-
公开(公告)号：CN118154468B
公开(公告)日：2024-07-26
申请号：CN202410582588.X
申请日：2024-05-11
Applicant: 北京理工大学
IPC: G06T5/73 , G06V10/774 , G06V10/764 , G06T5/70 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于隐空间扩散模型的模糊图像通用增强方法，涉及图像增强领域，包括以下步骤：S1：构建重建训练集和重建测试集；S2：构建微调训练集和微调测试集；S3：构建隐空间扩散模型；S4：利用训练好的隐空间扩散模型对微调测试集中模糊图像进行增强，得到增强结果。本发明采用“重建+微调”的策略训练隐空间扩散模型，利用训练完成的模型直接对模糊图像进行增强，对比现有图像增强方法，增强结果有效实现对模糊图像的增强，并且很好地还原了图像细节，生成结果真实可靠；在重建过程中仅需要非成对图像，微调阶段所需成对图像数据规模小，很好地避免了成对数据获得成本高，难度大的问题。
-
公开(公告)号：CN119090706A
公开(公告)日：2024-12-06
申请号：CN202410999179.X
申请日：2024-07-24
Applicant: 北京理工大学
IPC: G06T3/04 , G06T7/246 , G06T7/33 , G06T7/00 , G16H50/30 , G16H50/70 , G16H10/60 , G16H30/40 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/049
Abstract: 本发明涉及一种基于深度学习的不规则采样眼底图像预测系统及方法，属于图像处理技术领域。本发明包括步骤：1、初始化眼底图像数据集；2、构建风格迁移模型；3、对风格迁移模型进行训练获得训练完成的风格迁移模型；4、利用时序数据对时空预测模型进行训练；5、对预测图像和配准后的测试集进行联合分析，生成用于眼底图像分析的疾病分类曲线和病变分割曲线；本发明通过提取眼底图像进行内容特征和风格特征分解，利用卷积递归单元和运动估计单元获得预测的内容特征；在对预测的内容特征和风格特征融合生成预测眼底图像；按照疾病分类和病变分割的方式生成曲线，从而，依据曲线的走势获得眼底疾病和病变的演变结果。
-
公开(公告)号：CN118299005A
公开(公告)日：2024-07-05
申请号：CN202410399320.2
申请日：2024-04-03
Applicant: 北京理工大学
Abstract: 本发明公开了基于病变程度连续标签的眼底彩照病理性近视检测方法，属于图像处理技术领域，包括：S1、定义训练样本标签；S2、将步骤S1得到的连续标签输入到双分支排序特征提取模型中，双分支排序特征提取模型输入为标准化的眼底彩照，参考分支与查询分支同时分别输入n张参考图像与对应的1张查询图像，输出时空编码的查询特征和空间编码的参考特征；S3、搭建多任务模块以及对应的损失函数来约束特征空间的特征分布，实现按照疾病严重程度对特征在高维空间进行排序并完成对眼底彩照的病理性近视的智能检测。本发明采用上述的基于病变程度连续标签的眼底彩照病理性近视检测方法，能够利用临床病变连续变化的先验信息有效提高近视检测的准确率。
-
公开(公告)号：CN118154468A
公开(公告)日：2024-06-07
申请号：CN202410582588.X
申请日：2024-05-11
Applicant: 北京理工大学
IPC: G06T5/73 , G06V10/774 , G06V10/764 , G06T5/70 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于隐空间扩散模型的模糊图像通用增强方法，涉及图像增强领域，包括以下步骤：S1：构建重建训练集和重建测试集；S2：构建微调训练集和微调测试集；S3：构建隐空间扩散模型；S4：利用训练好的隐空间扩散模型对微调测试集中模糊图像进行增强，得到增强结果。本发明采用“重建+微调”的策略训练隐空间扩散模型，利用训练完成的模型直接对模糊图像进行增强，对比现有图像增强方法，增强结果有效实现对模糊图像的增强，并且很好地还原了图像细节，生成结果真实可靠；在重建过程中仅需要非成对图像，微调阶段所需成对图像数据规模小，很好地避免了成对数据获得成本高，难度大的问题。
-
-
-
Search Results
4
records
(took 0.017 seconds)
