-
公开(公告)号：CN112614129B
公开(公告)日：2023-08-18
申请号：CN202011642586.3
申请日：2020-12-31
Applicant: 南方医科大学
Abstract: 一种基于时序稀疏回归及加性模型影像相关性检测方法,包括4个步骤步骤。本发明通过上述4个步骤得到多个关于时间表型平滑函数及ROI的权重，从而通过多个SNP对表型的贡献描述特定区域得到大脑区域时间进展轨迹以及表型的区域差异的相关性。通过最小均方根误差RMSE作为特定大脑区域退变进展轨迹与模型是否匹配评价指标，本发明的RMSE为0.15，而现在技术模型基于时序稀疏加性模型的RMSE为1.14，稀疏加性模型的RMSE和组稀疏加性模型的RMSE都为1.33，因此本发明的效果更优。
-
公开(公告)号：CN112614129A
公开(公告)日：2021-04-06
申请号：CN202011642586.3
申请日：2020-12-31
Applicant: 南方医科大学
Abstract: 一种基于时序稀疏回归及加性模型影像相关性检测方法,包括4个步骤步骤。本发明通过上述4个步骤得到多个关于时间表型平滑函数及ROI的权重，从而通过多个SNP对表型的贡献描述特定区域得到大脑区域时间进展轨迹以及表型的区域差异的相关性。通过最小均方根误差RMSE作为特定大脑区域退变进展轨迹与模型是否匹配评价指标，本发明的RMSE为0.15，而现在技术模型基于时序稀疏加性模型的RMSE为1.14，稀疏加性模型的RMSE和组稀疏加性模型的RMSE都为1.33，因此本发明的效果更优。
-
公开(公告)号：CN108345769A
公开(公告)日：2018-07-31
申请号：CN201810200077.1
申请日：2018-03-12
Applicant: 南方医科大学
Abstract: 一种整合图像空间信息的基于体素点全基因组关联分析方法，包括以下步骤：(1)收集图像数据和基因数据；(2)整合图像数据的空间信息，对目标对象的图像数据进行处理获得整合了图像空间信息的图像数据：(3)对基因数据和图像数据进行FVGWAS分析。该整合图像空间信息的基于体素点全基因组关联分析方法，由于个体本身固有的生物结构和功能，图像数据具有空间结构相关性，这些空间结构包含了大量的重要信息，把这些信息整合到VGWAS方法。具有检测性能力强，精度高，计算简单的特点。
-
公开(公告)号：CN103745473B
公开(公告)日：2016-08-24
申请号：CN201410019012.9
申请日：2014-01-16
Applicant: 南方医科大学
Abstract: 一种脑组织提取方法，依次包括：对训练集图像和测试集图像进行预处理；提取训练集图像的图像特征组成训练集，提取测试集图像的图像特征组成测试集；根据训练集构建字典；依据训练集和字典计算训练集样本由字典中单词线性组合的权重系数向量；依据字典和测试集计算测试集样本由字典中单词线性组合的权重系数向量；计算字典中每个单词的分类评分；通过局部线性表示计算测试样本的分类评分，完成对测试样本的分类，得到初步分割结果；对初步分割结果进行后处理，得到分割处理后的脑组织图片。本发明能够高效、准确地提取脑组织图像。
-
公开(公告)号：CN103366376A
公开(公告)日：2013-10-23
申请号：CN201310302240.2
申请日：2013-07-19
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种基于邻域尺度变化的图像特征提取方法，依次包括：（1）在经典图像网格模板上取一点作为中心点，设置邻域范围，中心点邻域内的点为采样点；（2）计算每个采样点的邻域尺度；（3）根据采样点的邻域尺度，对邻域内的采样点实施坐标变换；（4）对变换后的采样点进行裁剪，舍去坐标变换后超出邻域范围的采样点；（5）对保留下来的采样点，利用变换后的新坐标计算每个采样点新的邻域尺度，将每个以采样点为圆心邻域尺度为直径的圆作为邻域的子区域，这些子区域组合起来得到变尺度邻域模板；（6）将变尺度邻域模板对应到待处理的图像上获得中心点的特征。本发明可降低图像特征的维数，增强图像特征的鲁棒性，提高图像特征的区分度。
-
Patent Agency Ranking
公开(公告)号：CN103366183B
公开(公告)日：2017-05-10
申请号：CN201310302124.0
申请日：2013-07-19
Applicant: 南方医科大学
Abstract: 一种局灶性病灶的非参数自动检测方法，预先以已经勾画好病灶的医学病灶图像作为样本构建样本集A1数据库,分别提取样本集A1中每一幅图像的目标区域和背景区域的局部描述子，得到样本集A1中所有目标区域局部描述子组成的目标特征库F1和样本集A1中所有背景区域局部描述子组成的背景特征库F2；处理时具体包括下列步骤：（1）将待处理的医学病灶图像I分为多个子区域；（2）用NBNN分类器对每个子区域进行分类；（3）计算目标函数，得到病灶检测结果。本发明不需预先建立参数化模型，且不需要对图像局部描述子进行量化，应用灵活，图像局部描述子鉴别能力强，能精确检测局灶性病灶。
-
公开(公告)号：CN103366376B
公开(公告)日：2016-02-24
申请号：CN201310302240.2
申请日：2013-07-19
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种基于邻域尺度变化的图像特征提取方法，依次包括：（1）在经典图像网格模板上取一点 作为中心点，设置邻域范围，中心点邻域内的点为采样点；（2）计算每个采样点的邻域尺度；（3）根据采样点的邻域尺度，对邻域内的采样点实施坐标变换；（4）对变换后的采样点进行裁剪，舍去坐标变换后超出邻域范围的采样点；（5）对保留下来的采样点，利用变换后的新坐标计算每个采样点新的邻域尺度，将每个以采样点为圆心邻域尺度为直径的圆作为邻域的子区域，这些子区域组合起来得到变尺度邻域模板；（6）将变尺度邻域模板对应到待处理的图像上获得中心点的特征。本发明可降低图像特征的维数，增强图像特征的鲁棒性，提高图像特征的区分度。
-
公开(公告)号：CN103745473A
公开(公告)日：2014-04-23
申请号：CN201410019012.9
申请日：2014-01-16
Applicant: 南方医科大学
Abstract: 一种脑组织提取方法，依次包括：对训练集图像和测试集图像进行预处理；提取训练集图像的图像特征组成训练集，提取测试集图像的图像特征组成测试集；根据训练集构建字典；依据训练集和字典计算训练集样本由字典中单词线性组合的权重系数向量；依据字典和测试集计算测试集样本由字典中单词线性组合的权重系数向量；计算字典中每个单词的分类评分；通过局部线性表示计算测试样本的分类评分，完成对测试样本的分类，得到初步分割结果；对初步分割结果进行后处理，得到分割处理后的脑组织图片。本发明能够高效、准确地提取脑组织图像。
-
公开(公告)号：CN102663446A
公开(公告)日：2012-09-12
申请号：CN201210123247.3
申请日：2012-04-24
Applicant: 南方医科大学
Abstract: 本发明涉及识别医学病灶图像，具体涉及一种医学病灶图像的词袋模型的构建方法，该方法首先将医学病灶图像划分为病灶区域和病灶边界区域两个部分，分别得到病灶区域和病灶边界区域的词袋，进而构建出病灶区域词袋和病灶边界区域词袋联合的词袋模型。本发明所述的构建方法得到的词袋模型相对于一般的词袋模型增加了病灶区域局部特征的相对空间位置信息，因此有助于提高临床诊断的准确性。
-
公开(公告)号：CN119273918B
公开(公告)日：2025-05-13
申请号：CN202411332447.9
申请日：2024-09-24
Applicant: 南方医科大学
IPC: G06V10/26 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种腹部CT图像中肝脏肿瘤的自动分割方法和装置，所述方法包括：获取待分割腹部CT图像，并对所述待分割腹部CT图像进行重采样和归一化处理，得到预处理后的待分割腹部CT图像，将预处理后的待分割腹部CT图像输入训练好的肝脏肿瘤自动分割模型，所述肝脏肿瘤自动分割模型以滑动窗口的形式，依次从所述预处理后的待分割腹部CT图像截取预设大小的图像区域进行分割，待所有区域完成分割后得到预测的肿瘤掩膜。本发明构建和训练的肝脏肿瘤自动分割模型可以自动分割腹部CT图像中肝脏肿瘤，并且克服了肝脏肿瘤的强异质性和边界模糊带来的识别难题，以及成功解决分割过程中肿瘤区域容易出现的假阴性分割问题，从而提高了肝脏肿瘤分割的准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
