-
公开(公告)号：CN114445423A
公开(公告)日：2022-05-06
申请号：CN202210041649.2
申请日：2022-01-14
Applicant: 同济大学 , 华平信息技术股份有限公司
Abstract: 本发明提供基于弱监督学习的医学图像分割方法及其模型的训练方法。其中，训练方法包括：获取若干待分割的医学图像，并对其中的病灶区域进行标注；对各所述待分割的医学图像进行预处理，并按照预设比例将所述预处理后的图像数据划分为训练集和测试集；利用所述训练集来训练一弱监督种子线索提取模型，并利用所述训练集和所述弱监督种子线索提取模型生成的伪标签训练一弱监督图像分割模型；在训练结束后，利用所述测试集对所述训练的弱监督图像分割模型进行测试。本发明训练得到的模型能按照病灶风险程度对医学图像进行相应程度的分割，从而满足实际医学分割场景的需求。
-
公开(公告)号：CN112348119B
公开(公告)日：2023-04-07
申请号：CN202011377744.7
申请日：2020-11-30
Applicant: 华平信息技术股份有限公司 , 同济大学
IPC: G06V10/774 , G06V10/764
Abstract: 本发明提供一种基于胶囊网络的图像分类方法、存储介质及电子设备，所述基于胶囊网络的图像分类方法包括：获取待训练的图像集；将所述图像集划分为训练集和测试集；利用所述训练集训练分类胶囊网络模型，在训练过程中根据所述训练集中图像特征仿射变换后形成的图像预测胶囊进行路由迭代；将所述测试集输入所述分类胶囊网络模型中进行图像分类的性能测试。本发明提出了不涉及耦合系数参与训练的自适应路由方法，在路由的迭代过程中可以使胶囊自适应地改变自身的特征，使胶囊向更有判别性的方向偏移，避免在出现梯度消失问题的同时也提高了模型的性能。
-
公开(公告)号：CN112348119A
公开(公告)日：2021-02-09
申请号：CN202011377744.7
申请日：2020-11-30
Applicant: 华平信息技术股份有限公司 , 同济大学
IPC: G06K9/62
Abstract: 本发明提供一种基于胶囊网络的图像分类方法、存储介质及电子设备，所述基于胶囊网络的图像分类方法包括：获取待训练的图像集；将所述图像集划分为训练集和测试集；利用所述训练集训练分类胶囊网络模型，在训练过程中根据所述训练集中图像特征仿射变换后形成的图像预测胶囊进行路由迭代；将所述测试集输入所述分类胶囊网络模型中进行图像分类的性能测试。本发明提出了不涉及耦合系数参与训练的自适应路由方法，在路由的迭代过程中可以使胶囊自适应地改变自身的特征，使胶囊向更有判别性的方向偏移，避免在出现梯度消失问题的同时也提高了模型的性能。
-
公开(公告)号：CN114445422A
公开(公告)日：2022-05-06
申请号：CN202210035140.7
申请日：2022-01-13
Applicant: 同济大学 , 华平信息技术股份有限公司
Abstract: 本发明提供一种基于transformer的医学图像分割方法、系统、介质及电子设备，其中，所述方法包括提取所述医学图像对应的训练集以及测试集；基于transformer构建第一编码器块得到预设分割模型，并将所述训练集输入到所述分割模型中进行训练，其中，当训练次数达到预设阈值后，停止训练，并将所述测试集输入到所述预设分割模型中进行测试，以得到分割图像。本发明的基于transformer的医学图像分割方法、系统、介质及电子设备，将transformer和卷积神经网络相结合，在传统分割模型U型结构的基础上进行改进，将transformer作为主干网络，融合不同特征，并且对解码器块的结果分别进行深监督，使得模型具有更强的特征提取和特征融合能力，进而实现更准确的图像分割，以此提高医学图像分割的精度。
-
公开(公告)号：CN112348118A
公开(公告)日：2021-02-09
申请号：CN202011377685.3
申请日：2020-11-30
Applicant: 华平信息技术股份有限公司 , 同济大学
Abstract: 本发明提供一种基于梯度维持的图像分类方法、存储介质及电子设备，所述基于梯度维持的图像分类方法包括：获取待训练的图像集；将所述图像集划分为训练集和测试集；利用所述训练集训练分类胶囊网络模型，且在训练过程中通过图像预测胶囊的路由梯度系数维持胶囊层叠加时的梯度稳定；将所述测试集输入所述分类胶囊网络模型中进行图像分类的性能测试。本发明在图像分类所用的胶囊网络模型中通过路由梯度系数维持梯度稳定。不仅在某种程度上抑制了梯度的消失，而且还可以适当的可以放大梯度并将梯度更平滑地扩展到模型前面的网络层，提高了胶囊网络模型的图像分类性能。
-
Patent Agency Ranking
公开(公告)号：CN113763394B
公开(公告)日：2024-03-29
申请号：CN202110973635.X
申请日：2021-08-24
Applicant: 同济大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于医疗风险的医学图像分割控制方法，具体包括以下步骤：S1、获取待分割的医学图像集，对医学图像集中的目标区域进行标注；S2、对医学图像集中的原始数据进行预处理；S3、按照预设比例将医学图像集划分为训练集和测试集；S4、生成医学图像分割模型，将训练集输入医学图像分割模型，对医学图像分割模型进行训练；S5、将测试集输入训练好的图像分割模型，得到目标区域的分割图像。与现有技术相比，本发明具有使得模型始终受到医疗风险的约束、提高医学图像分割结果的准确性、实现既准确又安全的分割等优点。
-
公开(公告)号：CN113763394A
公开(公告)日：2021-12-07
申请号：CN202110973635.X
申请日：2021-08-24
Applicant: 同济大学
Abstract: 本发明涉及一种基于医疗风险的医学图像分割控制方法，具体包括以下步骤：S1、获取待分割的医学图像集，对医学图像集中的目标区域进行标注；S2、对医学图像集中的原始数据进行预处理；S3、按照预设比例将医学图像集划分为训练集和测试集；S4、生成医学图像分割模型，将训练集输入医学图像分割模型，对医学图像分割模型进行训练；S5、将测试集输入训练好的图像分割模型，得到目标区域的分割图像。与现有技术相比，本发明具有使得模型始终受到医疗风险的约束、提高医学图像分割结果的准确性、实现既准确又安全的分割等优点。
-
公开(公告)号：CN113160417A
公开(公告)日：2021-07-23
申请号：CN202110392993.1
申请日：2021-04-13
Applicant: 同济大学
Abstract: 本发明涉及一种基于泌尿系统的多器官三维重建控制方法，具体包括以下步骤：S1、获取泌尿系统医学影像，经分割处理后得到标注数据文件；S2、根据标注数据文件，通过基于深度优先遍历和轮廓线插值的面绘制算法，生成泌尿系统医学影像的三角面片网格模型；S3、通过基于距离加权和线性插值的拉普拉斯网格平滑算法，对三角面片网格模型进行多次迭代优化；S4、根据优化后的三角面片网格模型，通过纹理映射算法渲染出泌尿系统医学影像的三维重建模型。与现有技术相比，本发明具有有效解决泌尿系统中精囊和肿瘤器官不规则形状及多区域而无法插值的问题、更好地消除三维重建模型表面的鳞状效应等优点。
-
公开(公告)号：CN111191793A
公开(公告)日：2020-05-22
申请号：CN201911312025.4
申请日：2019-12-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于对抗残差变换网络的无监督领域自适应方法，包括以下步骤：步骤S1：特征提取器提取源域的源数据和目标域的目标数据的特征分布；步骤S2：转换网络将源数据的特征分布映射到目标域，生成伪造目标数据；步骤S3：伪造目标数据通过训练建立标签分类器，通过标签分类器预测目标数据的标签值；步骤S4：域分类器对比伪造目标数据与目标数据，将结果反馈给特征提取器，特征提取器根据结果对提取过程进行改进，转换网络优化源数据到目标域的映射；步骤S5：循环执行步骤S1-S4，直至对抗残差变换网络模型的损失函数的值收敛，损失函数中设有正则化项。与现有技术相比，本发明具有减少梯度消失对模型参数优化的影响、提高模型的稳定性等优点。
-
公开(公告)号：CN110543831A
公开(公告)日：2019-12-06
申请号：CN201910745377.2
申请日：2019-08-13
Applicant: 同济大学
Abstract: 本发明涉及一种基于卷积神经网络的脑纹识别方法，包括：S1、采集原始时序脑电数据，并得到去除伪迹的原始频域脑电数据；S2、将去除伪迹的原始频域脑电数据划分为第一数据集和第二数据集，通过第一数据集对卷积神经网络进行训练和测试，以得到训练好的卷积神经网络；S3、对第一数据集和第二数据集分别进行特征提取，并将提取的所有特征集合存储为特征集；S4、从第二数据集中提取第一特征，比较第一特征与存储的特征集内各特征之间的欧式距离，以得到脑纹识别结果。与现有技术相比，本发明通过训练卷积神经网络，以提取个体的脑电编码向量，只需比较个体与样本之间的欧式距离，即可实现对个体的脑纹识别，避免了重新训练模型的问题。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.036 seconds)
