-
公开(公告)号：CN113177952A
公开(公告)日：2021-07-27
申请号：CN202110460331.3
申请日：2021-04-27
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于方向信息的腹部CT图像肝脏区域自动分割方法，包括：(1)建立包含原始CT图像和肝脏区域手动分割结果的训练数据集A；(2)根据肝脏区域手动分割结果，获取指向肝脏边界的方向，建立包含原始CT图像和方向信息的训练数据集B；(3)分别将训练数据集A和B输入深度神经网络模型进行训练，得到权重参数不同的两种模型NA和NB；(4)将待检测CT图像分别输入已训练的模型NA和NB，得到肝脏初始分割结果和指向肝脏边界的方向信息；(5)利用方向信息指导肝脏初始分割结果进行收缩或扩张，得到最终的肝脏区域精确分割结果。本发明可有效解决CT图像边界模糊、结构复杂、灰度多样等引起的欠分割或过分割问题，提高肝脏分割精度。
-
公开(公告)号：CN114549336B
公开(公告)日：2024-05-03
申请号：CN202111410673.0
申请日：2021-11-25
Applicant: 湖南科技大学
Abstract: 本发明公开了一种无监督图像去雾方法，包括：(1)构建雾霾环境下的图像成像模型，即雾图成像模型；(2)构建图像局部子块的雾图成像简化模型，并根据子块中像素的线性分布特性，采用主成分分析求解图像大气光矢量的方向；(3)采用四叉树子空间层次搜索法求解雾图中的大气光矢量的幅值；(4)根据已求解的大气光矢量值，求解雾图中每个像素的透射率；(5)运用已求解的大气光矢量和透射率，对雾图成像模型进行逆向求解，得到去雾后的真实场景图像。本发明针对单幅图像进行去雾，不涉及复杂的训练过程，可有效去除图像中的雾霾干扰，获得清晰、细节丰富的图像，克服去雾后图像颜色过度饱和光晕等问题。
-
公开(公告)号：CN114240962B
公开(公告)日：2024-04-16
申请号：CN202111390808.1
申请日：2021-11-23
Applicant: 湖南科技大学
IPC: G06T7/11 , G06T7/136 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法，包括：(1)对训练数据进行预处理，包括图像裁剪和窗宽、窗位调整；(2)构建一种新的融合残差模块和注意力机制的U形深度卷积网络模型；(3)结合Dice与二元交叉熵构建网络的损失函数；(4)采用预处理后的训练数据进行网络训练；(5)对测试图像进行预处理，并利用训练好的网络分割其中的肝脏肿瘤区域。本发明是一种全自动的肝脏肿瘤分割方法，通过图像预处理以及在Unet网络中引入了残差模块与注意力机制，解决了肝脏肿瘤、分割中分割边界模糊，小型肿瘤难以检出的难题，有效提升了肝脏肿瘤的分割精度。
-
公开(公告)号：CN114549336A
公开(公告)日：2022-05-27
申请号：CN202111410673.0
申请日：2021-11-25
Applicant: 湖南科技大学
Abstract: 本发明公开了一种无监督图像去雾方法，包括：(1)构建雾霾环境下的图像成像模型，即雾图成像模型；(2)构建图像局部子块的雾图成像简化模型，并根据子块中像素的线性分布特性，采用主成分分析求解图像大气光矢量的方向；(3)采用四叉树子空间层次搜索法求解雾图中的大气光矢量的幅值；(4)根据已求解的大气光矢量值，求解雾图中每个像素的透射率；(5)运用已求解的大气光矢量和透射率，对雾图成像模型进行逆向求解，得到去雾后的真实场景图像。本发明针对单幅图像进行去雾，不涉及复杂的训练过程，可有效去除图像中的雾霾干扰，获得清晰、细节丰富的图像，克服去雾后图像颜色过度饱和光晕等问题。
-
Patent Agency Ranking
公开(公告)号：CN113177952B
公开(公告)日：2021-11-16
申请号：CN202110460331.3
申请日：2021-04-27
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于方向信息的腹部CT图像肝脏区域自动分割方法，包括：(1)建立包含原始CT图像和肝脏区域手动分割结果的训练数据集A；(2)根据肝脏区域手动分割结果，获取指向肝脏边界的方向，建立包含原始CT图像和方向信息的训练数据集B；(3)分别将训练数据集A和B输入深度神经网络模型进行训练，得到权重参数不同的两种模型NA和NB；(4)将待检测CT图像分别输入已训练的模型NA和NB，得到肝脏初始分割结果和指向肝脏边界的方向信息；(5)利用方向信息指导肝脏初始分割结果进行收缩或扩张，得到最终的肝脏区域精确分割结果。本发明可有效解决CT图像边界模糊、结构复杂、灰度多样等引起的欠分割或过分割问题，提高肝脏分割精度。
-
公开(公告)号：CN114066866B
公开(公告)日：2024-04-26
申请号：CN202111390961.4
申请日：2021-11-23
Applicant: 湖南科技大学
IPC: G06T7/00 , G06T7/136 , G06N3/048 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的医学图像自动分割方法，具体实现为：(1)获取病人原始医学图像与目标区域手动分割结果，构建与分割任务相关的训练数据集；(2)设计一种融合残差模块与注意力机制的深度U形卷积神经网络模型；(3)利用Dice与二元交叉熵构建混合损失函数；(4)利用训练数据集进行网络训练；(5)用训练好的网络分割测试图像中的目标区域。本发明是一种端到端的医学图像全自动分割方法，可有效解决目前深度学习图像分割领域中存在的分割边界模糊，小目标检出率较低，训练过程不稳定，收敛困难等问题。
-
公开(公告)号：CN114240962A
公开(公告)日：2022-03-25
申请号：CN202111390808.1
申请日：2021-11-23
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法，包括：(1)对训练数据进行预处理，包括图像裁剪和窗宽、窗位调整；(2)构建一种新的融合残差模块和注意力机制的U形深度卷积网络模型；(3)结合Dice与二元交叉熵构建网络的损失函数；(4)采用预处理后的训练数据进行网络训练；(5)对测试图像进行预处理，并利用训练好的网络分割其中的肝脏肿瘤区域。本发明是一种全自动的肝脏肿瘤分割方法，通过图像预处理以及在Unet网络中引入了残差模块与注意力机制，解决了肝脏肿瘤、分割中分割边界模糊，小型肿瘤难以检出的难题，有效提升了肝脏肿瘤的分割精度。
-
公开(公告)号：CN115690066A
公开(公告)日：2023-02-03
申请号：CN202211403625.3
申请日：2022-11-10
Applicant: 湖南科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种腹部CT序列图像中的肝脏区域自动精确分割方法，主要包括：(1)对于待检测CT序列，首先从矢状面、冠状面和横切面三个视图方向重构二维切片；(2)采用基于空洞空间金字塔卷积的U型2D卷积网络对不同视图方向的二维切片进行分割；(3)采用一种轻量级的3D卷积网络对不同视图方向的分割结果进行融合，获取CT序列中各体素属于目标的概率；(5)根据所获取的概率，构建全连接条件随机场能量函数，通过最小化能量函数获取精确的肝脏分割结果。本发明通过融合不同视图方向信息，提取CT序列三维特征，并通过引入全连接条件随机场，获得三维肝脏分割结果，准确性高、鲁棒性强。
-
公开(公告)号：CN114066866A
公开(公告)日：2022-02-18
申请号：CN202111390961.4
申请日：2021-11-23
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于深度学习的医学图像自动分割方法，具体实现为：(1)获取病人原始医学图像与目标区域手动分割结果，构建与分割任务相关的训练数据集；(2)设计一种融合残差模块与注意力机制的深度U形卷积神经网络模型；(3)利用Dice与二元交叉熵构建混合损失函数；(4)利用训练数据集进行网络训练；(5)用训练好的网络分割测试图像中的目标区域。本发明是一种端到端的医学图像全自动分割方法，可有效解决目前深度学习图像分割领域中存在的分割边界模糊，小目标检出率较低，训练过程不稳定，收敛困难等问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
