公开(公告)号：CN118334345A

公开(公告)日：2024-07-12

申请号：CN202410575828.3

申请日：2024-05-10

Applicant: 新疆大学

Inventor： 汪烈军 ,  汤浩 ,  郭治卿 ,  许良辉 ,  刘超 ,  任梓潼

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了基于局部‑全局特征动态融合的医学图像分割系统，主要涉及计算机视觉领域。包括LG‑DFNet网络结构、局部静态增强模块、全局动态增强模块、转置注意力、动态交叉融合模块。本发明的有益效果在于：增强了网络对局部信息的建模能力，而且突出了重要位置元素的影响，消除了无关元素的影响，提高了网络的泛化能力，能用更少的参数获得更好的性能，在模型参数和分割性能之间实现了良好的平衡。

公开(公告)号：CN117456244A

公开(公告)日：2024-01-26

申请号：CN202311408013.8

申请日：2023-10-26

Applicant: 新疆大学

Inventor： 汪烈军 ,  李艳红 ,  郭治卿 ,  李君 ,  许良辉

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/84

Abstract: 本发明公开了基于孪生双分类混合模态输入的带噪声标签图像分类方法，涉及计算机视觉和人工智能技术领域。包括以下步骤：步骤1、获取带噪声标签的数据集，即样本总数；步骤2、进行本地样本选择，对数据集进行预处理，经过孪生二分类网络筛选，获得干净标签样本和噪声标签样本；步骤3、进行在线样本选择，数据集经过本地选择后，每个历元训练开始前再对数据集进行一次高斯混合模型选择；步骤4、进行半监督训练，本地选择和在线选择后，每个样本的标签预测概率按照混合双模态输入规则进行半监督训练；步骤5、对上述区分后的样本分类通过准确率、精确率、召回率、F1分数来评估结果，本发明的有益效果在于：能够有效减少噪声标签对训练的影响。

公开(公告)号：CN118887221A

公开(公告)日：2024-11-01

申请号：CN202410878510.2

申请日：2024-07-02

Applicant: 新疆大学

Inventor： 汪烈军 ,  许良辉 ,  郭治卿

IPC: G06T7/10 ,  G06T7/194 ,  G06T7/00 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了基于局部增强驱动全局优化的医学图像分割模型，属于计算机视觉技术领域，采用编码器‑解码器的U型结构，所述编码器和解码器之间采用跳跃连接以缓解下采样信息丢失的问题；所述编码器包括通道特征增强模块，跳跃连接处使用增强型局部信息提取器来提取特征图中的全局上下文信心以及局部细节信息；所述解码器使用双线性插值算法将编码器输出的特征图恢复为原始尺寸大小。本发明示例的医学图像分割模型，通过通道特征增强模块提取特征图中精炼的前景信息，通过增强型局部信息提取器同时关注病变区域的细节和整体轮廓，实现了更加精确地捕捉和描绘病变组织的微观特征及其界限，在推进医学影像分割技术发展中的重大价值。