-
公开(公告)号:CN117522893A
公开(公告)日:2024-02-06
申请号:CN202311535316.6
申请日:2023-11-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于水平集的分段区域原型校正的网络分割方法。本方法涉及深度学习和医学图像处理领域,提出了一种新的具有可学习和无监督机制的水平集损失函数与嵌套分割网络。所述嵌套分割网络是一种基于多嵌套的编码解码结构;本发明所提出的分段区域原型校正方法首先从嵌套分割网络中提取最后一层的特征作为输入,通过辅助的无监督水平集损失对区域原型进行修正,然后利用监督水平集损失对预训练的模型进行精度增强。水平集损失有助于对模型产生可靠的引导,增强了视网膜血管边缘分割的连续性。本发明针对眼底图像血管分割网络提出了新的模型精度增强方法,解决了由于目标的边缘较弱、较模糊,以及背景视杯与视盘的干扰,基于深度神经网络的方法在保留边缘连续的同时,难以对语义提取的特征进行判别的问题,实现了对眼底血管细小边缘的连续预测,提升了分割精度。在公共视网膜血管数据集上的定量和定性实验结果表明,与其他分割模型相比,该方法具有一定的先进性。
-
公开(公告)号:CN119048535A
公开(公告)日:2024-11-29
申请号:CN202411169461.1
申请日:2024-08-24
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06T7/136 , G06T7/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于横切面和大核分组注意力机制的2.5D肝脏及肿瘤分割方法,本方法涉及深度学习和医学图像处理领域,包括:数据处理与制作和分割预测可视化网络。所述数据首先将公开的3D腹部医学数据集进行阈值截取和归一化操作,然后确定包含病灶的切片,将不包含肝脏和肿瘤的切片去除,再将切片进行标准化裁剪,将三张连续的切片叠加在一起,处理掩膜切片,将原始图像和掩膜处理为.npy格式的数据集。将2.5D图像载入分割模型进行训练,训练完成后生成适合肝脏肿瘤分割的最优权重,用来肝脏和肿瘤的专项分割。本发明针对肝脏和肿瘤的分割提出的横切面和大核分组注意力网络,解决了由于肝脏及肿瘤的复杂性,导致肝脏与肝脏肿瘤的分割容易受其他部位如肾脏等因素的干扰的问题,提出的多尺度卷积模块,解决了一般网络无法捕捉肝脏和肿瘤的全局和局部信息,提升分割效率并提高分割精度,针对相比于现有网络,具有一定的先进性。
-
公开(公告)号:CN221784247U
公开(公告)日:2024-09-27
申请号:CN202420274894.2
申请日:2024-02-04
Applicant: 哈尔滨理工大学威海研究院
Abstract: 本实用新型提供一种内窥镜图像处理系统,包括CCD摄像头、图像处理模块、DSP模块、D/A转换器、显示器、无线传输模块、基站,所述CCD摄像头与图像处理模块电性连接;本实用新型通过CCD摄像头、图像处理模块、DSP模块、D/A转换器、显示器、无线传输模块接口、基站实现医疗内窥镜的图像接收并处理、显示,DSP模块采用两个通过MCBSP连接的DSP芯片,对图像数字信号进行同时处理,提高处理速度,而MCBSP32在数据收发上采用了多级缓冲结构,使得DSP131与DSP233内的数据迁移处理时能够与外部的数据通信,同时本实用新型还使用集成了无线传输模块,可以将内窥镜图像电信号发送至周边基站,从而可以被终端计算机或手机接收,方便远端的客户或医生观看内窥镜图像。
-
-
-