-
公开(公告)号：CN113450394B
公开(公告)日：2022-12-06
申请号：CN202110543218.1
申请日：2021-05-19
Applicant: 浙江工业大学
Abstract: 一种基于Siamese网络的异尺寸图像配准方法，该方法利将配准图像输入到Siamese的子网络中，分别提取对应输入图像的特征，在该框架里面设计了一个填充模块，该模块可以使得不同尺寸的配准图像输入到网络中也可以实现训练，达到不同尺寸图像配准的效果；并且Siamese的子网络是权值共享的，这样，即使引入了一条下采样结构，网络的参数也并没有增加。配准框架均采用弱监督的学习形式，只需要对配准结构进行标注，获得的解剖标签用于训练过程中的损失函数计算，实现了特定组织部位异尺寸的有效配准。
-
公开(公告)号：CN113706546B
公开(公告)日：2024-03-19
申请号：CN202110968957.5
申请日：2021-08-23
Applicant: 浙江工业大学
IPC: G06T7/10 , G06T5/50 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/0495 , G06N3/0464 , G06N3/09 , G16H30/20
Abstract: 本发明公开了一种基于轻量级孪生网络的医学图像分割方法及装置，利用孪生网络的特点能够更好地对比生成的特征图，通过孪生网络和轻量级模块的结合来达到更好的轻量化效果，在特征图之间加入了一个差异模块，通过对两个特征图作差获取两个相邻切片的差异并用它监督训练，获得更好的边界效果；在编码最后加入了一个联系模块，通过参照其他切片对应位置的信息能更好指导当前切片的分割，减少假阳性，减少误差。
-
Patent Agency Ranking
公开(公告)号：CN116385454A
公开(公告)日：2023-07-04
申请号：CN202310375706.5
申请日：2023-03-30
Applicant: 浙江工业大学
IPC: G06T7/10 , G06V10/26 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于多阶段聚合的医学图像分割方法，通过构建的分割网络模型对待分割医学图像进行处理得到分割结果，分割网络模型包括编码模块和解码模块，在编码模块中，待分割医学图像依次经过四个编码单元，每个编码单元包括CNN卷积分支和Transformer分支，以利用渐进聚合提取多尺度特征；在解码模块中，通过跳跃连接逐层进行解码，得到最终的解码特征，最后通过卷积操作和激活函数处理得到分割结果。本发明逐阶段提取多层次分辨率下图像的互补特征，同时图像的特征表示逐渐被上下文的全局信息和局部细节信息增强，从而提升深度神经网络的性能；适当的阶段性特征的自适应集成有利于表示医学图像中的复杂尺度变化，以实现卷积和自注意力的充分融合。
-
公开(公告)号：CN113706545B
公开(公告)日：2024-03-26
申请号：CN202110967552.X
申请日：2021-08-23
Applicant: 浙江工业大学
IPC: G06T7/10 , G06T5/50 , G06V10/42 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于双分支神经判别降维的半监督图像分割方法，采用训练数据集训练构建的图像分割模型，图像分割模型包括特征提取模块和解码模块，所述特征提取模块采用Swin Transformer网络，所述Swin Transformer网络两个分支的对应Swin Transformer块之间设置有神经判别降维模块NDDR，所述神经判别降维模块NDDR与下一个Swin Transformer块之间设置有分片融合模块，所述解码模块包括两个与Swin Transformer网络两个分支分别对应的解码器，使用半监督的方法以双分支的形式在全局的函数回归任务和像素分类任务之间建立一致性，在充分考虑几何约束的情形下，关注局部特征的同时结合全局整体之间的联系，提高伪注释和分割的质量，从而提升图像分割的性能。
-
公开(公告)号：CN113450394A
公开(公告)日：2021-09-28
申请号：CN202110543218.1
申请日：2021-05-19
Applicant: 浙江工业大学
Abstract: 一种基于Siamese网络的异尺寸图像配准方法，该方法利将配准图像输入到Siamese的子网络中，分别提取对应输入图像的特征，在该框架里面设计了一个填充模块，该模块可以使得不同尺寸的配准图像输入到网络中也可以实现训练，达到不同尺寸图像配准的效果；并且Siamese的子网络是权值共享的，这样，即使引入了一条下采样结构，网络的参数也并没有增加。配准框架均采用弱监督的学习形式，只需要对配准结构进行标注，获得的解剖标签用于训练过程中的损失函数计算，实现了特定组织部位异尺寸的有效配准。
-
公开(公告)号：CN113706546A
公开(公告)日：2021-11-26
申请号：CN202110968957.5
申请日：2021-08-23
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于轻量级孪生网络的医学图像分割方法及装置，利用孪生网络的特点能够更好地对比生成的特征图，通过孪生网络和轻量级模块的结合来达到更好的轻量化效果，在特征图之间加入了一个差异模块，通过对两个特征图作差获取两个相邻切片的差异并用它监督训练，获得更好的边界效果；在编码最后加入了一个联系模块，通过参照其他切片对应位置的信息能更好指导当前切片的分割，减少假阳性，减少误差。
-
公开(公告)号：CN113706545A
公开(公告)日：2021-11-26
申请号：CN202110967552.X
申请日：2021-08-23
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于双分支神经判别降维的半监督图像分割方法，采用训练数据集训练构建的图像分割模型，图像分割模型包括特征提取模块和解码模块，所述特征提取模块采用Swin Transformer网络，所述SwinTransformer网络两个分支的对应Swin Transformer快之间设置有神经判别降维模块NDDR，所述神经判别降维模块NDDR与下一个SwinTransformer快之间设置有分片融合模块，所述解码模块包括两个与SwinTransformer网络两个分支分别对应的解码器，使用半监督的方法以双分支的形式在全局的函数回归任务和像素分类任务之间建立一致性，在充分考虑几何约束的情形下，关注局部特征的同时结合全局整体之间的联系，提高伪注释和分割的质量，从而提升图像分割的性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
