-
公开(公告)号：CN118982492B
公开(公告)日：2025-01-14
申请号：CN202411464119.4
申请日：2024-10-21
Applicant: 吉林大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种用于眼科OCT的抖动畸变矫正图像处理系统，包括采集数据模块，使用SD‑OCT采集设备采集人眼视网膜的图像，图像中用不同颜色标注出不同层；数据集划分模块，将采集并注释的图像分成不同的子集，划分测试数据集和训练数据集；数据增强模块，将训练数据集进行数据增强；任务建立模块，建立训练任务、测试任务以及检测任务；网络模型，执行训练任务、测试任务、检测任务，利用训练好的网络模型处理需要检测的人眼视网膜的图像；解决目前方法中需要大量的体数据作为参考，且用时长，导致诊断系统复杂的问题，减少了对大规模参考数据的依赖，提高了处理效率。
-
Patent Agency Ranking
公开(公告)号：CN116597285A
公开(公告)日：2023-08-15
申请号：CN202310868244.0
申请日：2023-07-17
Applicant: 吉林大学 , 沈阳医学院附属中心医院
IPC: G06V10/82 , G06N3/0455 , G06N3/0895 , G06V10/764 , G06V10/774
Abstract: 本发明属于医疗图像处理技术领域，具体涉及一种肺部组织病理图像处理模型、构建方法及图像处理方法，获取肺部组织病理图像的数据集，并将所述数据集进行预处理后按照比例划分为训练数据集和测试数据集；建立上游任务，对训练数据集中的每个图像按比例融合相加后生成新的样本，并将新的样本进行训练，得到训练好的掩码自编码器上游模型；建立下游任务，利用上游任务训练好的掩码自编码器上游模型，采用测试数据集对所述掩码自编码器上游模型性能进行评估，解决目前主流算法中的卷积操作和子注意力机制过于复杂，算法的训练时间较长导致诊断系统复杂等问题，具有高效并能够简化诊断系统的作用。
-
公开(公告)号：CN116597285B
公开(公告)日：2023-09-22
申请号：CN202310868244.0
申请日：2023-07-17
Applicant: 吉林大学 , 沈阳医学院附属中心医院
IPC: G06V10/82 , G06N3/0455 , G06N3/0895 , G06V10/764 , G06V10/774
Abstract: 本发明属于医疗图像处理技术领域，具体涉及一种肺部组织病理图像处理模型、构建方法及图像处理方法，获取肺部组织病理图像的数据集，并将所述数据集进行预处理后按照比例划分为训练数据集和测试数据集；建立上游任务，对训练数据集中的每个图像按比例融合相加后生成新的样本，并将新的样本进行训练，得到训练好的掩码自编码器上游模型；建立下游任务，利用上游任务训练好的掩码自编码器上游模型，采用测试数据集对所述掩码自编码器上游模型性能进行评估，解决目前主流算法中的卷积操作和子注意力机制过于复杂，算法的训练时间较长导致诊断系统复杂等问题，具有高效并能够简化诊断系统的作用。
-
公开(公告)号：CN116030306A
公开(公告)日：2023-04-28
申请号：CN202310082953.6
申请日：2023-02-08
Applicant: 吉林大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/32 , G16H70/60 , G16H30/00 , G06N3/0464 , G06N3/08
Abstract: 基于多层感知机的肺部组织病理图像类型辅助分类方法，涉及病理数据图像处理技术领域，解决现有的卷积神经网络、VisionTransformer中的卷积操作和自注意力机制过于复杂，算法的训练时间较长导致分类方法复杂等问题，本发明通过获得混合数据集，建立多层感知机模型以及对模型进行性能评估等步骤实现病理图像类型的辅助分类。本发明中的多层感知机模型不使用任何复杂的卷积操作和自注意力机制，模型结构简单，计算量小，处理速度快。设计了双数据流输入方式，使模型在可以捕捉全局信息的基础上还可以捕捉到局部信息，充分提取图像中的语义信息，提高模型对肺部组织病理图像的分类性能。
-
公开(公告)号：CN118982492A
公开(公告)日：2024-11-19
申请号：CN202411464119.4
申请日：2024-10-21
Applicant: 吉林大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种用于眼科OCT的抖动畸变矫正图像处理系统，包括采集数据模块，使用SD‑OCT采集设备采集人眼视网膜的图像，图像中用不同颜色标注出不同层；数据集划分模块，将采集并注释的图像分成不同的子集，划分测试数据集和训练数据集；数据增强模块，将训练数据集进行数据增强；任务建立模块，建立训练任务、测试任务以及检测任务；网络模型，执行训练任务、测试任务、检测任务，利用训练好的网络模型处理需要检测的人眼视网膜的图像；解决目前方法中需要大量的体数据作为参考，且用时长，导致诊断系统复杂的问题，减少了对大规模参考数据的依赖，提高了处理效率。
-
公开(公告)号：CN119228782A
公开(公告)日：2024-12-31
申请号：CN202411710133.8
申请日：2024-11-27
Applicant: 吉林大学 , 沈阳医学院附属中心医院
IPC: G06T7/00 , G06V10/25 , G06V10/52 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医疗图像处理技术领域，涉及一种尿液细胞学图像处理方法及系统，获取尿液细胞学图像的数据集，并将数据集进行预处理后按照比例划分为训练数据集和测试数据集；建立训练任务，在训练任务中建立Yolov5‑OG模型，使用Yolov5‑OG模型进行训练，保存训练后的权重文件用于测试任务；建立测试任务，利用训练任务训练好的Yolov5‑OG模型，采用测试数据集对Yolov5‑OG模型性能进行评估；建立检测任务，利用训练好的Yolov5‑OG模型对切图后的尿液细胞学图像进行检测得到多个切片后的图像；拼接回切图前大小的图像。解决目前主流方法中的卷积操作和子注意力机制过于复杂，训练时间较长导致诊断系统复杂等问题，具有提高识别尿液细胞学图像准确率的能力。
-
-
-
-
-
Search Results
6
records
(took 0.011 seconds)
