-
公开(公告)号：CN111784595B
公开(公告)日：2023-08-29
申请号：CN202010525632.5
申请日：2020-06-10
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明提供一种基于历史记录的动态标签平滑加权损失方法及装置，属于图像处理技术领域。所述方法包括：S1，为每个图像分别建立一个固定长度的历史队列，其中，历史队列中的初始值为相应图像真实的标签类别；S2，在机器学习模型每次迭代训练时，根据历史队列计算相应的图像属于真实类别和属于其他类别的权重，并将得到的权重与交叉熵函数相结合计算损失，以优化所述机器学习模型；S3，在每次迭代训练完成后，利用所述机器学习模型预测到的每个图像所属的类别更新相应的历史队列并返回S2继续迭代，直至训练完成。采用本发明，能够解决分类任务中因各类别间存在相似性而导致机器学习模型识别准确率低的问题。
-
公开(公告)号：CN113178001A
公开(公告)日：2021-07-27
申请号：CN202110353522.X
申请日：2021-04-01
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
IPC: G06T17/00 , G06T5/00 , G06T7/11 , G06F30/28 , G06F119/14
Abstract: 本发明公开了一种面向孔源性视网膜脱离的硅油填充模拟方法及电子设备，该方法包括：获取眼球连续医疗扫描图像，基于所述医疗扫描图像构建眼球三维模型；基于眼球三维模型，对液体与眼内腔交互边界进行受力模拟；对眼内腔中硅油与水进行相间耦合状态分析，使用拉格朗日方式表达流体间交互，并结合硅油及水与眼内腔交互边界的受力模拟结果，生成硅油填充术中不同硅油填充量下的眼球参数的可视化模拟结果，得到理论最佳硅油填充量。本发明通过客制化眼球模型构建，以及结合表面张力的不可压缩无散度流体动力学计算，得到理论最佳硅油填充量，可对手术过程起到辅助作用，减少术后硅油并发症发生概率，具有计算精度高、可视化效果逼真等优点。
-
公开(公告)号：CN113222114A
公开(公告)日：2021-08-06
申请号：CN202110436901.5
申请日：2021-04-22
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明公开了一种图像数据增广方法及装置，该方法包括：获取真实图像及其真实标注；构建标注生成网络和风格迁移网络；其中，标注生成网络用于根据真实标注生成虚拟标注；风格迁移网络用于将虚拟标注转换成虚拟图像；将标注生成网络与风格迁移网络合并成图像数据增广网络；并基于真实图像及其真实标注，采用基于生成器和判别器的损失函数训练图像数据增广网络；利用训练好的图像数据增广网络生成虚拟图像和虚拟标注，实现图像数据增广。本发明能够在增强真实图像及其标注数据多样性的同时，节省人工标注成本，显著提高后续图像分割模型训练所需的数据量，从而提高图像分割模型的精度。
-
公开(公告)号：CN110033422B
公开(公告)日：2021-03-23
申请号：CN201910284263.2
申请日：2019-04-10
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明提供一种眼底OCT图像融合方法及装置，能够解决眼底检查中存在的局部模糊问题。所述方法包括：获取连续拍摄的N张眼底OCT图像序列，其中，OCT表示光相干断层扫描成像；配准所述N张眼底OCT图像序列，得到第2张至第N张图像相对于第1张图像的偏移量；基于得到的第2张至第N张图像相对于第1张图像的偏移量，采用2个特征提取分支的眼底OCT图像融合网络，融合N张图像中各自清晰的部分，得到清晰的融合结果图。本发明涉及眼底成像技术领域。
-
公开(公告)号：CN113222114B
公开(公告)日：2023-08-15
申请号：CN202110436901.5
申请日：2021-04-22
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
IPC: G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06V10/764 , G06V10/776
Abstract: 本发明公开了一种图像数据增广方法及装置，该方法包括：获取真实图像及其真实标注；构建标注生成网络和风格迁移网络；其中，标注生成网络用于根据真实标注生成虚拟标注；风格迁移网络用于将虚拟标注转换成虚拟图像；将标注生成网络与风格迁移网络合并成图像数据增广网络；并基于真实图像及其真实标注，采用基于生成器和判别器的损失函数训练图像数据增广网络；利用训练好的图像数据增广网络生成虚拟图像和虚拟标注，实现图像数据增广。本发明能够在增强真实图像及其标注数据多样性的同时，节省人工标注成本，显著提高后续图像分割模型训练所需的数据量，从而提高图像分割模型的精度。
-
Patent Agency Ranking
公开(公告)号：CN110033422A
公开(公告)日：2019-07-19
申请号：CN201910284263.2
申请日：2019-04-10
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明提供一种眼底OCT图像融合方法及装置，能够解决眼底检查中存在的局部模糊问题。所述方法包括：获取连续拍摄的N张眼底OCT图像序列，其中，OCT表示光相干断层扫描成像；配准所述N张眼底OCT图像序列，得到第2张至第N张图像相对于第1张图像的偏移量；基于得到的第2张至第N张图像相对于第1张图像的偏移量，采用2个特征提取分支的眼底OCT图像融合网络，融合N张图像中各自清晰的部分，得到清晰的融合结果图。本发明涉及眼底成像技术领域。
-
公开(公告)号：CN113178001B
公开(公告)日：2023-07-04
申请号：CN202110353522.X
申请日：2021-04-01
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
IPC: G06T17/00 , G06T5/00 , G06T7/11 , G06F30/28 , G06F119/14
Abstract: 本发明公开了一种面向孔源性视网膜脱离的硅油填充模拟方法及电子设备，该方法包括：获取眼球连续医疗扫描图像，基于所述医疗扫描图像构建眼球三维模型；基于眼球三维模型，对液体与眼内腔交互边界进行受力模拟；对眼内腔中硅油与水进行相间耦合状态分析，使用拉格朗日方式表达流体间交互，并结合硅油及水与眼内腔交互边界的受力模拟结果，生成硅油填充术中不同硅油填充量下的眼球参数的可视化模拟结果，得到理论最佳硅油填充量。本发明通过客制化眼球模型构建，以及结合表面张力的不可压缩无散度流体动力学计算，得到理论最佳硅油填充量，可对手术过程起到辅助作用，减少术后硅油并发症发生概率，具有计算精度高、可视化效果逼真等优点。
-
公开(公告)号：CN115424730A
公开(公告)日：2022-12-02
申请号：CN202211035231.7
申请日：2022-08-26
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明公开了一种辅助治疗裂孔性视网膜脱离的硅油填充模拟方法及装置，该方法包括：按照弹性固体建模方法构建患者的眼球壁模型，并采用基于数量密度的隐式迭代校正压力的方法保持眼球壁的不可压缩特性；针对术中在眼内腔填充硅油的场景，将硅油作为一种高粘性不可压缩牛顿流体，根据流体和弹性固体之间的耦合方法，模拟硅油和眼球壁之间的交互；对术后房水进入玻璃体腔内产生的由水、硅油和眼球壁组成的三相耦合环境进行模拟，模拟水和硅油在不混溶边界处发生的硅油乳化现象。本发明的技术方案按照弹性固体建模方法构建眼球壁，可视化填充环境，通过基于数量密度的体积不可压缩模型模拟填充产生的动力学交互，可以为手术治疗提供准确的定量分析。
-
公开(公告)号：CN111784595A
公开(公告)日：2020-10-16
申请号：CN202010525632.5
申请日：2020-06-10
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明提供一种基于历史记录的动态标签平滑加权损失方法及装置，属于图像处理技术领域。所述方法包括：S1，为每个图像分别建立一个固定长度的历史队列，其中，历史队列中的初始值为相应图像真实的标签类别；S2，在机器学习模型每次迭代训练时，根据历史队列计算相应的图像属于真实类别和属于其他类别的权重，并将得到的权重与交叉熵函数相结合计算损失，以优化所述机器学习模型；S3，在每次迭代训练完成后，利用所述机器学习模型预测到的每个图像所属的类别更新相应的历史队列并返回S2继续迭代，直至训练完成。采用本发明，能够解决分类任务中因各类别间存在相似性而导致机器学习模型识别准确率低的问题。
-
公开(公告)号：CN115272167A
公开(公告)日：2022-11-01
申请号：CN202210545711.1
申请日：2022-05-19
Applicant: 北京科技大学 , 北京科技大学顺德研究生院
Abstract: 本发明涉及一种跨模态图像生成和检测的方法及装置，属于图像处理和人工智能技术领域，能够实现跨模态生成医学影像，且完成目标检测；该方法包括：S1、获取两种以上模态的图像集并进行配准；S2、对图像集进行融合得到第一多模态融合图像；S3、利用第一多模态融合图像以及其对应的单模态图像对跨模态图像生成模型进行训练；S4、将第一多模态融合图像对应的单一模态图像输入跨模态图像生成模型中得到第二多模态融合图像；S5、将第二多模态融合图像和对应的第一多模态融合图像输入目标检测模型中进行训练；S6、对模型进行端到端调优，得到最终的跨模态图像生成模型和目标检测模型。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.06 seconds)
