-
公开(公告)号：CN115393289A
公开(公告)日：2022-11-25
申请号：CN202210940799.7
申请日：2022-08-06
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于集成交叉伪标签的肿瘤图像半监督分割方法。本发明方法通过训练差异较大的三个分割模型：基于Transformer架构的UNETR模型，基于CNN的注意力U‑Net，基于CNN的多尺度特征信息的注意力分割网络模型CSA‑U‑Net，来生成无标注数据的伪标签；然后使用带伪标签的无标注数据扩展训练数据，通过伪标签数据交替监督约束输出结果的一致性。最后集成多个模型的输出结果，以提升分割模型的精度。本发明方法可以更好地通过结合无标注数据和有标注数据的信息直接提升模型分割性能。
-
公开(公告)号：CN115760869A
公开(公告)日：2023-03-07
申请号：CN202211270772.8
申请日：2022-10-17
Applicant: 复旦大学
IPC: G06T7/11 , G06T9/00 , G06V10/25 , G06V10/774
Abstract: 本发明属于医学图像处理技术领域，具体为一种注意力引导的非线性扰动一致性的半监督医学图像分割方法。本发明使用少量标注数据和无标注数据训练模型进行医学图像分割，采用非线性变换进行数据增强，并通过输出级别和特征级别的一致性进行约束；非线性变换通过随机生成贝塞尔曲线进行灰度映射实现对比度的变化；输出级的一致性约束通过交叉伪标签监督鼓励不同增强下生成相似的预测标签；特征级别的一致性约束通过多尺度的注意力感知特征对齐鼓励网络学习非线性变化不变的鲁棒表征。本发明有效利用无标注数据，通过数据增强提升泛化性，通过无标注数据的信息挖掘提升医学图像分割的准确性。本发明适用于所有基于灰度的医学图像分割任务。
-
公开(公告)号：CN115063435A
公开(公告)日：2022-09-16
申请号：CN202210579200.1
申请日：2022-05-26
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于多尺度类间的肿瘤及周围器官的分割方法，MRI图像送入预处理，对图像进行强度归一化以及直方图均衡化，把整个图像分成数量的小块像素进行非线性拉伸，使局部的灰度直方图均匀分布；将预处理过后的图像作为输入图像缩放输入至定位网络，定位出目标区域，然后在输入图像中裁剪出以目标为中心的图像，增大前景像素的占比，之后将所裁剪出的目标区域输入分割网络模型中进一步分割获得完整分割结果。本发明方法可以更好地定位感兴趣区域；有效地融合局部上下文和全局上下文信息；损失函数中融入了类间关系，更好地利用推理时标签的概率向量；提升了体素占比较少的肿瘤类别的精度。
-
公开(公告)号：CN111489425A
公开(公告)日：2020-08-04
申请号：CN202010204191.9
申请日：2020-03-21
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于局部关键几何信息的脑组织表面变形估计方法。本发明方法包括：从术前图像中提取目标脑组织并进行三维重建，提取目标脑组织表面点集；通过三维扫描仪获取变形后脑组织表面点集数据以及纹理图像。提取脑组织表面点集的三维沟回点集，提取二维纹理图像上的沟回特征，通过二维沟回特征和对应三维沟回特征的映射关系，得到术中三维沟回点集。使用刚性配准方法，对术中脑组织表面的横向位移进行补偿，通过基于沟回特征增强的非刚体配准方法，获得变形前后脑组织表面三维点集对应关系，并计算脑组织表面点集的位移场。本发明可以用于估计手术中脑组织表面的变形程度，大幅度提高手术导航的精度。
-
公开(公告)号：CN105310776A
公开(公告)日：2016-02-10
申请号：CN201410723354.9
申请日：2014-12-02
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种软组织表面变形追踪算法。本发明方法包括软组织分割算法；对提取的目标组织进行网格化处理，获得初始软组织表面点集；通过三维激光扫描仪或者术中三维成像设备获取变形后软组织表面点集；使用刚性配准方法将对变形后软组织表面和初始软组织表面进行初配准；最后基于子块式能量函数最小非刚性配准算法来获得两个点集中点与点之间的映射关系。本发明的方法实施简单，精度可靠，可集成在现有导航系统中，实现术中软组织变形矫正，从而大幅度提高导航系统精度，有助于临床应用。
-
Patent Agency Ranking
公开(公告)号：CN115311491A
公开(公告)日：2022-11-08
申请号：CN202210912896.5
申请日：2022-07-31
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于医学影像处理技术领域，具体为一种基于课程学习及空间注意力的假阳性筛除方法。本发明针对骨折检测时，检测模型因骨间相似性高易生成大量假阳性预测结果，提出假阳性筛除网络Rib‑FPR Net，利用空间注意力机制提升网络对骨折区域的特征学习能力，结合课程学习式的训练模式有效提升网络的假阳性筛除能力。本发明具有实施简单、高效的特点，结合课程学习和空间注意力机制有效解决了假阳性结果过多的问题，从而很好地提升了骨折辅助诊断效果。
-
公开(公告)号：CN114494160A
公开(公告)日：2022-05-13
申请号：CN202210023607.6
申请日：2022-01-10
Applicant: 复旦大学
Abstract: 本发明属于医学影像检测技术领域，具体为一种基于完全融合集成网络候选框的骨折检测方法。本发明针对骨折检测时，网络模型因骨间灰度相似性而生成大量假阳性预测，且检测效果不佳等问题，提出集成目标检测网络(ED‑Net)以提高骨折检测结果，设计全新的加权融合候选框算法(CBF)消除大量的冗余框，得到定位更为精准、置信度更准确的骨折候选框，同时结合Unet针对上述候选框进行分割，进一步地提升骨折检测效果。本发明具有实施简单、精确的特点，级联ED‑Net，CBF，Unet模块有效解决上述问题，从而很好地提高了骨折的检测效果。
-
公开(公告)号：CN111640143A
公开(公告)日：2020-09-08
申请号：CN202010282569.7
申请日：2020-04-12
Applicant: 复旦大学
Abstract: 本发明属医学图像处理技术领域，具体为一种基于PointNet的神经导航快速面配准方法及系统。本发明方法包括：使用阈值分割算法以及形态学操作等对术前图像进行头部分割并重建得到三维的表面点集；采用GO！SCAN三维手持式扫描仪获得真实物理空间下的头部表面点集；运用奇异值分解的方法配准病人的解剖标记点得到粗配准变换；通过基于PointNet的表面点集快速配准方法获得两组点集最终的精配准变换。本发明系统包括相应四个模块：头部表面重建模块、手持式三维激光扫描仪模块、粗配准模块和精配准模块。本发明的方法运算效率高，配准精度可靠，可集成在现有的神经导航系统当中，实现图像空间和真实物理空间的快速配准，提高手术导航的定位精度。
-
公开(公告)号：CN106420055A
公开(公告)日：2017-02-22
申请号：CN201610086140.4
申请日：2016-02-15
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种基于无线传输的脑组织变形矫正系统，具体涉及一种神经外科术中脑组织变形矫正系统。该系统包括脑组织变形工作台和三维激光扫描仪工作台。脑组织变形矫正系统工作台搭载脑组织变形矫正软件系统，可以通过无线局域网与神经外科手术导航系统通讯。所述脑组织变形矫正软件系统包含三维可视化模块、标定模块、脑组织提取模块、网格化模块、边界条件获取模块、有限元计算模块、术前图像更新模块以及通讯模块。本系统精度可靠，可集成在现有神经外科手术导航系统中，帮助实现术中软组织变形矫正，从而大幅度提高导航系统精度，有助于临床应用。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.014 seconds)
