公开(公告)号：CN117437244A

公开(公告)日：2024-01-23

申请号：CN202311391101.1

申请日：2023-10-25

Applicant: 华中科技大学

Inventor： 张旭明 ,  闻明伟

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/0499 ,  G06T17/00 ,  G16H30/40

Abstract: 本发明公开了一种基于时序信息增强的三维医学图像分割方法，属于医学图像分割领域，该方法针对时序信息的提取和融合提出了Circle Transformer模块，利用时序输入提升深度学习模型的训练效果，可以有效消除相似特征和模糊图像的干扰；在训练阶段，输入是一个时间序列的样本，并通过提取时序信息增强模型训练效果，再通过同时约束时序信息结合前后的分割结果解除模型对于时序的依赖，与输入单个样本的训练方法对比，可以无成本的提升基于编解码结构的分割模型精度；在应用阶段，仅需输入单帧三维图像，无需使用序列作为输入，应用模式更加灵活。

公开(公告)号：CN116129107A

公开(公告)日：2023-05-16

申请号：CN202211440881.X

申请日：2022-11-17

Applicant: 华中科技大学

Inventor： 张旭明 ,  闻明伟 ,  周权

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06T7/00 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于医学图像处理中的图像分割领域，公开了一种基于长短期记忆自注意力模型的三维医学图像分割方法及系统，其中三维医学图像分割方法，能够针对医学图像中目标区域影像进行分割，包括以下步骤：(1)建立训练集样本；(2)对待分割的原始三维医学图像进行处理，得到待分割样本；(3)构建基于长短期记忆自注意力的三维医学图像分割网络并训练；(4)将待分割样本输入至该网络，即可输出得到待分割样本中目标区域的分割结果。本发明通过综合CNN与Transformer，得到用于三维医学图像中目标区域(如肿瘤等)实时准确分割的新模型，采用类似记忆遗忘与更新的学习策略，尤其有利于提高医学图像中复杂肿瘤的分割精度。

公开(公告)号：CN120088283A

公开(公告)日：2025-06-03

申请号：CN202510576168.5

申请日：2025-05-06

Applicant: 华中科技大学同济医学院附属协和医院

Inventor： 史健 ,  汪科杉 ,  李伟权 ,  闻明伟 ,  熊之勇 ,  魏志豪 ,  陈凯磊 ,  章小平

IPC: G06T7/12 ,  G06T7/13 ,  G06T7/181 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种基于MR图像的血管组织分割方法、系统及存储介质，包括以下步骤：利用Canny算子对MR图像中的血管信息进行增强，得到MR增强图像；利用UNet网络，基于MR图像和MR增强图像，分别构建第一分割模型，以及第二分割模型；利用所述第二分割模型引导第一分割模型进行训练，并将训练完成后的第一分割模型的输出结果作为MR图像中血管组织分割结果。本发明能够引导低分辨率图像上的分割结果向高分辨率图像的分割结果学习，使得直接在低分辨率图像上获取到高精度分割结果，且无需增加分割过程的数据处理过程和模型复杂度，提升血管组织的精准分割的效率。

公开(公告)号：CN120088281A

公开(公告)日：2025-06-03

申请号：CN202510576171.7

申请日：2025-05-06

Applicant: 华中科技大学同济医学院附属协和医院

Inventor： 史健 ,  汪科杉 ,  李伟权 ,  闻明伟 ,  熊之勇 ,  魏志豪 ,  陈凯磊 ,  章小平

IPC: G06T7/11 ,  G06T7/12 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种基于MR图像的肿瘤组织分割方法、系统及存储介质，包括以下步骤：利用神经网络分别构建肿瘤边缘分割模块，以及肿瘤非边缘区域分割模块；在肿瘤边缘分割模块和肿瘤非边缘区域分割模块之间，设置互学习模块；将由肿瘤边缘分割模块、肿瘤非边缘区域分割模块以及互学习模块组合而成的模型结构进行训练，得到肿瘤组织分割模型。本发明通过构建肿瘤边缘分割模块、肿瘤非边缘区域分割模块以及互学习模块，使得边缘分割和非边缘区域分割之间交互学习，相互引导，能够实现精准分割出肿瘤组织主体区域，以及对于肿瘤组织的复杂边界做到精准的分割，提升肿瘤组织的精准分割效果。

公开(公告)号：CN118037791A

公开(公告)日：2024-05-14

申请号：CN202410099911.8

申请日：2024-01-24

Applicant: 华中科技大学

Inventor： 张旭明 ,  闻明伟

IPC: G06T7/33 ,  G06T7/11 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明属于医学图像配准领域，具体涉及多模态三维医学图像分割配准模型的构建方法及其应用，包括：采集每个目标的两种模态医学图像，分别作为参考图像和浮动图像，得到一个训练样本；采用训练样本同时优化三个网络参数，得到由参考图像分割模型、浮动图像分割模型和配准模型构成的分割配准模型；参考图像和浮动图像分割模型分别用于对相应图像进行多尺度分割，得到最大尺度同原图像的多尺度分割结果；配准模型用于基于参考图像、浮动图像、最大尺度参考图像分割结果和浮动图像分割结果，得到多尺度形变场；分割损失和配准损失均为各尺度下分割和配准损失的加和，且分割损失包括一阶梯度损失和/或水平集能量函数损失，本发明能提高配准精度。