-
公开(公告)号：CN117218144A
公开(公告)日：2023-12-12
申请号：CN202311145640.7
申请日：2023-09-06
Abstract: 本发明涉及图像数据处理技术领域，特别涉及一种基于神经元信号识别的数据清洗方法。本发明提供的数据清洗方法包括如下步骤：脑轮廓清洗，通过对脑轮廓进行分割筛选出在脑轮廓内的数据块；神经元清洗，根据神经元信号特征从在脑轮廓内的数据块中筛选出含有神经元信号的数据块；视频编码压缩，对含有神经元信号的数据块进行视频编码压缩。本发明提供的基于神经元信号识别的数据清洗方法能够减少人工耗时，仅生成较少的中间文件即可实现较好的清洗效果，较大程度地减少数据量，有效避免不必要的计算和存储资源浪费。
-
公开(公告)号：CN117911683A
公开(公告)日：2024-04-19
申请号：CN202311666834.1
申请日：2023-12-06
IPC: G06V10/26 , G06V10/44 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及图像分割技术领域，尤其涉及一种用于生物医学图像的自动SAM分割方法、装置、设备。方法包括：S1：将原始图像进行图像预处理，获取待分割图像；S2：将待分割图像输入至预先训练的自动SAM分割模型，输出待分割图像对应的分割结果图。自动SAM分割模型包括自动分割模块和分割优化模块，其中，自动分割模块包括图像分割编码器、图像分割解码器和ConvNeXt Prompt‑Net模块，分割优化模块包括显示编码器和优化器。本发明能够实现对不同散乱点状的医学分割目标的自动分割，且能够对具有形态复杂、边缘不清等特点的生物医学图像进行有效分割。
-
公开(公告)号：CN117152091A
公开(公告)日：2023-12-01
申请号：CN202311126241.6
申请日：2023-09-01
IPC: G06T7/00 , G06T7/11 , G06T7/194 , G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像数据处理技术领域，特别涉及一种阵列脑图像自动识别方法。上述的自动识别方法包括如下步骤：构建分割数据集、构建分割模型、训练分割模型、获取小鼠脑图像分割结果、建立阵列小鼠脑裁剪框识别算法。本发明提供的分割模型通过将不同尺度的导向滤波器下的滤波图像进行差分，更好的提取了阵列小鼠脑的边缘信息，并结合卷积神经网络构建出该模块，在可变参数的情况下进一步加强该模块对边缘特征的提取能力；将该模块与U‑Net网络框架相结合，实现对阵列图像中的多个鼠脑同时进行端对端的分割，通过阵列小鼠脑裁剪框识别算法能够极大提高裁剪框位置识别正确率。
-
公开(公告)号：CN118608536A
公开(公告)日：2024-09-06
申请号：CN202410867072.X
申请日：2024-07-01
Applicant: 海南大学
IPC: G06T7/10 , G06T7/00 , G06N3/0895 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/44
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于半监督与扩散模型的免疫荧光染色神经元胞体分割方法，包括以下步骤：S10，基于相同的原始数据集训练扩散模型和半监督模型；S20，使用S10训练得到的半监督模型对未标记的胞体图像进行分割，生成伪标签，再将包含伪标签的图像输入S10训练得到的扩散模型生成对应的伪图像，伪图像构成伪数据集；S30，基于伪数据集和原始数据集重新训练S10训练得到的半监督模型，利用训练好的半监督模型对免疫荧光染色神经元胞体进行分割。本发明通过生成伪图像来补充样本数据，极大地降低了对样本数据的依赖及对标签数据的依赖，降低了标签数据的数量，继而提高了标注效率及降低标注成本，还能保障分割的准确性。
-
-
-
Search Results
4
records
(took 0.032 seconds)
