-
公开(公告)号：CN119991723A
公开(公告)日：2025-05-13
申请号：CN202510067649.3
申请日：2025-01-16
Applicant: 复旦大学
Abstract: 本发明涉及医学图像分割技术领域，具体为一种卷积神经网络与图网络结合的医学影像分割方法，方法包括以下步骤：将通过计算机断层扫描(CT)设备采集到冠状动脉CT造影三维图像数据构成数据集CoronarySet，将数据集CoronarySet随机划分为训练集CoronarySet1和测试集CoronarySet2；将训练集CoronarySet1的数据切分为多个patches；将patches输入到双分支平行编码器中得到多层冠状动脉纹理特征图与多层冠状动脉拓扑特征图；构建特征融合模块，基于注意力机制模块将不同层的纹理特征图和拓扑特征图融合，得到融合血管特征；将三维卷积模块的浅层特征与融合血管特征依次输入到分割解码器的每一层，能够提取三维血管结构，使得血管分割结果更连续、更精准。
-
公开(公告)号：CN118963348A
公开(公告)日：2024-11-15
申请号：CN202411025502.X
申请日：2024-07-30
Applicant: 复旦大学
Abstract: 本申请公开一种异构群体机器人动态目标跟踪方法、装置、介质及产品，涉及群体机器人技术领域，所述方法包括：获取异构群体机器人中所有机器人的位置和实际速度以及追踪目标的位置和实际速度；基于当前个体的状态确定当前个体的交互邻居集合；基于当前个体的实际位置和实际速度以及当前个体的交互邻居集合中各邻居个体的实际位置和实际速度计算当前个体的速度参数；基于当前个体的状态和当前个体的速度参数确定当前个体的预测速度；基于当前个体的实际位置和当前个体的预测速度，确定当前个体的预测位置，从而控制当前个体对追踪目标进行跟踪。本申请使机器人群体内的信息能够快速传递，确保对外部刺激的一致集体响应，提高决策效率。
-
公开(公告)号：CN118470313A
公开(公告)日：2024-08-09
申请号：CN202410519430.8
申请日：2024-04-28
Applicant: 复旦大学
IPC: G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82 , G06V40/14 , G06V40/18 , G06N3/045 , G06N3/0464 , G06N5/045
Abstract: 本发明涉及图像处理技术领域，具体为一种基于CNN的病灶血管统一分割方法，包括以下步骤：S1：获取原始视网膜图像数据，构成数据集RetinalD，所述数据集RetinalD包括视网膜彩色RGB图像数据以及眼底病灶与血管分割的标注数据，将数据集RetinalD分割成训练集RetinalD1和测试集RetinalD2；S2：对所述训练集RetinalD1进行数据增强模块DataAug处理，得到增强视网膜图像FRetinalD数据集；S3：将增强视网膜图像FRetinalD数据集输入到交叉融合网络TFNet中；基于交叉融合网络TFNet构建并训练生成病灶血管统一分割模型TFModel；S4：将测试集RetinalD2输入到病灶血管统一分割模型TFModel中，得到目标医学图像。本发明能够将视网膜病灶特征与视网膜特征信息相结合，提升病灶分割的准确性。
-
公开(公告)号：CN117975217A
公开(公告)日：2024-05-03
申请号：CN202410200931.X
申请日：2024-02-23
Applicant: 复旦大学
Abstract: 本发明公开一种基于ViT和神经网络的眼科疾病状态预估方法，涉及眼科疾病状态预估技术领域，方法包括:将预处理后的待测试眼底图像的眼底图像数据集输入至残差卷积模块生成全局特征计算模型，输入至基于ViT的编码模块生成局部特征计算模型；将预处理后的眼底图像数据集输入至局部特征计算模型确定眼底图像数据集的全局特征信息图谱，输入至局部特征计算模型确定眼底图像数据集的局部特征信息图谱；将全局特征信息图谱与局部特征信息图谱输入至特征融合层生成多通道特征信息图谱；将多通道特征信息图谱输入至状态预估模块确定待测试眼底图像中的眼底图像预测结果。兼顾预测眼底图像的全局特征信息和局部特征信息，保证了预测结果准确性。
-
公开(公告)号：CN117179679A
公开(公告)日：2023-12-08
申请号：CN202311151947.8
申请日：2023-09-07
Applicant: 复旦大学
Abstract: 本说明书实施例提供一种主动式的胶囊机器人控制方法，收集样本用户的身体状态、身体管理临时策略和实施身体管理临时策略后腔体蠕动特性的漂移数据，以腔体蠕动特性的漂移数据为训练标签，以样本用户的身体状态、身体管理临时策略输入样本训练蠕动特性漂移预测模型，获取当前病例的身体状态、身体管理临时策略，利用该模型预测当前病例的腔体蠕动特性的漂移数据，对胶囊机器人采集的腔体图像进行三维重建，得到腔体三维形态，利用腔体蠕动特性的漂移数据对腔体三维形态进行演化，得到腔体三维形态在未来的动态变化时序，计算靶点位置动态变化时序，根据其生成动作策略，控制胶囊机器人的运动状态，提高了控制胶囊机器人移动的准确度和效率。
-
Patent Agency Ranking
公开(公告)号：CN117746129A
公开(公告)日：2024-03-22
申请号：CN202311761412.2
申请日：2023-12-20
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0895
Abstract: 本发明公开了一种基于自监督学习的图像分类方法、系统及电子设备，涉及图像分类技术领域。方法包括：获取待分类图像；将待分类图像输入到图像分类模型中，得到待分类图像的图像种类；本发明通过搭建和训练初始自监督特征学习模型和初始图像分类模型，能够提高图像分类精度。
-
公开(公告)号：CN117078856A
公开(公告)日：2023-11-17
申请号：CN202311053442.8
申请日：2023-08-21
Applicant: 复旦大学
Abstract: 本申请公开了一种基于CT图像的血管树三维拓扑模型构建方法，涉及血管树建模领域，通过CT图像采集步骤和CT图像筛选步骤对目标部位进行全方位CT图像采集，并进行进一步的筛选，得到目标部位可血管树建模CT图像，减小了血管树建模的误差，提高了血管树建模的准确性，通过CT图像分裂步骤将目标部位可血管树建模CT图像进行分裂处理，并通过CT图像分析步骤确定血管区域，血管分级步骤和拓扑排列步骤确定血管区域的血管等级，建立目标部位可血管树建模CT图像的血管拓扑图，进一步提高了血管树建模的准确性，减小了血管树建模误差带来的安全隐患，保障了病患的生命健康，促进了医疗技术的进一步发展。
-
公开(公告)号：CN116843714A
公开(公告)日：2023-10-03
申请号：CN202310840012.4
申请日：2023-07-10
Applicant: 复旦大学
Abstract: 本申请公开了一种采用区域生长法的CT图像血管重建方法，涉及血管重建领域，通过CT图像获取步骤获取目标部位的CT图像，通过图像预处理步骤对CT图像预处理得到可处理CT图像，最后通过种子点选择步骤、区域生长分析步骤、区域判断步骤和血管重建步骤对血管进行重建，极大的提高血管重建的准确性，进一步提高了血管重建的工作效率，促进了血管重建领域的医疗发展，通过区域停止判断步骤，对已经确认的血管区域进行再分析，使得在血管重建前血管区域的标注更为完善具体，提高了血管重建结果的准确性和完整性，降低了医疗事故的发生概率，保障了病人的生命财产安全。
-
公开(公告)号：CN116807375A
公开(公告)日：2023-09-29
申请号：CN202310881350.2
申请日：2023-07-18
Applicant: 复旦大学
Abstract: 本发明公开一种具有柔顺活检机构的胶囊机器人，包括外壳，所述外壳的外壁为平滑结构，能够穿越人体内部肠道；柔顺钳，其位于所述外壳内，且能够从所述外壳一端伸缩夹取肠道内病理组织；柔顺腿，其活动设置于所述外壳内，且能够从所述外壳侧壁伸出撑开肠道内壁；驱动系统，设置于所述外壳内，用于驱动所述柔顺钳和柔顺腿动作；本发明提供的具有柔顺活检机构的胶囊机器人，能够夹取肠道内病理组织，便于医生检验和诊断。
-
公开(公告)号：CN116784771A
公开(公告)日：2023-09-22
申请号：CN202310952260.8
申请日：2023-08-01
Applicant: 复旦大学
Abstract: 本申请公开了一种胶囊机器人磁驱动系统设计及控制方法，本申请涉及医疗检测设备技术领域，包括磁耦合装置模块、控制模块和电机模块，磁耦合装置模块和电机模块通过固定组件衔接，控制模块与电机模块信号连接，磁耦合装置模块包括主永磁体单元、从永磁体单元和胶囊机器人，电机模块驱动主永磁体单元旋转产生稳定旋转磁场，在旋转磁场的作用下主永磁体单元对胶囊机器人内部的从永磁体单元产生非接触磁作用力，胶囊机器人与外部的旋转磁场同步旋转实现运动，控制模块包括PC端和操作手柄，操作手柄对电机模块进行调控从何控制磁耦合装置模块的胶囊机器人的运动。本申请具有对胶囊机器人的磁驱动稳定且对胶囊机器人的操控精确便捷的效果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.02 seconds)
