-
公开(公告)号：CN108664976A
公开(公告)日：2018-10-16
申请号：CN201810380400.8
申请日：2018-04-25
Applicant: 安徽大学 , 安徽安大笃北信息科技有限责任公司
Abstract: 本发明公开了一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法，首先对包含脑肿瘤的核磁共振成像的FLAIR模态图像进行超像素分割，再提取这些超像素块的灰度直方图特征，将超像素块的灰度直方图特征作为算法的输入，通过输入的特征计算图像的模糊相似性矩阵，然后通过NJW谱聚类算法进行聚类，进而得到最终的分割结果。本发明用模糊理论优化了谱聚类的相似性度量方式，在谱聚类的高斯距离度量方法上引入了模糊权重参数，定义了基于超像素特征的模糊相似性度量方式。本发明是一种自动的图像分割方法，不需要人为干预，并且利用基于超像素的模糊谱聚类分割算法，大大降低了谱聚类算法的时间复杂度，并且可以提高分割的精度。
-
公开(公告)号：CN109086809A
公开(公告)日：2018-12-25
申请号：CN201810787550.0
申请日：2018-07-18
Applicant: 安徽安大笃北信息科技有限责任公司 , 安徽大学
Abstract: 本发明公开了一种基于改进的监督局部线性嵌入的早期阿尔茨海默病分类方法，包括以下步骤：(1)图像预处理：将采集的结构核磁共振图像进行图像校正、标准化、颅骨剥离和脑组织分割等过程；(2)相关特征的选取：根据脑区各功能的划分和统计分析技术提取出全脑感兴趣灰质体积和脑区平均皮层厚度，从数据集中获取CSF数据，将三组数据的组合作为原始特征；(3)高维空间特征的降维：将原始的高维特征作为改进的监督局部线性嵌入算法的输入，进行非线性降维，提取更具有鉴别信息的特征；(4)分类：将降维后的特征作为支持向量机分类器的输入，得到最终的分类精度。本发明相较于现有技术可以有效提高小样本数据的早期阿尔茨海默病分类结果。
-
公开(公告)号：CN108664976B
公开(公告)日：2022-06-03
申请号：CN201810380400.8
申请日：2018-04-25
Applicant: 安徽大学 , 安徽安大笃北信息科技有限责任公司
IPC: G06V10/26 , G06V10/50 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法，首先对包含脑肿瘤的核磁共振成像的FLAIR模态图像进行超像素分割，再提取这些超像素块的灰度直方图特征，将超像素块的灰度直方图特征作为算法的输入，通过输入的特征计算图像的模糊相似性矩阵，然后通过NJW谱聚类算法进行聚类，进而得到最终的分割结果。本发明用模糊理论优化了谱聚类的相似性度量方式，在谱聚类的高斯距离度量方法上引入了模糊权重参数，定义了基于超像素特征的模糊相似性度量方式。本发明是一种自动的图像分割方法，不需要人为干预，并且利用基于超像素的模糊谱聚类分割算法，大大降低了谱聚类算法的时间复杂度，并且可以提高分割的精度。
-
公开(公告)号：CN118398155B
公开(公告)日：2024-10-11
申请号：CN202410842743.7
申请日：2024-06-27
Applicant: 安徽大学
IPC: G16H15/00 , G06F40/284 , G16H30/40 , G16H50/70 , G06N3/045 , G06N3/084 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种医学报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括：获取综合医学影像集和对应的医学报告集及医学概念集；将综合医学影像集输入特征提取网络，提取空域视觉特征集和频域视觉特征集；将空域视觉特征集和空域平均视觉特征、频域视觉特征集和频域平均视觉特征输入增强融合网络，获得空频域结合特征集；将空频域结合特征集输入概念预测网络，生成预测医学概念集；将预测医学概念集和空频域结合特征集输入报告预测网络，生成预测医学报告集；根据预测医学报告集和医学报告集的差异度、预测医学概念集和医学概念集的差异度，更新医学报告生成模型的参数，得到训练好的医学报告生成模型。提升了生成的医学报告的质量。
-
公开(公告)号：CN117393100B
公开(公告)日：2024-04-05
申请号：CN202311688317.4
申请日：2023-12-11
Applicant: 安徽大学
Abstract: 本发明提供一种诊断报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括：获取含病变标签和诊断报告的第一类医学影像图片、含病变标签标注的第二类医学影像图片、不含病变标签标注的第三类医学影像图片；根据学生模型生成三类医学影像图片对应的第一预测诊断报告、第二预测诊断报告和第三预测诊断报告；根据教师模型生成第三类医学影像图片的第四预测诊断报告；根据文本分类模型生成第一预测诊断报告和第二预测诊断报告的预测病变标签；基于预测病变标签和病变标签、第二预测诊断报告和诊断报告、第三预测诊断报告的第四预测诊断报告，更新学生模型和教师模型的参数，将训练好的学生模型作为诊断报告生成模型。提高了模型的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117437363A
公开(公告)日：2024-01-23
申请号：CN202311754136.7
申请日：2023-12-20
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于深度感知迭代器的大规模多视图立体方法，首先提取多尺度特征；然后，计算像素级视图权重、深度图和置信图；其次，构造深度感知迭代器；再次，构造混合损失策略，优化深度图；最后，融合深度图，即可获得点云模型。本发明充分利用基于深度感知迭代器的由粗到细的深度图计算方法，有效地将上下文引导的深度几何信息融合到代价体中计算出高质量的深度图，进而计算出精确的点云模型。
-
公开(公告)号：CN116977387B
公开(公告)日：2023-12-15
申请号：CN202311227166.2
申请日：2023-09-22
Applicant: 安徽大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于形变场融合的可变形医学图像配准方法，将预处理的待配准图像和参考图像输入到双流配准网络，双流配准网络设有两个架构相同但损失函数不同的分支网络，得到两个不同的形变场，通过形变场融合模块将这两个形变场融合，形变场融合模块分别对两个形变场进行最大池化和平均池化，并将得到的特征经过卷积层进行特征提取后，再由卷积层降维得到最终的形变场；最终根据形变场对待配准的图像进行配准，得到配准后的图像。本发明通过形变场融合模块有效地结合不同的形变场，充分利用不同形变场的优势来描述不同类型的形变，其双流配准网络的相似性损失函数能够描述参考图
-
公开(公告)号：CN116993925B
公开(公告)日：2023-12-01
申请号：CN202311240044.7
申请日：2023-09-25
Applicant: 安徽大学
Abstract: 本发明公开一种面向大规模三维重建的分布式集束调整方法，先计算场景的稀疏点云模型和摄像机参数；针对稀疏点云模型和摄像机参数，建立对应的误差方程；根据摄像机的感知一致性，采用近似分割算法将大规模集束调整问题划分为分布式环境下可求解的小规模问题；采用道格拉斯‑拉赫福德分裂方方法求解每一个分布式节点上的优化问题；融合分布式节点上的点云模型和摄像机参数即可获得高质量的点云模型。本发明充分利用大规模图像数据之间的区域性，将大规模场景三维重建中的集束优化问题转化为可以在低性能计算机上求解的小规模集束优化问题，既提高三维重建的时间效率，又降低三维重建的成本。
-
公开(公告)号：CN116977387A
公开(公告)日：2023-10-31
申请号：CN202311227166.2
申请日：2023-09-22
Applicant: 安徽大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于形变场融合的可变形医学图像配准方法，将预处理的待配准图像和参考图像输入到双流配准网络，双流配准网络设有两个架构相同但损失函数不同的分支网络，得到两个不同的形变场，通过形变场融合模块将这两个形变场融合，形变场融合模块分别对两个形变场进行最大池化和平均池化，并将得到的特征经过卷积层进行特征提取后，再由卷积层降维得到最终的形变场；最终根据形变场对待配准的图像进行配准，得到配准后的图像。本发明通过形变场融合模块有效地结合不同的形变场，充分利用不同形变场的优势来描述不同类型的形变，其双流配准网络的相似性损失函数能够描述参考图像和待配准图像之间的相互依赖的上下文变化，提高配准精度。
-
公开(公告)号：CN116664712A
公开(公告)日：2023-08-29
申请号：CN202310696120.9
申请日：2023-06-13
Applicant: 安徽大学
IPC: G06T11/00 , G06N3/0464 , G06N3/045
Abstract: 本发明公开一种基于特征嫁接的单幅图像阴影生成方法，阴影掩码预测和阴影填充；阴影掩码预测使用前景编码器和背景编码器；前景编码器两个分支：主干网络Resnet‑18和Swin Transformer，用交叉模型嫁接模块和多头注意力机制；背景编码器为UNet结构；阴影填充阶段根据Le和Samras使用的照明模型。本发明能够解决现有技术在遇到较为复杂的前景物体时，无法生成兼容的阴影区域的问题。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.05 seconds)
