-
公开(公告)号：CN115018856B
公开(公告)日：2025-04-29
申请号：CN202210755316.6
申请日：2022-06-29
Applicant: 安徽大学
Abstract: 本发明提供了一种基于对比学习和空间编码的弱监督医学图像分割配准协同方法，通过先构建图像分割模型，用少量标注图像预训练分割模型；获取医学图像数据及其器官分割标注，将其划分为浮动图像和固定图像；使用分割模型预测没有分割标注的图像分割标注；使用预测的分割标注计算图像的空间编码用于配准网络的训练；使用分割标注计算结构对应信息用于像素级Siamese网络的训练；使用配准模型生成增广数据结合Siamese网络进行分割模型的再训练，重复训练直到多个模型收敛。通过以上的配准和分割模型，大大提升了小样本情况下医学图像分割和配准任务的表现，实现了医学图像配准和分割任务之间的协同联合处理。
-
公开(公告)号：CN119295496B
公开(公告)日：2025-04-08
申请号：CN202411845898.2
申请日：2024-12-16
Applicant: 安徽大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/094 , G06V10/80
Abstract: 本发明公开了基于曼巴网络改进域自适应框架的跨模态医学图像分割方法及系统，涉及图像处理领域，其中方法包括：S1.对预先获取的跨模态医学图像数据集进行预处理，并构成源域数据集和目标域数据集；S2.搭建使用曼巴网络改进的域自适应框架，改进域自适应框架包括：生成网络和分割网络；生成网络包括生成器和第一鉴别器，用于基于带标签的源域数据集生成翻译图像；分割网络包含分割器和第二鉴别器；S3.端到端地训练改进域自适应框架，得到分割网络；S4.使用分割网络预测目标域数据集的图像分割结果。本发明能够更好地适配源域和目标域，实现域自适应，并提高在无标签目标域图像上的测试精度。
-
公开(公告)号：CN114155249B
公开(公告)日：2024-12-06
申请号：CN202111461795.2
申请日：2021-12-02
Applicant: 安徽大学
IPC: G06T7/10
Abstract: 本发明涉及一种基于深度矢量场回归的三维细胞图像实例分割方法，与现有技术相比解决了三维细胞图像分割中细胞紧密粘连、难以分离的缺陷。本发明包括以下步骤：三维细胞图像原始数据和标签数据的获取和预处理；实例分割深度回归神经网络的构建；实例分割深度回归神经网络的训练；三维细胞距离图的获得；三维细胞实例分割结果的获得。本发明通过将分割任务转换成为回归任务，利用回归任务去学习前景像素到背景像素的欧式距离，利用前景像素到其最近背景像素的方向矢量去更好地学习前景和背景信息，同时也包含了细胞的方向信息、利用color loss去进一步加强方向信息的学习，简单、高效地提升了三维细胞的分割精度。
-
公开(公告)号：CN118397616B
公开(公告)日：2024-09-03
申请号：CN202410814599.6
申请日：2024-06-24
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
Abstract: 本发明公开了一种基于密度感知的补全和稀疏融合的3D目标检测方法，包括：获取待检测目标数据；将所述待检测目标数据输入至目标检测模型，获取检测结果，其中，所述目标检测模型包括：依次连接的密度感知补全模块、稀疏交叉BEV融合模块和语义点云渲染模块；所述密度感知补全模块用于利用图像BEV特征对所述待检测目标数据中的稀疏和空白区域的点云特征进行补全，获取密度补全后的稀疏BEV特征；所述稀疏交叉BEV融合模块用于将所述密度补全后的稀疏BEV特征和图像BEV特征融合在统一的BEV二维空间中；所述语义点云渲染模块用于对融合后的点云特征赋予语义信息。本发明能够解决点云稀疏导致漏检、融合方式计算量大等问题。
-
公开(公告)号：CN114494226B
公开(公告)日：2024-03-12
申请号：CN202210127787.2
申请日：2022-02-11
Applicant: 安徽大学
Abstract: 本发明涉及一种基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法，包括：获取丝饼图像，图像降采样；图像灰度化；高斯滤波及二值化处理；边缘轮廓绘制，边缘轮廓最小外接矩形绘制；构建一张掩膜图像，与经降采样后的图像相与后得到掩膜后的图像；设定油污像素范围，对掩膜后图像进行像素处理；进行log算子运算和膨胀处理；轮廓提取，并计算轮廓质心坐标；通过轮廓质心坐标与最小外接矩形四个顶点坐标比较得到结果。本发明对纺织丝饼油污缺陷检测的准确率高、耗时短；同时可实现油污自动定位。
-
Patent Agency Ranking
公开(公告)号：CN116705333A
公开(公告)日：2023-09-05
申请号：CN202310688921.0
申请日：2023-06-12
Applicant: 安徽大学
IPC: G16H50/70 , G16H50/20 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种在数据库内构建医疗诊断模型的构建方法及其系统。构建方法包括：设计两个数据集，每个数据集内的元素均为脓毒症相关凝血症患者，且每个脓毒症相关凝血症患者具备多个生理特征变量；将两个数据集分别带入两个机器学习模型做增量学习，筛选出有效特征；将数据集一中为死亡的患者及其相关的有效特征合并到数据集二中，进行基线分析筛选出满足统计学意义的有效特征；在PostgreSQL数据库内，采用MADlib机器学习框架中的XGBoost机器学习模型二对PostgreSQL数据库中具备满足统计学意义的有效特征进行数据库的内模型训练，得到医疗诊断模型。本发明解决现有医疗诊断模型中的数据偏倚性、模型的碎片化、患者数据私密性等问题。
-
公开(公告)号：CN113112534B
公开(公告)日：2022-10-18
申请号：CN202110421588.8
申请日：2021-04-20
Applicant: 安徽大学
Abstract: 本发明涉及一种基于迭代式自监督的三维生物医学图像配准方法，与现有技术相比解决了无监督深度学习配准算法one‑shot训练策略训练出模型应用精度受限的缺陷。本发明包括以下步骤：三维生物医学图像数据集的获取和预处理；配准深度模型的构建；配准深度模型的训练；待配准图像的获取；待配准图像的预处理；三维生物医学图像配准结果的获得。本发明通过网络训练动态产生迭代式自监督信息并利用其对选取的每对图像进行多次迭代监督训练，以多次利用图像对在不同迭代阶段的差异信息获得更加精确的形变场，简单、高效地提升了现有无监督生物医学图像配准网络的配准精度。
-
公开(公告)号：CN113252228B
公开(公告)日：2022-09-30
申请号：CN202110515491.3
申请日：2021-05-12
Applicant: 安徽大学
IPC: G01L5/165
Abstract: 一种基于柔弹性曲面梁的高灵敏电容式柔性三维力触觉传感器，包括柔性触头、柔弹性曲面梁、柔弹性圆柱体、8×N个柔性曲面电极和柔性基底；整体以柔性基底为底部支撑，以柔弹性曲面梁为顶部覆盖，二者粘接，内部形成空气腔；柔性触头和柔弹性圆柱体分别粘接于柔弹性曲面梁上下部，柔弹性曲面梁还与柔性基底紧密粘接，柔弹性圆柱体的底部与柔性基底空腔底部留有间距；柔弹性圆柱体与8×N个柔性曲面电极布置在空气腔内，其中N为不小于2的整数，形成4×N个呈空间立体分布的电容。本发明具有更高的灵敏度与更快的响应速度，可作为柔性电子皮肤应用于人机交互、智能机器人、医疗康复等研究领域。
-
公开(公告)号：CN115063794A
公开(公告)日：2022-09-16
申请号：CN202210677321.X
申请日：2022-06-15
Applicant: 安徽大学
Abstract: 本发明提出了一种秀丽隐杆线虫全身细胞自动识别的方法，通过基于秀丽隐杆线虫数据集构建包含细胞位置信息和拓扑结构信息的统计学图谱；其中，图谱包含平均空间位置ASP、空间位置方差SLV、拓扑结构方差TSV；获得细胞中心位置，通过人工标注或者自动分割细胞获得测试样本线虫中细胞质心位置；基于点集配准获得细胞位置和图谱的初始匹配关系；并基于统计图谱迭代优化细胞位置与图谱的匹配关系；基于图谱中已知的细胞身份通过匹配关系自动识别细胞。通过构件秀丽隐杆线虫全身细胞统计学图谱，基于包含细胞位置和拓扑结构等多种先验信息的统计学图谱实现了线虫全身细胞的自动识别。
-
公开(公告)号：CN114677416A
公开(公告)日：2022-06-28
申请号：CN202210247027.5
申请日：2022-03-14
Applicant: 安徽大学
Abstract: 本发明涉及一种弱监督医学图像分割配准协同处理方法，包括：获取医学图像数据及标注，并将医学图像分为浮动图像和固定图像；由医学图像数据构建配准模型，基于配准模型更新弱监督分割数据；由弱监督分割数据构建分割模型，基于分割模型更新弱监督配准数据；由弱监督配准数据训练配准模型，基于配准模型更新弱监督分割数据；重复步骤(3)至步骤(4)，直至分割模型和配准模型收敛；基于收敛后的分割模型和配准模型分别完成图像分割与配准任务。本发明大大提高小样本场景下的图像分割任务与图像配准任务的表现，既提高了脑图像的分割精度，也提高了脑图像的配准精度，为小样本场景下的医学图像分割与配准任务提供新方案。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.029 seconds)
