-
公开(公告)号：CN113516659A
公开(公告)日：2021-10-19
申请号：CN202111077298.2
申请日：2021-09-15
Applicant: 浙江大学
Abstract: 本发明涉及一种基于深度学习的医学影像自动分割方法，针对肿瘤或器官分割任务中成像背景复杂、肿瘤区域缺乏形状特征、强度特异性和位置先验等挑战提出的解决方案，实现了肿瘤或器官的自动定位与分割。具体而言，设计了一种基于感兴趣区域的分割策略，使用一个稀疏目标检测模块自动定位及分类肿瘤或器官，并使用掩模分支对感兴趣区域进行精细分割。此外，将边界分割融合到掩模分割中以获得更精细的分割结果。本发明旨在解决常规的语义分割方法在肿瘤或器官分割任务中的局限性，通过实现全自动分割肿瘤或器官，一定程度上解决放射科医生的工作效率问题并减少由于个人偏差和临床经验带来的人工错误分割。
-
公开(公告)号：CN103884683A
公开(公告)日：2014-06-25
申请号：CN201410112661.3
申请日：2014-03-25
Applicant: 浙江大学
IPC: G01N21/41
Abstract: 本发明公开了一种基于F-P半导体激光器和薄膜F-P滤光片级联的光学传感器，包括一个F-P半导体激光器、一个准直透镜、一个具有周期性滤波谱的薄膜F-P滤光片面阵列、一个成像透镜和一个探测器面阵列；所述F-P半导体激光器发出的光经准直透镜后垂直入射到薄膜F-P滤光片面阵列，透射光经成像透镜到达探测器面阵列，探测器面阵列置于成像透镜的焦平面位置处。本发明采用低成本的F-P半导体激光器作为输入光源，采用薄膜F-P滤光片面阵列和探测器面阵列直接可以同时完成对多种被测物质的信息获取工作，无需外加高分辨率的光谱仪或高波长稳定性的单模激光器，大大降低了传感器的制作成本。
-
公开(公告)号：CN113516659B
公开(公告)日：2021-12-28
申请号：CN202111077298.2
申请日：2021-09-15
Applicant: 浙江大学
Abstract: 本发明涉及一种基于深度学习的医学影像自动分割方法，针对肿瘤或器官分割任务中成像背景复杂、肿瘤区域缺乏形状特征、强度特异性和位置先验等挑战提出的解决方案，实现了肿瘤或器官的自动定位与分割。具体而言，设计了一种基于感兴趣区域的分割策略，使用一个稀疏目标检测模块自动定位及分类肿瘤或器官，并使用掩模分支对感兴趣区域进行精细分割。此外，将边界分割融合到掩模分割中以获得更精细的分割结果。本发明旨在解决常规的语义分割方法在肿瘤或器官分割任务中的局限性，通过实现全自动分割肿瘤或器官，一定程度上解决放射科医生的工作效率问题并减少由于个人偏差和临床经验带来的人工错误分割。
-
公开(公告)号：CN103884683B
公开(公告)日：2016-04-27
申请号：CN201410112661.3
申请日：2014-03-25
Applicant: 浙江大学
IPC: G01N21/41
Abstract: 本发明公开了一种基于F-P半导体激光器和薄膜F-P滤光片级联的光学传感器，包括一个F-P半导体激光器、一个准直透镜、一个具有周期性滤波谱的薄膜F-P滤光片面阵列、一个成像透镜和一个探测器面阵列；所述F-P半导体激光器发出的光经准直透镜后垂直入射到薄膜F-P滤光片面阵列，透射光经成像透镜到达探测器面阵列，探测器面阵列置于成像透镜的焦平面位置处。本发明采用低成本的F-P半导体激光器作为输入光源，采用薄膜F-P滤光片面阵列和探测器面阵列直接可以同时完成对多种被测物质的信息获取工作，无需外加高分辨率的光谱仪或高波长稳定性的单模激光器，大大降低了传感器的制作成本。
-
-
-
Search Results
4
records
(took 0.016 seconds)
