-
公开(公告)号：CN117011306A
公开(公告)日：2023-11-07
申请号：CN202310609850.0
申请日：2023-05-26
Applicant: 北京邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于池化Transformer的多任务全心脏CT分割方法，包括，获取全心脏CT图像训练数据集；构建全心脏CT图像分割模型，其中全心脏CT图像分割模型包括3D transformer编码器和3D卷积神经网络解码器，采用3D池化注意力机制计算图像块与图像块之间的关系；将全心脏CT图像训练数据集输入全心脏CT图像分割模型进行训练，得到完成的全心脏CT图像分割模型；其中分割损失函数由Dice损失函数和加权交叉熵损失函数组成；将测试数据集中的图像输入训练完成的全心脏CT图像分割模型，获取图像分割结果。通过本发明提出的方法，可以准确高效的进行心脏分割。
-
Patent Agency Ranking
公开(公告)号：CN114241110B
公开(公告)日：2022-06-03
申请号：CN202210165979.2
申请日：2022-02-23
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于邻域聚合蒙特卡罗失活的点云语义不确定度感知方法，其中包括，获取待处理场景的原始点云；将原始点云作为输入，以PointNet(++)为基础模型构建NSA‑MC‑dropout框架，其中，在编码阶段，NSA‑MC‑dropout框架生成不同粒度的特征向量，在解码阶段，特征向量被拼接到对应空间点，运用带有空间采样的多层感知机进行推理后生成各个无序点的随机推理结果；通过对随机推理结果进行融合实现单次随机推理建立原始点云中各个无序点预测分布；通过捕获预测分布中包含的信息量来量化点云语义不确定度或通过建模所述预测分布的分散程度来量化点云语义不确定度。在不增加模型参数和推理次数的基础上，实现了不确定度感知点云语义分割的框架。
-
公开(公告)号：CN114241110A
公开(公告)日：2022-03-25
申请号：CN202210165979.2
申请日：2022-02-23
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于邻域聚合蒙特卡罗失活的点云语义不确定度感知方法，其中包括，获取待处理场景的原始点云；将原始点云作为输入，以PointNet(++)为基础模型构建NSA‑MC‑dropout框架，其中，在编码阶段，NSA‑MC‑dropout框架生成不同粒度的特征向量，在解码阶段，特征向量被拼接到对应空间点，运用带有空间采样的多层感知机进行推理后生成各个无序点的随机推理结果；通过对随机推理结果进行融合实现单次随机推理建立原始点云中各个无序点预测分布；通过捕获预测分布中包含的信息量来量化点云语义不确定度或通过建模所述预测分布的分散程度来量化点云语义不确定度。在不增加模型参数和推理次数的基础上，实现了不确定度感知点云语义分割的框架。
-
公开(公告)号：CN117011306B
公开(公告)日：2025-05-16
申请号：CN202310609850.0
申请日：2023-05-26
Applicant: 北京邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于池化Transformer的多任务全心脏CT分割方法，包括，获取全心脏CT图像训练数据集；构建全心脏CT图像分割模型，其中全心脏CT图像分割模型包括3D transformer编码器和3D卷积神经网络解码器，采用3D池化注意力机制计算图像块与图像块之间的关系；将全心脏CT图像训练数据集输入全心脏CT图像分割模型进行训练，得到完成的全心脏CT图像分割模型；其中分割损失函数由Dice损失函数和加权交叉熵损失函数组成；将测试数据集中的图像输入训练完成的全心脏CT图像分割模型，获取图像分割结果。通过本发明提出的方法，可以准确高效的进行心脏分割。
-
公开(公告)号：CN118196853A
公开(公告)日：2024-06-14
申请号：CN202410205230.5
申请日：2024-02-26
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/774 , G06T7/246
Abstract: 本发明公开了一种基于深度图到点云的微表情识别方法，属于微表情识别技术领域，其包括：S1、准备工作：给定一个微表情数据集，以捕捉脸部的运动；S2、点云运动提取：通过深度图映射生成的密集点云可以保留完整的面部结构，同时点云在帧间高度对齐；S3、运动点云过滤：对运动点云过滤使得过滤后的点包含了最显著的运动幅度、方向和位置信息，充分表示面部动作特征；S4、点云模型验证：在多个点云模型上进行了验证，以评估运动点云有效性。本发明通过点与点之间的精确和全面的位置信息，它提供了更准确的面部运动信息，此外，通过去除静止点，完全保留面部运动信息，最大程度地减少了多余点的干扰。
-
公开(公告)号：CN114445429A
公开(公告)日：2022-05-06
申请号：CN202210112153.X
申请日：2022-01-29
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于多标签与多解码器的全心脏ct分割方法及装置，其中包括，获取训练CT图像，训练CT图像包括多个待分割目标对象以及所述多个待分割目标对象对应的第一标签信息；将多个待分割目标对象的第一标签信息按照预设规则进行融合，得到多个第二标签信息，其中，第一标签信息的粒度小于第二标签信息的粒度；对CT图像进行预处理，并将预处理后的CT图像剪裁为多个预设大小的图像块；构建U‑net网络，所述U‑net网络包括第一解码器和第二解码器，第一解码器用于分割细粒度标签，第二解码器用于分割粗粒度标签；根据图像块，以及第一标签信息和所述第二标签信息，对U‑net网络进行训练，生成分割模型；从而实现了对全心脏进行不同粒度的语义分割。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
