公开(公告)号：CN115861181A

公开(公告)日：2023-03-28

申请号：CN202211398539.8

申请日：2022-11-09

Applicant: 复旦大学 ,  复旦大学义乌研究院

Inventor： 张文强 ,  魏徐峻 ,  郭倩宇 ,  高述勇 ,  周新宇

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/12 ,  G06T7/13 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种面向CT影像的肿瘤分割方法及其系统，该方法包括：获取CT肿瘤图像数据集；采用基于多尺度卷积的边缘检测网络模型，从2D数据中提取图像边缘；通过提取的边缘、检测框的位置，基于自适应泛洪填充和自适应梯度选取，获得弱监督标签；采用CNN和Transformer的混合模型，并使用近似边缘解码器，首先利用弱监督标签进行第一轮训练，经过联合损失函数进行修正结果；之后将修正结果作为第二轮训练的标签，训练得到最终的分割模型；将实际待分割的CT肿瘤图像预处理后输入分割模型，输出得到相应的分割结果。与现有技术相比，本发明能够高效准确生成标签后进行模型训练，从而解决全监督标注所产生的费时费力问题，提高分割任务的效率及准确性。

公开(公告)号：CN112991269A

公开(公告)日：2021-06-18

申请号：CN202110177221.6

申请日：2021-02-07

Applicant: 复旦大学

Inventor： 张文强 ,  吴优 ,  高述勇 ,  张睿 ,  张巍 ,  李艺鸣

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种肺部CT图像的识别分类方法，包括以下步骤：1)获取肺部CT图像数据集并进行预处理，得到训练样本；2)利用训练样本训练二维卷积神经网络，构建分割模型，用于识别肺部CT图像多类别的感兴趣区域；3)利用分割模型识别的多类别感兴趣区域，在原肺部CT图像中裁剪出多个不同大小的三维图像块并进行分类类别标注；4)利用三维图像块及其标注训练三维多尺度融合神经网络，构建假阳识别和分类模型，用于对肺部CT图像进行分类并筛除假阳感兴趣区域；5)利用训练完成的分割模型和假阳识别分类模型对待分类的肺部CT图像进行分类和假阳筛除，与现有技术相比，本发明具有速度快且准确率高等优点。

公开(公告)号：CN119048862A

公开(公告)日：2024-11-29

申请号：CN202411159504.8

申请日：2024-08-22

Applicant: 上海擎朗智能科技有限公司 ,  复旦大学

Inventor： 唐旋来 ,  李通 ,  高述勇 ,  刘斐 ,  冯禹昂

IPC: G06V10/774 ,  G06V10/26 ,  G06V10/80 ,  G06V20/56 ,  G06V10/44 ,  G06V10/74 ,  G06V10/82

Abstract: 本申请公开了一种模型的训练方法、承载检测方法、模型的训练装置、承载检测装置、电子设备及计算机可读存储介质。该训练方法包括获取包括机器人的承载装置的第一图像；第一图像的视角包括机器人的视角；从预先获取的包含目标对象的第二图像中分割目标对象，得到局部图像；将局部图像与第一图像中的指定图像进行融合，得到合成图像；指定图像为不包含目标对象的第一图像；将合成图像和第一图像作为训练样本；通过训练样本对预先构建的承载检测模型进行训练，以得到训练完成的承载检测模型。该训练方法通过合成图像来扩充训练样本的数量，并丰富训练样本的中目标对象的类别，可有效提高检测模型的泛化性和鲁棒性。