-
公开(公告)号：CN114723698B
公开(公告)日：2025-01-17
申请号：CN202210331209.0
申请日：2022-03-30
Applicant: 浙江工业大学
IPC: G06T7/00 , G06T7/12 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/82
Abstract: 一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
-
公开(公告)号：CN111179207B
公开(公告)日：2022-04-08
申请号：CN201911232218.9
申请日：2019-12-05
Applicant: 浙江工业大学
IPC: G06T5/50 , G06V10/764 , G06K9/62
Abstract: 一种基于并联生成网络的跨模态医学图像合成方法，通过预处理获得跨模态医学图像的共有组别向量特征空间，并获得多组用于训练合成器的训练集；训练合成器，在每组训练集上，合成器在上述的一对训练集上进行跨模态合成训练；若样本对的特征差值在误差允许范围内，则输出合成图；若其特征差值大于误差允许范围，则将两个正则项与合成器原有的损失函数加权结合，指导该合成器继续训练。本发明提高易形变部位医学图像整图合成的质量。
-
Patent Agency Ranking
公开(公告)号：CN111489291A
公开(公告)日：2020-08-04
申请号：CN202010143034.1
申请日：2020-03-04
Applicant: 浙江工业大学
Abstract: 一种基于网络级联的医学图像超分辨率重建方法，包括以下步骤：1)对图像进行预处理，使得图像能更好地参与训练，方便之后的网络进行学习；2)构建图像金字塔，提取图像的级联信息；3)利用级联网络对图像进行超分；4)级联网络的设计基础为拉普拉斯金字塔以及BE-GAN，网络通过生成残差图像并于原图像加和的方式来生成高清的超分图像；利用残差图像可以减少网络学习所需的信息总量，可以减小网络的训练压力，从而使得网络可以在较小的数据集下获得更好的效果；级联则可以使网络各层级之间相对独立，使得网络可以适应各分辨率下的超分任务。
-
公开(公告)号：CN117372484A
公开(公告)日：2024-01-09
申请号：CN202311262362.3
申请日：2023-09-27
Applicant: 浙江工业大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464
Abstract: 一种基于深度自注意力网络的脑部核磁共振图像配准方法和装置，其方法包括：首先，对获取的脑部核磁共振图像数据集进行预处理，包括运动校正、颅骨去除、图像裁剪和仿射对齐，以实现脑部核磁共振图像的粗配准；然后，构建脑部核磁共振配准模型，利用编码器‑解码器结构的深度学习网络实现对脑部核磁共振图像的多尺度特征提取；在编码器‑解码器中多次嵌入深层自注意力机制，以获取脑部核磁共振图像不同区域之间的相关性和关键特征点位置，并捕捉全局上下文信息，实现准确的特征表示、对齐和形变场生成，从而提高图像配准的质量和效率。本发明采用神经网络自动学习的配准方法，能够快速而准确地完成配准，解决了医生手动配准过程缓慢且繁琐的问题。
-
公开(公告)号：CN114723698A
公开(公告)日：2022-07-08
申请号：CN202210331209.0
申请日：2022-03-30
Applicant: 浙江工业大学
Abstract: 一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
-
公开(公告)号：CN111179207A
公开(公告)日：2020-05-19
申请号：CN201911232218.9
申请日：2019-12-05
Applicant: 浙江工业大学
Abstract: 一种基于并联生成网络的跨模态医学图像合成方法，通过预处理获得跨模态医学图像的共有组别向量特征空间，并获得多组用于训练合成器的训练集；训练合成器，在每组训练集上，合成器在上述的一对训练集上进行跨模态合成训练；若样本对的特征差值在误差允许范围内，则输出合成图；若其特征差值大于误差允许范围，则将两个正则项与合成器原有的损失函数加权结合，指导该合成器继续训练。本发明提高易形变部位医学图像整图合成的质量。
-
公开(公告)号：CN110837844A
公开(公告)日：2020-02-25
申请号：CN201910933433.5
申请日：2019-09-26
Applicant: 浙江工业大学
Abstract: 一种基于CT图像不相似性特征的胰腺囊性肿瘤良恶性分类方法，包括如下步骤：1)图像采集；2)感兴趣区域获取：通过计算机的人机交互进行手动分割，得到胰腺囊性肿瘤的ROI区域；3)特征提取：提取胰腺囊性肿瘤CT图像三种类型的特征；4)特征量化：基于随机森林，分别根据特征类型构建对应的特征子空间的不相似度矩阵；然后，利用不同特征子空间的不相似性矩阵之间存在的隐性关联，采用叠加取平均的方法来有效构建所有不同类型的特征构成的联合相异矩阵；5)用支持向量机进行分类：联合相异矩阵作为疾病分析的综合特征输给SVM分类器，完成患者肿瘤图像的良恶性分类。本发明准确率较高。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
