-
公开(公告)号：CN116503605A
公开(公告)日：2023-07-28
申请号：CN202310639579.5
申请日：2023-06-01
Applicant: 南京大学
IPC: G06V10/26 , G06V10/82 , G06V10/762 , G06V10/764 , G06V40/14 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于迭代主干生长和弱监督学习的胰周血管分割标记方法，发明的核心是设计了一个迭代主干生长机制和一个基于弱监督学习的标记框架。迭代主干生长机制包括一系列可迭代的主干生长模块，每个模块通过对胰周血管的基本分割结果施加连通性约束和分支提议网络使其能在保证连通性的基础上逐渐生长得更加完整；基于弱监督学习的标记框架首先使用一个基于解剖规则的标记算法生成血管分支类别的伪标签，然后训练一个标记网络来学习血管分支的分布特征，最后使用一个自适应的后处理模块来修正血管的结构。本发明不仅可以得到更加完整且完全连通的胰周血管分割结果，而且可以使用更少的人工成本获得与全监督标记方法相当的胰周血管标记精度。
-
公开(公告)号：CN119832335A
公开(公告)日：2025-04-15
申请号：CN202510042716.6
申请日：2025-01-10
Applicant: 南京大学
IPC: G06V10/764 , G06T7/00 , G06T7/60 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/766 , G06V10/26
Abstract: 本发明提供了一种眼底超声视频最优帧检测与视神经鞘宽度测量的全自动方法。首先，训练一个在眼底超声图像中自动分割眼球和视神经鞘的深度网络模型。然后，对每一个眼底超声视频中的每一帧图像进行分割，设计一个眼底超声图像评分模型对每一帧超声图像进行评分，输出每一个眼底超声视频中得分最高的五张图像作为最优帧集。最后，根据眼球和视神经鞘的分割结果设计基于中心线的算法自动计算眼球下3毫米处的视神经鞘宽度，并以最优帧图像中视神经鞘宽度的修剪平均值作为眼底视神经鞘的宽度测量值。本发明能够在仅输入眼底超声视频的情况下，实现眼球和视神经鞘两个要素的自动分割、最优帧的自动选取和视神经鞘宽度的自动测量。
-
公开(公告)号：CN116503605B
公开(公告)日：2023-10-13
申请号：CN202310639579.5
申请日：2023-06-01
Applicant: 南京大学
IPC: G06V10/26 , G06V10/82 , G06V10/762 , G06V10/764 , G06V40/14 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于迭代主干生长和弱监督学习的胰周血管分割标记方法，发明的核心是设计了一个迭代主干生长机制和一个基于弱监督学习的标记框架。迭代主干生长机制包括一系列可迭代的主干生长模块，每个模块通过对胰周血管的基本分割结果施加连通性约束和分支提议网络使其能在保证连通性的基础上逐渐生长得更加完整；基于弱监督学习的标记框架首先使用一个基于解剖规则的标记算法生成血管分支类别的伪标签，然后训练一个标记网络来学习血管分支的分布特征，最后使用一个自适应的后处理模块来修正血管的结构。本发明不仅可以得到更加完整且完全连通的胰周血管分割结果，而且可以使用更少的人工成本获得与全监督标记方法相当的胰周血管标记精度。
-
公开(公告)号：CN116363373A
公开(公告)日：2023-06-30
申请号：CN202310639583.1
申请日：2023-06-01
Applicant: 南京大学
Abstract: 本发明公开了一种在CT图像上基于级联末端引导机制的扩张胰管分割方法。首先构建一个基本的串联分割网络依次得到胰腺分割结果和扩张胰管的粗分割结果，并在扩张胰管的粗分割结果上基于图结构建立对扩张胰管末端区域的注意力机制；其次训练一个嵌入解剖信息的子网络，其输入分别为扩张胰管的末端图像、扩张胰管的粗分割结果和胰腺分割结果对应的局部解剖注意力图，网络输出扩张胰管的细分割结果；最后设计一个末端抗干扰网络，其输入为扩张胰管末端图像和细分割结果，网络输出细分割结果可能存在的混淆区域，将其与细分割结果结合以得到扩张胰管的最终分割结果。本发明可以在CT图像上得到末端更加完整、精度更高的扩张胰管分割结果。
-
公开(公告)号：CN118015358B
公开(公告)日：2024-08-20
申请号：CN202410158376.9
申请日：2024-02-04
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/40 , G06N3/088 , G06N3/0464 , G06V10/26
Abstract: 本发明的目的是在资源有限的环境中，开发一种肺结核(TB)诊断模型。收集了数百张CXR和CT图像，涵盖三种类型的肺部状况：正常、TB和其他肺病。所有CT图像在训练过程中用作带标签的源域，而CXR图像作为无标签的目标域。基本思想是利用三维CT图像的标签信息来训练二维CXR图像诊断模型。首先，通过简单投影从带标签的三维CT图像获得二维数字重建X射线(DRR)图像，并保留标签信息。然后，构建一个用于CXR图像中TB诊断的深度网络。该网络在深度域适应框架下以无监督的方式进行训练，带标签的DRR图像作为源域，未标记的CXR图像作为目标域。模型在CXR测试集中实现了78.26％的TB诊断准确率，以5.79％到13.77％的提升幅度超过现有的无监督域适应模型，显著性p值低于0.001。
-
Patent Agency Ranking
公开(公告)号：CN118015358A
公开(公告)日：2024-05-10
申请号：CN202410158376.9
申请日：2024-02-04
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/40 , G06N3/088 , G06N3/0464 , G06V10/26
Abstract: 本发明的目的是在资源有限的环境中，开发一种肺结核(TB)诊断模型。收集了数百张CXR和CT图像，涵盖三种类型的肺部状况：正常、TB和其他肺病。所有CT图像在训练过程中用作带标签的源域，而CXR图像作为无标签的目标域。基本思想是利用三维CT图像的标签信息来训练二维CXR图像诊断模型。首先，通过简单投影从带标签的三维CT图像获得二维数字重建X射线(DRR)图像，并保留标签信息。然后，构建一个用于CXR图像中TB诊断的深度网络。该网络在深度域适应框架下以无监督的方式进行训练，带标签的DRR图像作为源域，未标记的CXR图像作为目标域。模型在CXR测试集中实现了78.26％的TB诊断准确率，以5.79％到13.77％的提升幅度超过现有的无监督域适应模型，显著性p值低于0.001。
-
公开(公告)号：CN109727258B
公开(公告)日：2020-10-27
申请号：CN201910011046.6
申请日：2019-01-07
Applicant: 南京大学
Abstract: 本发明公开了一种基于区域灰度异质能量的图像分割方法，包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标和灰度异质因子，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。本发明的能量泛函既使用了原始图像的灰度信息，又融合了区域灰度异质信息。两者结合，相互平衡，能够有效地分割灰度极其不均匀的图像。实验表明，本方法在分割两类特定图像时，分割结果优于仅基于图像灰度信息的分割结果。
-
公开(公告)号：CN109727258A
公开(公告)日：2019-05-07
申请号：CN201910011046.6
申请日：2019-01-07
Applicant: 南京大学
Abstract: 本发明公开了一种基于区域灰度异质能量的图像分割方法，包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标和灰度异质因子，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。本发明的能量泛函既使用了原始图像的灰度信息，又融合了区域灰度异质信息。两者结合，相互平衡，能够有效地分割灰度极其不均匀的图像。实验表明，本方法在分割两类特定图像时，分割结果优于仅基于图像灰度信息的分割结果。
-
公开(公告)号：CN119832010A
公开(公告)日：2025-04-15
申请号：CN202510010071.8
申请日：2025-01-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于单点标注的医学图像弱监督变分分割方法，涉及医学图像中肿瘤分割技术领域。首先在目标肿瘤区域内随机地取一个点，根据整个CT图像的纹理方向信息、边界处灰度的局部方向信息和灰度的异质性构建一个新的各向异性的黎曼度量。其次计算整个CT图像中所有点到肿瘤区域内所取点的两种距离：基于新的黎曼度量的测地距离和欧氏距离。随后，将这两种逐点的距离信息嵌入到Chan‑Vese模型中。最后证明了模型解的存在性和唯一性，并采用Douglas‑Rachford算法对其进行求解，得到最终肿瘤的分割结果。本发明可以得到更精确、更有效、更鲁棒的分割结果，可用于肿瘤检测、定位和分割，还可以大大减少人工标注的工作量，具有较高的临床应用价值。
-
公开(公告)号：CN119338865A
公开(公告)日：2025-01-21
申请号：CN202411485382.1
申请日：2024-10-23
Applicant: 南京大学
Abstract: 本发明公开一种基于稀疏先验的非刚性图像配准方法，包括以下步骤：构建浮动图像与固定图像之间的位移场的有界形变函数，将位移场的形变函数作为变分模型的正则项；按照配准后图像与固定图像之间灰度差的稀疏性特点，采用L0范数的数据项，建立稀疏图像配准模型；进一步采用Lp拟范数进行稀疏逼近，近似为Lp稀疏图像配准模型；利用原始对偶迭代加权算法求解配准模型，得到配准结果。本发明对噪声的鲁棒性更强，从而得到更有效的配准结果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
