割和填充，进而实现更高质量的脊柱微创术中CBCT数据的金属伪影自动校正。使用校正后的投影数据进行重建可以得到金属伪影显著减弱的三维CBCT图像，同时保护脊柱微创术中CBCT图像在金属植入物周围的组织对比度，可为临床医生与手术机器人提供更加可靠的图像引导。
-
公开(公告)号：CN117577274B
公开(公告)日：2024-05-10
申请号：CN202410051111.9
申请日：2024-01-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于空间频谱核函数的EIT图像重建方法、装置及设备。本发明通过构建一同时编码图像空间相关性信息与频域相关性信息的空间频谱核函数，再将其嵌入至多频EIT图像重建模型中，可隐式化引入空间域与频域的先验引导，同步抑制EIT空间域与频域的噪声干扰，并避免因电磁场“软场”特性而导致的EIT图像变形问题，实现高精度、低噪、高质量的多频生物电阻抗层析成像图像重建。
-
公开(公告)号：CN117577274A
公开(公告)日：2024-02-20
申请号：CN202410051111.9
申请日：2024-01-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于空间频谱核函数的EIT图像重建方法、装置及设备。本发明通过构建一同时编码图像空间相关性信息与频域相关性信息的空间频谱核函数，再将其嵌入至多频EIT图像重建模型中，可隐式化引入空间域与频域的先验引导，同步抑制EIT空间域与频域的噪声干扰，并避免因电磁场“软场”特性而导致的EIT图像变形问题，实现高精度、低噪、高质量的多频生物电阻抗层析成像图像重建。
-
Patent Agency Ranking
公开(公告)号：CN117011673A
公开(公告)日：2023-11-07
申请号：CN202311284723.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/84 , G06V10/30 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于噪声扩散学习的电阻抗层析成像图像重建方法和装置，适用于工业过程成像、地质勘探和医学成像等技术领域。本发明通过获取含有电阻抗层析成像边界测量复电压序列信息的初始反投影图像对，再将初始反投影图像对输入至预先训练好的基于噪声扩散学习的电阻抗层析成像图像重建网络模型，可快速获取低噪、超高分辨率的电阻抗层析重建图像。其中基于噪声扩散学习的EIT图像重建网络模型训练的核心思想为先向电阻抗图像逐步添加概率分布已知的噪声，直至将其转换为正态分布的噪声图像，再在约束条件引导下，利用深度神经网络预测每一个时间节点处上一步添加的噪声来对噪声图像进行逐步去噪和更新估计，直至将其恢复为高精度重构图像。
-
公开(公告)号：CN117831757B
公开(公告)日：2024-05-28
申请号：CN202410245727.X
申请日：2024-03-05
Applicant: 之江实验室
IPC: G16H50/20 , G06V10/82 , G06V10/764 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于病理CT多模态先验知识引导的肺癌诊断方法及系统，该方法通过获取患者的肺部CT图像并输入至训练好的基于CT的肺癌诊断分类深度神经网络C，获得预测的诊断结果；其中基于CT的肺癌诊断分类深度神经网络C是基于对比学习理论，通过病理特征来进行优化训练获得的，可以有效提高网络的训练效率以及精度上限。得益于病理图像带来的先验知识，基于CT的肺癌诊断分类深度神经网络C对于肺部CT图像的肺癌诊断分类具有更高的准确性，而病理图像仅仅作用于网络的训练过程中，在临床应用中并不需要提供。由此，训练得到的CT肺癌诊断分类网络比单纯由肺部CT图像训练得到的网络精度更高，稳定性更好，对于肺癌的早期诊断具有临床实际意义。
-
公开(公告)号：CN114758031A
公开(公告)日：2022-07-15
申请号：CN202210672852.X
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种电容耦合电阻抗层析成像图像重建方法及装置，本发明将无监督的深度卷积网络作为先验信息来对电容耦合电阻抗层析成像的图像迭代重建过程加以约束，通过训练拥有随机初始化网络参数的深度神经网络，使得该网络能够从噪声标签图像中学习其自身的内在隐藏信息，并在训练过程中通过交替性的加权平均求和等操作逐步找到噪声图像的局部最优解，生成近似于真实图像的结果，完成去噪。本发明提出的针对于电容耦合电阻抗层析成像应用的网络先验不仅能形成类似手动先验的模式来对图像重建进行噪声约束，并且能依据图像自身的结构特点做出智能化的参数调整，形成更高质量的重建图像。
-
公开(公告)号：CN117011673B
公开(公告)日：2024-03-26
申请号：CN202311284723.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/84 , G06V10/30 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于噪声扩散学习的电阻抗层析成像图像重建方法和装置，适用于工业过程成像、地质勘探和医学成像等技术领域。本发明通过获取含有电阻抗层析成像边界测量复电压序列信息的初始反投影图像对，再将初始反投影图像对输入至预先训练好的基于噪声扩散学习的电阻抗层析成像图像重建网络模型，可快速获取低噪、超高分辨率的电阻抗层析重建图像。其中基于噪声扩散学习的EIT图像重建网络模型训练的核心思想为先向电阻抗图像逐步添加概率分布已知的噪声，直至将其转换为正态分布的噪声图像，再在约束条件引导下，利用深度神经网络预测每一个时间节点处上一步添加的噪声来对噪声图像进行逐步去噪和更新估计，直至将其恢复为高精度重构图像。
-
公开(公告)号：CN114758031B
公开(公告)日：2022-10-21
申请号：CN202210672852.X
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种电容耦合电阻抗层析成像图像重建方法及装置，本发明将无监督的深度卷积网络作为先验信息来对电容耦合电阻抗层析成像的图像迭代重建过程加以约束，通过训练拥有随机初始化网络参数的深度神经网络，使得该网络能够从噪声标签图像中学习其自身的内在隐藏信息，并在训练过程中通过交替性的加权平均求和等操作逐步找到噪声图像的局部最优解，生成近似于真实图像的结果，完成去噪。本发明提出的针对于电容耦合电阻抗层析成像应用的网络先验不仅能形成类似手动先验的模式来对图像重建进行噪声约束，并且能依据图像自身的结构特点做出智能化的参数调整，形成更高质量的重建图像。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
