-
公开(公告)号：CN108846873A
公开(公告)日：2018-11-20
申请号：CN201810645859.6
申请日：2018-06-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于灰度概率的医学图像无损压缩方法，包括图像编码和图像解码两个过程；编码过程是对医学图像的灰度矩阵I进行差分计算，得到差分图像I1和符号矩阵S，然后计算差分图像I1的灰度概率，再利用Huffman树对差分图像I1进行编码，得到差分图像I1对应码字表Code；图像解码是对编码过程得到的码字表Code进行Huffman解码，得到差分图像I2；对解码的数据结合编码过程的符号矩阵S进行反差分，得到原始图像。该可以无损的压缩医学图像和较高的图像压缩比，便于图像节约医学图像数据存储空间和提高医学图像网络传输效率。
-
公开(公告)号：CN116128870A
公开(公告)日：2023-05-16
申请号：CN202310241329.6
申请日：2023-03-14
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06T17/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种腹部CT图像中胰腺癌半自动精细勾画方法，首先选取包含胰腺癌的多组CT图像，并通过预处理获取图像纹理特征。然后，将图像数据分块处理成若干个分块，并使用点状图确定每个分块首尾两层的胰腺癌靶区范围，以此作为独立标签分块，中间层则以空白图像替代。接着，将图像分块和标签分块作为两个输入端口分别输入到基于卷积神经网络的双通道三维胰腺癌语义分割模型中，通过弱监督的方式进行模型推理。最后，对网络分割结果进行数据后处理，提取出勾画结果，再进行分块融合，得到每例胰腺癌患者的勾画结果，并对结果进行三维重建和分析，可视化显示其影像组学参数。该方法具有模型精简、速度快、准确率高等优点。
-
Patent Agency Ranking
公开(公告)号：CN108596884B
公开(公告)日：2021-05-18
申请号：CN201810335223.1
申请日：2018-04-15
Abstract: 本发明公开了一种胸部CT图像中的食管癌分割方法，首先选取多组含有食管癌的CT图像，将含有食管癌的CT图像作为训练样本；对选取的CT图像进行预处理，获取食管癌特征，并进行特征描述后，得到的图像作为训练数据；建立基于全卷积神经网络的食管癌语义分割模型，将描述后的食管癌特征作为全卷积神经网络的特征输入作为学习样本进行训练，得到食管癌分割网络模型；食管癌的三维重建，对得到的食管癌分割网络模型所得到的食管癌分割结果进行三维重建和分析，得到三维空间下的食管癌影像组学参数；将得到的食管癌影像组学参数进行可视化显示。该方法模型规模小，速度快，准确度高。
-
公开(公告)号：CN114740189A
公开(公告)日：2022-07-12
申请号：CN202210360996.1
申请日：2022-04-07
Applicant: 桂林电子科技大学
IPC: G01N33/52 , H04M1/72439 , H04M1/72406 , H04M1/72403
Abstract: 本发明公开了一种尿液试纸手机图像检测分析的方法，该方法先在标准光源箱下采集多种光源下的尿液试纸JPEG图像，以D65光源下的试纸图像为标准图像，其余光源环境下的试纸图像向标准光源下试纸图像对应区域试纸块的RGB色彩表现收敛即训练获取补偿模型，模型特征参数充分考虑试纸色彩特征和手机相机特性特征，特征在预处理时经过最大值、最小值和方差分析保证建立颜色校正模型的精度，建立训练TabNet模型，融合LightGBM、ElasticNet Regression、Support Vector Regression多个回归模型优化颜色校正效果，实现加强版补偿模型。通过补偿模型对试纸图像的颜色校正，减少环境光影响尿液试纸图像的颜色表现带来的误差，还原试纸图像最真实的颜色，提高颜色识别度，提高试纸检测分析的准确度，且该模型小，识别速度快。
-
公开(公告)号：CN108596884A
公开(公告)日：2018-09-28
申请号：CN201810335223.1
申请日：2018-04-15
Abstract: 本发明公开了一种胸部CT图像中的食管癌分割方法，首先选取多组含有食管癌的CT图像，将含有食管癌的CT图像作为训练样本；对选取的CT图像进行预处理，获取食管癌特征，并进行特征描述后，得到的图像作为训练数据；建立基于全卷积神经网络的食管癌语义分割模型，将描述后的食管癌特征作为全卷积神经网络的特征输入作为学习样本进行训练，得到食管癌分割网络模型；食管癌的三维重建，对得到的食管癌分割网络模型所得到的食管癌分割结果进行三维重建和分析，得到三维空间下的食管癌影像组学参数；将得到的食管癌影像组学参数进行可视化显示。该方法模型规模小，速度快，准确度高。
-
公开(公告)号：CN111863248B
公开(公告)日：2022-10-11
申请号：CN202010771540.5
申请日：2020-08-04
Abstract: 本发明公开了一种构建临床决策模型的有效方法，该方法选取一种疾病和其对应的一种治疗手段，选取对应的一批病人的病理特征和生存结局；对数据进行预处理，病理数据进行编码，将数据分为训练样本和验证样本，建立基于遗传算法的临床决策模型，将对应疾病特征作为遗传算法的特征输入作为学习样本进行训练，得到对应疾病临床决策的潜在模型，对对应疾病的潜在模型进行稳定性验证，进行训练样本的有放回的抽样重复分析，选取稳定模型作为候选模型。将选模型进行测试样本测试，通过测试的模型作为最终模型。对得到的最终模型统计病理特征并进行显示。该方法无需假设，模型规模小，速度快，准确度高。
-
公开(公告)号：CN111863248A
公开(公告)日：2020-10-30
申请号：CN202010771540.5
申请日：2020-08-04
Abstract: 本发明公开了一种构建临床决策模型的有效方法，该方法选取一种疾病和其对应的一种治疗手段，选取对应的一批病人的病理特征和生存结局；对数据进行预处理，病理数据进行编码，将数据分为训练样本和验证样本，建立基于遗传算法的临床决策模型，将对应疾病特征作为遗传算法的特征输入作为学习样本进行训练，得到对应疾病临床决策的潜在模型，对对应疾病的潜在模型进行稳定性验证，进行训练样本的有放回的抽样重复分析，选取稳定模型作为候选模型。将选模型进行测试样本测试，通过测试的模型作为最终模型。对得到的最终模型统计病理特征并进行显示。该方法无需假设，模型规模小，速度快，准确度高。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
