-
公开(公告)号：CN105825508A
公开(公告)日：2016-08-03
申请号：CN201610152778.3
申请日：2016-03-17
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/10088 , G06T2207/30016
Abstract: 本发明通过对于脑部医学图像的分割构建了一种通过脑室和颅腔容积比来辅助诊断脑积水的方法，该方法首先利用三维区域生长算法对脑室进行分割，通过分割结果确定出脑室的容积。然后利用灰度共生矩阵提取颅腔的特征，结合边缘检测等算法对颅腔进行分割，利用分割结果确定颅腔的容积。最后，利用求出的脑室和颅腔的容积得到脑室和颅腔的容积比。最后，结合本方法确定的健康个体的脑室和颅腔容积比的大致范围、临床医生的经验、病人的临床特征几个方面对病人是否患有脑积水进行诊断。
-
公开(公告)号：CN105825509A
公开(公告)日：2016-08-03
申请号：CN201610154198.8
申请日：2016-03-17
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/20084 , G06T2207/30101
Abstract: 本发明公开了一种基于3D卷积神经网络的脑血管分割方法，该方法涉及机器学习、模式识别、图像处理等领域。该方法首先将标记好的脑血管造影图像按序堆叠成3维矩阵，对于其中的血管点取25×25×25大小的patch，然后再随机相同数量、相同大小的非血管点patch，得到训练数据。之后将训练数据输入到3D卷积神经网络用于训练，得到训练模型。然后将实际的血管造影序列图像的每个像素点取25×25×25大小的patch，输入到模型中，得到分类标签，在将分类标签拉伸为相同大小的图像，即为分割血管图像。该方法具有准确率高、泛型程度好的效果。
-
Patent Agency Ranking
公开(公告)号：CN105740875A
公开(公告)日：2016-07-06
申请号：CN201610154156.4
申请日：2016-03-17
Applicant: 电子科技大学
CPC classification number: G06K9/6269 , G06K9/4604 , G06K2209/051 , G06T2207/30064
Abstract: 本发明一种基于多尺度三维块特征提取的肺结节多轮分类方法，在特征提取的结节掩膜中引入多尺度掩膜的概念，利用不同尺度的块对结节进行特征提取，并将提取的特征投入到第一个分类器中去，然后再将分类的为假阳性的结节再投入到第二个分类器中去，最后合并两个分类器中真阳性结节的子集。本发明聚焦于图像的多尺度特征提取和图像的分类层面，可以更好的捕获图像中的细节信息从而生成具有代表性的特征集，新的特征包模型和分类模型可具体应用于医学图像、遥感图像、网络图像等数字图像数据的分类、检索等。
-
公开(公告)号：CN104881680A
公开(公告)日：2015-09-02
申请号：CN201510268415.1
申请日：2015-05-25
Applicant: 电子科技大学
CPC classification number: G06K9/6269
Abstract: 本发明提出了一种基于三维形态学特征和二维纹理特征的阿尔茨海默病及轻度认知功能障碍计算机辅助识别方法，具体包括：1)对医学图像进行预处理，包括预分割和配准等过程；2)对医学图像进行二维纹理特征提取，包括灰度共生矩阵的二次统计量和Gabor小波变换的多尺度多方向特征值；3)对医学图像进行三维形态学特征提取，即提取感兴趣区域的体积特征；4)对三维形态学特征和二维纹理特征进行特征融合；5)构建支持向量机分类器实现对阿尔茨海默病和轻度认知功能障碍的识别。本发明将三维形态学特征和二维纹理特征结合，能够更加全面准确地表达医学图像的内容，所以该方法能够提高对阿尔茨海默病和轻度认知功能障碍的识别，从而提供更有效的临床辅助诊断。
-
公开(公告)号：CN104851101A
公开(公告)日：2015-08-19
申请号：CN201510268407.7
申请日：2015-05-25
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/11 , G06T2207/30096
Abstract: 本发明公开了一种基于深度学习的脑肿瘤自动分割方法，首先对包含脑肿瘤的核磁共振成像切片进行图像块的提取，利用图像块的灰度序列作为深度学习的输入，并对网络进行无监督的预训练得到最初的网络参数，之后再利用带标签的数据反向对网络参数进行微调，得到的最终参数用于初始化新的网络，通过该网络对待测试的图像进行初步的分类。在完成分类后，接着利用设定的灰度值对初步被分为肿瘤的点进行一次划分，最后进行后处理得到最终的分割结果，本发明是一种脑肿瘤的自动分割方法，并且不需要对脑肿瘤提取额外的特征，本发明将为医生制定脑肿瘤的手术方案提供有用的信息。
-
公开(公告)号：CN104850859A
公开(公告)日：2015-08-19
申请号：CN201510268127.6
申请日：2015-05-25
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6223
Abstract: 本发明通过在特征包模型中引入图像的多尺度分析理念，构建了一种基于多尺度分析的图像特征包构建方法。该方法首先利用小波变换对图像进行分解，接着分别提取其高频和低频子带的局部区域特征，并分别构建高频视觉词典与低频视觉词典，然后利用视觉词典对图像加以描述，生成图像特征包。本发明聚焦于图像的多尺度特征提取和图像的语义描述层面，可以更好的捕获图像中的细节信息从而生成视觉特征词汇，新的特征包模型可具体应用于医学图像、遥感图像、网络图像等数字图像数据的分类、检索等。
-
公开(公告)号：CN104834943A
公开(公告)日：2015-08-12
申请号：CN201510268230.0
申请日：2015-05-25
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6277 , G06K2209/05
Abstract: 本发明公开了一种基于深度学习的脑肿瘤分类方法，在进行脑肿瘤特征提取时，首先利用Gabor小波变换提取脑肿瘤的纹理特征，根据堆叠降噪自动编码来构建深度学习的网络，之后利用深度学习从这些纹理特征中提取出更高层的特征；其次利用同心圆方法提取脑肿瘤的形状特征，与之前通过深度学习提取到的高层特征结合形成增广特征向量，将特征作为输入放入支持向量机中进行训练得到分类器；最后使用同样的方法为测试样本提取特征向量，利用训练得到的分类器对其进行分类；本发明将提高医生的诊断准确率，为脑肿瘤的手术方案制定提供有用的信息。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
