-
公开(公告)号：CN110188788A
公开(公告)日：2019-08-30
申请号：CN201910297426.0
申请日：2019-04-15
Applicant: 浙江工业大学
Abstract: 一种基于放射组学特征的胰腺囊性肿瘤CT图像的分类方法，包括如下步骤：1)图像采集：采集胰腺囊性肿瘤患者的CT图像；2)感兴趣区域获取：通过手动标记对胰腺囊性肿瘤位置进行分割；3)特征提取；4)特征量化；5)用支持向量机进行分类：将新的多维特征向量放入支持向量机中进行分类。本发明降低图像处理的复杂度，提高运行速度，提高分类准确率。
-
-
公开(公告)号：CN109377455B
公开(公告)日：2021-08-03
申请号：CN201811128379.9
申请日：2018-09-27
Applicant: 浙江工业大学
Abstract: 一种改进的基于自相似性的多序列磁共振图像配准方法，包括以下步骤：1)对所有序列的三维磁共振图像，用非局部均值快速降噪算法逐层进行降噪；2)通过层叠的大津算法对前景部分进行提取，即多次使用大津算法，将后一次的前景叠加到前一次的图像中；3)使用局部的三维中值滤波对结果进行优化；4)使用自相似性对预处理好的图像进行编码；5)使用一种基于离散的优化方法计算特征图间相似性度量，并判断相似性度量是否到达最优状态；6)使用最终变换矩阵对原浮动图像进行变换，获得最终的结果图。本发明抗噪声干扰能力强，配准精度较高。
-
Patent Agency Ranking
公开(公告)号：CN109377455A
公开(公告)日：2019-02-22
申请号：CN201811128379.9
申请日：2018-09-27
Applicant: 浙江工业大学
Abstract: 一种改进的基于自相似性的多序列磁共振图像配准方法，包括以下步骤：1)对所有序列的三维磁共振图像，用非局部均值快速降噪算法逐层进行降噪；2)通过层叠的大津算法对前景部分进行提取，即多次使用大津算法，将后一次的前景叠加到前一次的图像中；3)使用局部的三维中值滤波对结果进行优化；4)使用自相似性对预处理好的图像进行编码；5)使用一种基于离散的优化方法计算特征图间相似性度量，并判断相似性度量是否到达最优状态；6)使用最终变换矩阵对原浮动图像进行变换，获得最终的结果图。本发明抗噪声干扰能力强，配准精度较高。
-
公开(公告)号：CN109472817B
公开(公告)日：2021-08-03
申请号：CN201811128381.6
申请日：2018-09-27
Applicant: 浙江工业大学
Abstract: 一种基于循环生成对抗网络的多序列磁共振图像配准方法，包括以下步骤：1)对输入的序列1和序列2的磁共振原始图像，用CycleGAN进行训练，输出序列1和序列2的磁共振生成图像；2)对同序列的生成图像和原始图像进行单模态配准，计算变换矩阵及同序列两图之间的相似性度量；3)比较两个序列的相似性度量，选择对应策略，输出最终变换矩阵；4)使用最终变换矩阵对浮动图进行变换，获得最终的结果图。本发明对已配准样本的依赖较小，网络可训练性较高，抗干扰能力较强，配准精度较高。
-
公开(公告)号：CN109472817A
公开(公告)日：2019-03-15
申请号：CN201811128381.6
申请日：2018-09-27
Applicant: 浙江工业大学
Abstract: 一种基于循环生成对抗网络的多序列磁共振图像配准方法，包括以下步骤：1)对输入的序列1和序列2的磁共振原始图像，用CycleGAN进行训练，输出序列1和序列2的磁共振生成图像；2)对同序列的生成图像和原始图像进行单模态配准，计算变换矩阵及同序列两图之间的相似性度量；3)比较两个序列的相似性度量，选择对应策略，输出最终变换矩阵；4)使用最终变换矩阵对浮动图进行变换，获得最终的结果图。本发明对已配准样本的依赖较小，网络可训练性较高，抗干扰能力较强，配准精度较高。
-
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。
-
公开(公告)号：CN110188789A
公开(公告)日：2019-08-30
申请号：CN201910302762.X
申请日：2019-04-16
Applicant: 浙江工业大学
Abstract: 一种基于预处理模型的小样本医学图像分类方法，包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；2)对小样本医学图像数据进行处理；3)导入M1模型；4)将M1模型中的Dropout策略改为P；5)将小样本医学图像在M1下进行训练；6)得出分类结果。本发明提供了一种测试集效果好，模型泛化能力强的小样本医学图像分类方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
