-
公开(公告)号：CN114913377B
公开(公告)日：2024-08-06
申请号：CN202210546904.9
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06T7/00 , G06T7/13 , G06T7/73 , G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于空间上下文变分自动编码器的图像异常检测方法，所述方法通过使用空间上下文变分自动编码器，进行图像生成与注意力校正，检测异常图像；所述空间上下文变分自动编码器包括两个不同的变分自动编码器：第一个为空间变分自动编码器，用于学习正常图像的空间特征；第二个为上下文变分自动编码器，用于学习正常图像的全局上下文特征。本发明通过使用空间上下文变分自动编码器学习正常图像的分布，检测不符合正常图像分布的疾病图像，通过准确学习正常图像的空间特征和上下文特征，在有效检测异常的同时降低误报；同时使用注意力校正方法，进一步提高异常检测的准确率。
-
公开(公告)号：CN113096137B
公开(公告)日：2022-04-12
申请号：CN202110375473.X
申请日：2021-04-08
Applicant: 济南大学
Abstract: 本发明公开了一种OCT视网膜图像领域适应分割方法及系统，方法包括以下步骤：步骤1、获取OCT视网膜图像数据，并进行图像预处理；步骤2、结合特征提取网络、特征分类网络和特征鉴别网络分别构建域内分割模型和跨域分割模型；步骤3、根据域内分割模型和跨域分割模型分别获得目标域的伪标签；步骤4、利用自选择主动学习策略选择有效的伪标签和原始图像，加入源域丰富图像数据，再次训练跨域分割模型；步骤5、利用训练的跨域分割模型对目标域OCT视网膜图像进行分割。通过本发明技术方案，能有效提升分割模型的泛化性能，为临床眼科疾病诊断提供可靠的量化数据，实现计算机辅助的个性化治疗。
-
公开(公告)号：CN114913377A
公开(公告)日：2022-08-16
申请号：CN202210546904.9
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06K9/62 , G06T7/00 , G06T7/13 , G06T7/73 , G06T7/11 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间上下文变分自动编码器的图像异常检测方法，所述方法通过使用空间上下文变分自动编码器，进行图像生成与注意力校正，检测异常图像；所述空间上下文变分自动编码器包括两个不同的变分自动编码器：第一个为空间变分自动编码器，用于学习正常图像的空间特征；第二个为上下文变分自动编码器，用于学习正常图像的全局上下文特征。本发明通过使用空间上下文变分自动编码器学习正常图像的分布，检测不符合正常图像分布的疾病图像，通过准确学习正常图像的空间特征和上下文特征，在有效检测异常的同时降低误报；同时使用注意力校正方法，进一步提高异常检测的准确率。
-
公开(公告)号：CN113096137A
公开(公告)日：2021-07-09
申请号：CN202110375473.X
申请日：2021-04-08
Applicant: 济南大学
Abstract: 本发明公开了一种OCT视网膜图像领域适应分割方法及系统，方法包括以下步骤：步骤1、获取OCT视网膜图像数据，并进行图像预处理；步骤2、结合特征提取网络、特征分类网络和特征鉴别网络分别构建域内分割模型和跨域分割模型；步骤3、根据域内分割模型和跨域分割模型分别获得目标域的伪标签；步骤4、利用自选择主动学习策略选择有效的伪标签和原始图像，加入源域丰富图像数据，再次训练跨域分割模型；步骤5、利用训练的跨域分割模型对目标域OCT视网膜图像进行分割。通过本发明技术方案，能有效提升分割模型的泛化性能，为临床眼科疾病诊断提供可靠的量化数据，实现计算机辅助的个性化治疗。
-
-
-
Search Results
4
records
(took 0.018 seconds)
