公开(公告)号：CN113822828A

公开(公告)日：2021-12-21

申请号：CN202110957547.0

申请日：2021-08-18

Applicant: 吉林大学

Inventor： 王玉 ,  申铉京 ,  盖迪

IPC: G06T5/50 ,  G06T5/00 ,  G06T5/20 ,  G06T7/33 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种多聚焦图像融合方法，将数据集中原始图像重塑为相同大小，语义标签转换为二值标签；再进行高斯模糊处理得到多级模糊的图像；将多级模糊的图像与原始图像通过所述二值标签创建正负样本数据集；将数据集输入编码‑解码网络模型进行训练得到训练模型；将两张源图像配准后输入到训练模型后输出得到相应的得分图；将得分图相减再二值化得到相应的决策图，将决策图与源图像进行加权平均得到暂时的融合图像，再将决策图与暂时的融合图像经过引导滤波算法获得引导图；将引导图与源图像进行加权平均处理得到最终的融合图像。所述的方法能够精准的获得决策图和有效祛除边界伪影，有效提高多聚焦图像融合的效率。

公开(公告)号：CN113792757A

公开(公告)日：2021-12-14

申请号：CN202110947934.6

申请日：2021-08-18

Applicant: 吉林大学

Inventor： 王玉 ,  申铉京 ,  盖迪

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于多尺度注意力残差网络的波形图分类方法，首先构建一个用于训练深度学习模型的熔解曲线数据集，然后采用一个多尺度学习框架从中提取更为丰富的信息，在提取过程中通过使用注意力机制模块使模型可以更关注那些含有存在有效信息的区域，另外在多尺度特征图的融合过程中，使用可训练的自适应融合模块，突出那些对后续任务更为重要的特征图，最后通过一个包含全连接层，softmax层的分类模块输出分类结果。相较于传统的串联分类网络模型，可以捕捉更为丰富的信息，能够对熔解曲线进行有效的分类，提高了研究人员的实验效率，同时也为构建自动化实验室做出了贡献。

公开(公告)号：CN109934887A

公开(公告)日：2019-06-25

申请号：CN201910177917.1

申请日：2019-03-11

Applicant: 吉林大学

Inventor： 陈海鹏 ,  吕颖达 ,  盖迪 ,  申铉京 ,  张宠 ,  李怡

IPC: G06T11/00 ,  G06N3/04

Abstract: 本发明公开了一种基于改进的脉冲耦合神经网络的医学图像融合方法，包括如下步骤：步骤一：将多模态医学图像进行Gamma校正来增强医学图像的对比度；步骤二：采用非下采样剪切波对校正后的待融合图像进行多尺度分解，得到低频子图和高频子图；步骤三：采用改进的区域能量算法对低频子图进行融合；步骤四：采用改进的脉冲耦合神经网络算法对高频子图进行融合；步骤五：采用非下采样剪切波逆变换对融合后的高、低频子图进行重构得到最终的融合图像。本发明能够对多模态医学图像进行有效的融合，提高了医生对患者病情诊断的准确度。

公开(公告)号：CN107481250A

公开(公告)日：2017-12-15

申请号：CN201710760304.1

申请日：2017-08-30

Applicant: 吉林大学

Inventor： 秦俊 ,  申铉京 ,  冯云丛 ,  陈海鹏 ,  李晓旭 ,  祁琪 ,  盖迪 ,  崔思明 ,  刘洋 ,  刘思言

IPC: G06T7/11 ,  G06T7/136 ,  G06T5/00 ,  G06T5/50

CPC classification number: G06T7/11 ,  G06T5/002 ,  G06T5/50 ,  G06T7/136

Abstract: 本发明公开了一种图像分割方法，包括：步骤1：将历史储备图像分为K个视角，通过经典FCM算法得到历史聚类中心；步骤2：在处理新的带噪图像时，将所述待处理图像分为上述K个视角，在经典FCM算法的基础上融入从步骤1中得到的相关历史相似图像的聚类中心，并构造一个引入迁移学习机制的多视角的FCM算法的新目标函数；步骤3：通过步骤2获取的当前图像的各视角图像的隶属度矩阵以及视角权重向量W，得到当前处理图像的最终隶属度矩阵，去模糊化后得到当前图像的空间划分结果。本发明所述的图像分割方法，采用多视角具备迁移学习能力的模糊聚类图像分割方法，基于迁移能力，实现多视角图像协同分割，提高分割精度。

公开(公告)号：CN109934887B

公开(公告)日：2023-05-30

申请号：CN201910177917.1

申请日：2019-03-11

Applicant: 吉林大学

Inventor： 陈海鹏 ,  吕颖达 ,  盖迪 ,  申铉京 ,  张宠 ,  李怡

IPC: G06T11/00 ,  G06N3/0464

公开(公告)号：CN113792757B

公开(公告)日：2023-12-08

申请号：CN202110947934.6

申请日：2021-08-18

Applicant: 吉林大学

Inventor： 王玉 ,  申铉京 ,  盖迪

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于多尺度注意力残差网络的波形图分类方法，首先构建一个用于训练深度学习模型的熔解曲线数据集，然后采用一个多尺度学习框架从中提取更为丰富的信息，在提取过程中通过使用注意力机制模块使模型可以更关注那些含有存在有效信息的区域，另外在多尺度特征图的融合过程中，使用可训练的自适应融合模块，突出那些对后续任务更为重要的特征图，最后通过一个包含全连接层，softmax层的分类模块输出分类结果。相较于传统的串联分类网络模型，可以捕捉更为丰富的信息，能够对熔解曲线进行有效的分类，提高了研究人员的实验效率，同时也为构建自动化实验室做出了贡献。