-
公开(公告)号：CN120032166A
公开(公告)日：2025-05-23
申请号：CN202510089779.7
申请日：2025-01-20
Applicant: 广东工业大学
Inventor： 吴艳娟 , 李梓亮 , 张纯霖 , 陈泽昊 , 黎凡 , 项德杰 , 江芡 , 杨珉浩 , 赵建 , 洪彬 , 康晓东 , 韩浩杰 , 刘超 , 陈旭东 , 石河 , 邓杰航 , 苏秦 , 顾国生
IPC: G06V10/764 , G06V10/44 , G06V10/771 , G06V10/80 , G06V10/766 , G06V10/82 , G06V10/52
Abstract: 本发明涉及一种面向溺亡诊断的硅藻小目标检测方法与装置，该方法包括：S1：采集硅藻图像数据集，对图像及格式进行处理；S2：利用多层卷积提取图像特征，生成多尺度特征图；S3：构建特征增强与选择模块SFE强化退化区域的响应和利用离散小波变换提取边缘信息；S4：构建多尺度正反卷积模块MPNC对特征图进行局部增强；S5：利用加权融合对不同分辨率的特征图进行跨尺度信息整合；S6：输出精准的目标边界框和对应的类别预测结果。通过本发明，能够有效解决小目标硅藻在检测中特征表达弱、复杂背景下检测效果不佳的问题。本发明作为一种基于多尺度特征感知的小目标硅藻检测方法和装置，可广泛应用于显微图像处理、分类等领域。
-
公开(公告)号：CN119722710A
公开(公告)日：2025-03-28
申请号：CN202411911728.X
申请日：2024-12-23
Applicant: 广东工业大学
IPC: G06T7/11 , G06T7/136 , G06V10/774 , G06V10/40 , G06F40/284 , G06F40/126 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N5/04 , G06N3/084
Abstract: 本发明公开了一种基于CrossMAE的脑胶质瘤分割方法，旨在通过MRI与诊断报告联合提取视觉语言表征来增强分割性能。该方法通过随机掩蔽图像与文本信息，并重建被掩蔽内容，学习跨模态深层关联，进而实现MRI脑胶质瘤的精准分割。该方法包括以下步骤：S1：采集多模态MR脑肿瘤图像及诊断报告，构建数据集；S2：设计图文联合掩码策略，对数据进行有选择性的掩蔽处理；S3：构建基于CrossMAE的MRI脑胶质瘤分割模型；S4：设计多任务级联损失函数，利用数据集对分割模型进行训练与优化，获得训练好的MRI脑胶质瘤分割模型；S5：根据训练好的MRI脑胶质瘤分割模型进行MRI脑胶质瘤分割。本发明从MRI中有效提取并利用跨模态互补信息，从而实现对MRI脑胶质瘤的精准分割。
-
公开(公告)号：CN120070180A
公开(公告)日：2025-05-30
申请号：CN202510130560.7
申请日：2025-02-05
Applicant: 广东工业大学
IPC: G06T3/4053 , G06T3/4046 , G06T3/4007 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于空域和频域的轻量化图像超分辨率方法和装置，该方法包括：S1：采集低分辨率图进行动态卷积，得到浅层特征；S2：将浅层特征输入到多尺度感知的空域特征计算模块，得到中层特征；S3：将上一特征输入到高频增强的频域特征计算模块，得到深层特征；S4：将深层特征进行卷积，得到加强特征；S5：将加强特征与原始输入特征融合，最终输出超分辨率图像。通过使用本发明，使得超分辨率后的图像含有更多纹理细节等高频信息和结构信息，而且计算量少，运行速度快。
-
公开(公告)号：CN120032367A
公开(公告)日：2025-05-23
申请号：CN202510089535.9
申请日：2025-01-20
Applicant: 广东工业大学
Inventor： 邓杰航 , 洪彬 , 顾国生 , 赵建 , 吴艳娟 , 张纯霖 , 陈泽昊 , 李梓亮 , 韩浩杰 , 陈旭东 , 黎凡 , 康晓东 , 项德杰 , 刘超 , 江芡 , 石河 , 杨珉浩 , 苏秦 , 伍浩伟
Abstract: 本发明涉及一种基于高效特征提取与融合的溺死硅藻检测方法，该方法包括：S1：获取硅藻图像，并对获取的硅藻图像进行预处理以生成输入数据；S2：基于预处理后的输入数据，对硅藻检测模型的网络结构进行优化，得到预测分布；S3：基于预测分布和真实值，对硅藻检测模型的损失函数进行优化；S4：基于经过优化的硅藻检测模型，输出硅藻图像的种类。通过使用本发明，能够高效检测与分类扫描电子显微镜下采集的硅藻图像。本发明能够克服硅藻图像中存在的复杂背景下的检测干扰问题和细长类硅藻目标检测精度低的问题。
-
公开(公告)号：CN119963575A
公开(公告)日：2025-05-09
申请号：CN202510033486.7
申请日：2025-01-08
Applicant: 广东工业大学
IPC: G06T7/11 , G06T7/00 , G06V10/44 , G06N3/0464 , G06V10/80
Abstract: 本发明涉及一种基于MSLQA‑Net的轻量化脑肿瘤分割方法，该方法应用于脑肿瘤核磁共振成像(MRI)的肿瘤分割。该方法包括：S1：预处理脑部MRI数据，将数据划分为训练集，验证集和测试集；S2：构建多尺度分解残差卷积模块(MSDRC)进行特征提取，构成多级次特征图；S3：构建跨层特征聚合模块(CLFA)，对多级次特征图进行高效聚合，得到聚合特征图；S4：构建四重维度注意力模块(QDA)，对聚合特征图进一步细化，得到细化特征图；S5：融合多尺度分解残差卷积，跨层特征聚合及四重维度注意力模块，构建MSLQA‑Net分割模型；S6：使用训练集，验证集和测试集对分割模型进行训练，验证优化及测试。本发明在脑肿瘤分割任务中，能在提升推理速度的同时，仍保持高精度结果。
-
Patent Agency Ranking
公开(公告)号：CN119991491A
公开(公告)日：2025-05-13
申请号：CN202510123213.1
申请日：2025-01-24
Applicant: 广东工业大学
IPC: G06T5/70 , G06T7/00 , G06T5/20 , G06T5/10 , G06T5/60 , G06T3/4038 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种紧框架小波的低剂量计算机断层扫描(Computerized Tomography,CT)去噪方法，该方法包括：S1：采集低剂量CT图片和常规剂量CT图片构建CT数据集转化为Numpy矩阵；S2：对图像数据进行GTF(Geometric Tight Framelet)变换，得到1个低频分量和8个高频分量，对高频分量进行分组，每组的组内高频分量个数为2、3、3；S3：创建紧框架扩散模型(Tight Frame Diffusion Model)对低频分量进行去噪；S4：创建组别高频增强网络Grouped High‑Frequency EnhancementNetwork(GHFEN)对高频分量进行恢复；S5：最后对增强和去噪后的分量进行逆GTF变换，得到去噪图像。通过使用本发明，能够为用户通过CT扫描仪得到的低剂量CT提供更符合人眼观察效果的CT图像去噪服务。本发明作为一种多级特征感知的低剂量CT去噪方法，可广泛应用于CT去噪领域。
-
公开(公告)号：CN119905174A
公开(公告)日：2025-04-29
申请号：CN202411989199.5
申请日：2024-12-31
Applicant: 广东工业大学
IPC: G16C20/70 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开的属于生物医学技术领域，具体为一种基于多视图堆叠跳级图卷积网络的药物重定位方法，包括具体步骤如下：获取药物疾病关联数据，分别构成药物和疾病的邻接矩阵A、关联图G、药物和疾病的相似度矩阵Sr、Sd，并使用多层图卷积编码器块，将药物和疾病的相似度矩阵编码成高阶特征表示；构建双层级子图自注意力网络，结合节点层级和子图层级的特征，与图拓扑结构进行结构级融合。本发明在使用高阶节点信息时，能够提取到高阶节点的上下文信息，缓解了局部信息和全局信息的不一致性；本发明能够更全面利用深层信息，解决了网络在多层后无法区分药物疾病节点从而导致模型预测能力下降的问题。
-
公开(公告)号：CN120031900A
公开(公告)日：2025-05-23
申请号：CN202510089749.6
申请日：2025-01-20
Applicant: 广东工业大学
IPC: G06T7/12 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种融合三种注意力的肝肿瘤分割方法，该发明有效融合了空间注意力、自注意力及边缘融合注意力，实现肝肿瘤精确分割。该方法包括：S1：预处理腹部CT数据，按比例划分为训练集，验证集和测试集；S2：结合双注意力与卷积操作，构建双注意力动态卷积；S3：融合边缘信息及注意力机制，构建边缘融合注意力模块；S4：融合边缘监督损失和分割损失，构建多尺度边缘分割损失；S5：融合双注意力动态卷积，边缘融合注意力模块以及多尺度边缘分割损失，构建Triple Attention FusionNetwork(TAF‑Net)模型；S6：利用实验数据集完成模型的训练、验证优化及性能评估。本发明能够自适应调整卷积核及有效捕捉边缘特征，有效提升分割精度，适用于CT图像中肝肿瘤的自动分割。
-
公开(公告)号：CN119722712A
公开(公告)日：2025-03-28
申请号：CN202411925420.0
申请日：2024-12-24
Applicant: 广东工业大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明公开了一种基于GTF卷积及多频双注意力的肝肿瘤分割方法，该方法旨在解决肝肿瘤在形状、大小多样性以及边界模糊的问题，实现精确的肝肿瘤分割。该方法包括：S1：预处理腹部CT数据，将CT数据划分为训练集，验证集和测试集；S2：引入GTF(Geometric Tight Framelet)，结合卷积操作，构建GTF卷积；S3：融合GTF卷积与注意力机制，构建多频双注意力模块；S4：融合内部特征蒸馏损失和分割损失，构建多尺度蒸馏分割损失；S5：融合GTF卷积，多频双注意力模块及多尺度蒸馏分割损失，构建GTF‑UNet模型；S6：使用训练集，验证集和测试集对模型进行训练，验证优化及测试。本发明能够有效捕捉细节特征和多尺度信息，有效提升肝肿瘤的分割精度,可用于CT图像中对肝肿瘤的自动分割。
-
公开(公告)号：CN119722711A
公开(公告)日：2025-03-28
申请号：CN202411912335.0
申请日：2024-12-23
Applicant: 广东工业大学
IPC: G06T7/11 , G06T5/20 , G06V10/44 , G06V10/54 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明提供了一种基于ABVM‑UNet的肺结节分割方法及装置，该方法包括：S1：采集肺部CT图像数据集，对图像中肺结节区域进行增强处理，突出结节的纹理与边缘特征；S2：构建主分支与基于Gabor卷积神经网络的目标增强辅助分支实现对肺结节纹理与边缘特征的增强响应；S3：利用分支信息交互融合模块BIIF实现辅助分支增强特征的融合与传递；S4：构建基于Vision Mamba的U型架构网络ABVM‑UNet，实现图像局部特征与全局上下文信息的有效融合；S5：利用深度监督实现多级分割损失并对ABVM‑UNet模型进行训练和优化；S6：利用ABVM‑UNet模型对肺部CT图像进行肺结节分割。本发明通过引入ABVM‑UNet模型，有效提取了肺结节的边缘和纹理特征，从而实现了肺结节的精准分割。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
