-
公开(公告)号：CN119831999A
公开(公告)日：2025-04-15
申请号：CN202510310514.5
申请日：2025-03-17
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于图像处理的隐球菌荚膜厚度检测方法及系统，涉及图像处理技术领域，方法包括：基于隐球菌参数数据库，获取待测隐球菌图像所对应的预设参数信息；检测待测隐球菌图像的边缘图像，对边缘图像进行处理，得到边缘曲线；循环提取边缘曲线的像素点，划分形成至少一外接圆；对外接圆进行图像分割，形成至少一待测隐球菌子图像，并标记初始数量信息；获取厚度曲线，得到初始厚度信息；将初始数量信息与预设数量信息进行检测误差计算，更新输出目标数量信息，将初始厚度信息与预设厚度信息进行检测误差计算，更新输出目标厚度信息，本发明解决了现有技术中使用显微镜观察判断隐球菌的荚膜厚度，准确率低且误差大的问题。
-
公开(公告)号：CN119831999B
公开(公告)日：2025-05-13
申请号：CN202510310514.5
申请日：2025-03-17
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于图像处理的隐球菌荚膜厚度检测方法及系统，涉及图像处理技术领域，方法包括：基于隐球菌参数数据库，获取待测隐球菌图像所对应的预设参数信息；检测待测隐球菌图像的边缘图像，对边缘图像进行处理，得到边缘曲线；循环提取边缘曲线的像素点，划分形成至少一外接圆；对外接圆进行图像分割，形成至少一待测隐球菌子图像，并标记初始数量信息；获取厚度曲线，得到初始厚度信息；将初始数量信息与预设数量信息进行检测误差计算，更新输出目标数量信息，将初始厚度信息与预设厚度信息进行检测误差计算，更新输出目标厚度信息，本发明解决了现有技术中使用显微镜观察判断隐球菌的荚膜厚度，准确率低且误差大的问题。
-
公开(公告)号：CN118521572A
公开(公告)日：2024-08-20
申请号：CN202410963272.5
申请日：2024-07-18
Applicant: 南昌大学第二附属医院
IPC: G06T7/00 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于数据增强DETR的隐球菌识别方法及系统，该方法通过针对隐球菌图像特征构建DETR模型，DETR模型包括依次连接的输入层、骨干层、编码层、解码层以及输出层；将初始训练集中的图像数据输入DETR模型中，进行训练，得到目标DETR模型；获取待识别图像，将待识别图像预处理后，输入目标DETR模型中，输出识别结果，具体的，分别设计基于幅度信息扰动的数据增强技术以及基于三通道像素区域随机扰动的数据增强技术来产生大量表达隐球菌图像核心特点的图像，以扩增隐球菌图像数据集，在此基础上，可变形的轻量级DETR模型加快针对图像信息的识别速度与识别精度。
-
Patent Agency Ranking
公开(公告)号：CN118711180A
公开(公告)日：2024-09-27
申请号：CN202411204201.3
申请日：2024-08-30
Applicant: 南昌大学第二附属医院 , 南昌大学
IPC: G06V20/69 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/46 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/045 , G16H50/20
Abstract: 本发明公开了一种疟原虫图像检测方法及系统，包括：针对疟原虫形状差异，设计分组自注意力机制来捕捉疟原虫图像的横向与竖向特征；设计注意力机制与特征维度映射对多层次的特征进行融合；对特征图进行粗细粒度分解处理以提高高分辨率图像下针对小目标疟原虫的检测能力；设计基于检测框形状尺度的损失函数以提高检测框的精确度；最后输出检测结果。本发明通过分组自注意力与多层次特征融合提高了特征聚合能力以及物体检测的精度，并设计特征图粗细粒度分解提高针对小目标的检测能力，针对疟原虫图像的小目标特征的检测精度高、检测效率高，适用于大范围的推广与使用。
-
公开(公告)号：CN118711180B
公开(公告)日：2024-11-22
申请号：CN202411204201.3
申请日：2024-08-30
Applicant: 南昌大学第二附属医院 , 南昌大学
IPC: G06V20/69 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/46 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/045 , G16H50/20
Abstract: 本发明公开了一种疟原虫图像检测方法及系统，包括：针对疟原虫形状差异，设计分组自注意力机制来捕捉疟原虫图像的横向与竖向特征；设计注意力机制与特征维度映射对多层次的特征进行融合；对特征图进行粗细粒度分解处理以提高高分辨率图像下针对小目标疟原虫的检测能力；设计基于检测框形状尺度的损失函数以提高检测框的精确度；最后输出检测结果。本发明通过分组自注意力与多层次特征融合提高了特征聚合能力以及物体检测的精度，并设计特征图粗细粒度分解提高针对小目标的检测能力，针对疟原虫图像的小目标特征的检测精度高、检测效率高，适用于大范围的推广与使用。
-
公开(公告)号：CN118521572B
公开(公告)日：2024-09-20
申请号：CN202410963272.5
申请日：2024-07-18
Applicant: 南昌大学第二附属医院
IPC: G06T7/00 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于数据增强DETR的隐球菌识别方法及系统，该方法通过针对隐球菌图像特征构建DETR模型，DETR模型包括依次连接的输入层、骨干层、编码层、解码层以及输出层；将初始训练集中的图像数据输入DETR模型中，进行训练，得到目标DETR模型；获取待识别图像，将待识别图像预处理后，输入目标DETR模型中，输出识别结果，具体的，分别设计基于幅度信息扰动的数据增强技术以及基于三通道像素区域随机扰动的数据增强技术来产生大量表达隐球菌图像核心特点的图像，以扩增隐球菌图像数据集，在此基础上，可变形的轻量级DETR模型加快针对图像信息的识别速度与识别精度。
-
公开(公告)号：CN118247784A
公开(公告)日：2024-06-25
申请号：CN202410666582.0
申请日：2024-05-28
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。
-
公开(公告)号：CN118247784B
公开(公告)日：2024-08-06
申请号：CN202410666582.0
申请日：2024-05-28
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
