公开(公告)号：CN119067940A

公开(公告)日：2024-12-03

申请号：CN202411148742.9

申请日：2024-08-21

Applicant: 广东工业大学

Inventor： 曹乐萱 ,  卢永毅 ,  施煜锴 ,  黄雄峰 ,  钟海强 ,  杨志景

IPC: G06T7/00 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于局部疾病语义引导编辑的纵向胸腔影像合成方法，涉及医学影像处理技术领域，所述方法包括：选择胸腔X光数据集中只含正常类别和特定疾病类型的样本作为训练数据集并训练GAN模型，划分GAN模型生成图像的局部感兴趣区域ROI，建立潜在向量和ROI之间的连接，基于连接预训练GAN模型并进行主成分分析，手动选择与特定疾病最相关的特征方向，利用该特征方向引导潜在向量优化，施加约束项限制相邻潜在向量之间的距离，输出纵向图像序列。本发明通过上述技术特征能够精细地进行局部控制，使生成的纵向图像序列能够平滑、连续变化，提高了图像编辑的准确性，使生成的图像更加自然和真实。

公开(公告)号：CN117934494A

公开(公告)日：2024-04-26

申请号：CN202410117599.0

申请日：2024-01-26

Applicant: 广东工业大学

Inventor： 卢永毅 ,  陈明锦 ,  杨志景 ,  何永康

IPC: G06T7/10 ,  G06V10/26 ,  G06V10/82 ,  G06N3/088

Abstract: 本发明公开了一种基于形状指引的无监督域适应医学图像分割方法与系统，以无监督域适应的方式构建框架，能够极大的缓解严重的性能衰退；本发明通过基于形状指引的方式来构建无监督域适应的框架，能够使得能够在无监督情况下学习医学图像的结构信息，有助于更准确地分割出不同的组织结构和器官，提高分割精度。同时学习形状信息的训练方式相较于生成对抗反式更容易训练。通过基于补全标签掩码的方式来学习器官的形状、结构信息，这能够使得形状学习模型能够针对每一个人得器官形状进行补全，而不是仅仅学习一个数据集中的器官的平均模板。这种方式能在很大程度下降低不同模态、甚至于不同器官之间域间距过大，而导致性能急剧下降的情况。

公开(公告)号：CN119131218A

公开(公告)日：2024-12-13

申请号：CN202411012564.7

申请日：2024-07-25

Applicant: 广东工业大学

Inventor： 施煜锴 ,  吴寒 ,  林育培 ,  卢永毅 ,  杨志景

IPC: G06T15/02 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06N3/0985

Abstract: 本发明公开了一种基于扩散模型的人脸照片转素描生成模型训练方法。包括以下步骤：初始化扩散模型，获取样本对数据集，选用其中一对样本作为训练集，其余作为测试集；利用训练集、文本指令在扩散模型上进行图像重建，过程中训练文本指令；利用所述训练后的文本指令与训练集一同输入到扩散模型中重复上述文本训练过程，直到训练次数达到训练次数阈值时，输出文本指令；利用扩散模型和优化过的文本指令将测试集的人脸照片转化成人脸素描画像，测试过程中可以把额外信息嵌入到所述优化过的文本指令中。本发明仅用一组素描样本对模型进行训练，生成素描与原图像保持极高相似度，算法运行速度大幅加快，大幅节省训练成本，且可适应不同风格作画。

公开(公告)号：CN116934698A

公开(公告)日：2023-10-24

申请号：CN202310871588.7

申请日：2023-07-14

Applicant: 广东工业大学

Inventor： 卢永毅 ,  曹乐萱 ,  施煜锴 ,  杨志景

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06V10/30 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/084 ,  G06N3/088 ,  G06N3/0464

Abstract: 一种基于语义编辑的皮肤病变图像分割方法及系统，首先对皮肤病变图像数据集进行划分，得到训练集、验证集和测试集，再对皮肤病变图像数据集进行预处理，然后构建生成对抗网络，所述生成对抗网络包括生成器和判别器，并对生成对抗网络进行训练，得到训练好的生成器和判别器，之后构建语义编辑模型，并利用训练好的生成器生成伪皮肤病变图像，利用伪皮肤病变图像对语义编辑模型进行训练，得到训练好的语义编辑模型，并评估语义编辑模型的性能，最后将训练好的语义编辑模型用于皮肤病变图像分割。本发明克服了依赖大量人工标注、分割效果差等不足，可使皮肤图像分割后的边界更加清晰、准确，且具有较好的鲁棒性。

公开(公告)号：CN119049654A

公开(公告)日：2024-11-29

申请号：CN202411177077.6

申请日：2024-08-26

Applicant: 广东工业大学

Inventor： 彭思愿 ,  杨志景 ,  何永康 ,  卢永毅 ,  陈添水

IPC: G16H20/40 ,  G16H50/70 ,  G06N3/096 ,  G06N3/045 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明涉及麻醉深度预测技术领域，提出一种小样本麻醉深度预测方法及系统，包括：采集麻醉手术记录数据作为源域数据与小样本数据并进行预处理，建立教师模型和学生模型，将所述源域数据输入教师模型进行训练；基于完成训练的教师模型，通过特征蒸馏训练学生模型；对完成特征蒸馏训练的学生模型使用基于标签平滑的重加权损失函数计算损失，并更新所述学生模型的权重；将所述小样本数据输入所述学生模型进行训练，并采用平衡均方误差作为所述学生模型的损失函数；将待预测麻醉深度数据输入完成训练的所述学生模型，得到麻醉深度预测结果。相较于现有技术在不平衡数据上训练效果差的缺陷，本发明提出了一种更高效、精确的求解方法。