公开(公告)号：CN115147404B

公开(公告)日：2024-07-16

申请号：CN202210940594.9

申请日：2022-08-06

Applicant: 河南大学

Inventor： 庞子龙 ,  马韶胤 ,  武戈 ,  莫也 ,  蒋奇臻

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明属于医学图像处理技术领域，公开了一种双重特征融合MRA图像的颅内动脉瘤分割方法，提出了一种新型的特征融合方式，使神经网络能更有效的分割出颅内动脉瘤的精确位置。具体包括以下步骤：对三维时间飞跃磁共振血管成像图像进行预处理，将其制作为数据集；将处理过的图像输入用于特征提取的解码器以获得逐渐增大的高级语义特征，然后通过双重特征融合使特征反馈至解码器中；解码器进行多尺度的特征提取后还原原本的图像，以取得分割效果。本发明提出的神经网络结构有效的解决了在颅内动脉瘤分割任务中目标较小、样本不均衡的问题，并拥有较优的分割效果。

公开(公告)号：CN115861200A

公开(公告)日：2023-03-28

申请号：CN202211474544.2

申请日：2022-11-23

Applicant: 河南大学

Inventor： 庞子龙 ,  术安楠 ,  蒋奇臻 ,  韩云琦 ,  甘志华 ,  柴秀丽

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于强化特征融合的Sparse‑rcnn的布匹瑕疵检测方法。该方法包括：步骤1：收集不同光源下的瑕疵图像和模板图像，对瑕疵图像中的瑕疵进行人工标注；其中，瑕疵图像是指有瑕疵的布匹图像，模板图像是指无瑕疵的布匹图像；步骤2：对收集到的所有图像数据进行预处理；步骤3：将预处理后的图像数据进行差值组合三通道处理，得到新的三通道，将新的三通道输入至预先构建好的基于强化特征融合的Sparse‑rcnn的布匹瑕疵检测网络模型进行训练；步骤4：将待检测布匹图像输入至训练好的所述布匹瑕疵检测网络模型，得到瑕疵检测结果。

公开(公告)号：CN115147404A

公开(公告)日：2022-10-04

申请号：CN202210940594.9

申请日：2022-08-06

Applicant: 河南大学

Inventor： 庞子龙 ,  马韶胤 ,  武戈 ,  莫也 ,  蒋奇臻

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/44 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明属于医学图像处理技术领域，公开了一种双重特征融合MRA图像的颅内动脉瘤分割方法，提出了一种新型的特征融合方式，使神经网络能更有效的分割出颅内动脉瘤的精确位置。具体包括以下步骤：对三维时间飞跃磁共振血管成像图像进行预处理，将其制作为数据集；将处理过的图像输入用于特征提取的解码器以获得逐渐增大的高级语义特征，然后通过双重特征融合使特征反馈至解码器中；解码器进行多尺度的特征提取后还原原本的图像，以取得分割效果。本发明提出的神经网络结构有效的解决了在颅内动脉瘤分割任务中目标较小、样本不均衡的问题，并拥有较优的分割效果。