-
-
公开(公告)号:CN115526882A
公开(公告)日:2022-12-27
申请号:CN202211275348.2
申请日:2022-10-18
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/00 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种医学图像的分类方法、装置、设备及存储介质。该方法包括:将获取到的待测医学图像以及与所述待测医学图像对应的临床特征数据输入到预先训练完成的目标图像分类模型中;其中,所述目标图像分类模型包括主干网络、类别分支网络和分类网络;通过所述主干网络,基于输入的待测医学图像,确定待测特征图;通过所述类别分支网络,基于所述临床特征数据和所述主干网络输出的待测特征图,确定融合特征图;通过所述分类网络,基于所述类别分支网络输出的所述融合特征图,输出所述待测医学图像对应的目标分类结果。本发明实施例解决了现有的目标图像分类模型的输入数据过于简单的问题,提高了目标图像分类模型的分类准确率。
-
公开(公告)号:CN113920067A
公开(公告)日:2022-01-11
申请号:CN202111122421.8
申请日:2021-09-24
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于卷积神经网络的CT图像目标检测方法、装置及设备,属于图像目标检测技术领域,基于卷积神经网络的CT图像目标检测方法、装置及设备通过获取目标患者的CT图像;将CT图像输入至预设CT图像目标检测模型中,得到CT图像中的目标区域及目标区域的类别。通过预先设置CT图像目标检测模型,在CT图像目标检测模型中设置注意力机制模块,对特征图中的不同通道分配不同的权重,提取特征图中的有用新型,提升CT图像的目标检测成功率。
-
公开(公告)号:CN113920129B
公开(公告)日:2025-04-08
申请号:CN202111089546.5
申请日:2021-09-16
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/11 , G06T5/20 , G06N3/0464 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本发明涉及一种基于多尺度和全局上下文信息的医学图像分割方法和装置,该方法包括:获取待处理医学图像;提取待处理医学图像中的图像特征,得到特征图;学习特征图的多尺度的全局上下文信息;引导多尺度的全局上下文信息与译码器支路特征融合;根据预设尺度与权重的对应关系将与译码器支路特征融合后的多尺度的全局上下文信息组合,得到目标医学图像。本发明在一定程度上解决了相关技术的全卷积网络模型存在的感受野较小、模型深度较浅和编码解码过程信息损失大的问题。此外,本发明还在一定程度上解决了相关技术的全卷积网络模型由于在多尺度推理中使用平均池化策略组合多尺度结果的方法而存在的组合结果不准确的问题。
-
公开(公告)号:CN117523268A
公开(公告)日:2024-02-06
申请号:CN202311402729.7
申请日:2023-10-27
Applicant: 电子科技大学
IPC: G06V10/764 , G06V40/18 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种糖尿病视网膜病变智能分级方法、设备及存储介质,属于基于深度学习技术的医学图像处理技术领域。本发明方法包括:获取包括糖尿病视网膜病变DR各个等级的彩色眼底图像数据集,并对其进行图像预处理,得到预处理后的智能分级模型的训练样本集;基于设置训练样本的选取策略设置各个样本批次,再基于预设值的损失函数对智能分级模型进行网络参数训练;智能分级模型在训练时包括编码网络、投影网络和分类网络。基于训练好的编码网络和分类网络得到用于彩色眼底图像的糖尿病视网膜病变智能分级器。本发明能够实现有效地提取类别间和同类别的特征,并表现出良好的鲁棒性和可扩展性,从而实现DR的精确分级。
-
公开(公告)号:CN114187467A
公开(公告)日:2022-03-15
申请号:CN202111329957.7
申请日:2021-11-11
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于CNN模型的肺结节良恶性分类方法及装置,所述方法包括获取肺结节CT扫描图像数据并对图像数据进行预处理;将预处理后的肺结节CT扫描图像数据输入到训练好的CNN神经网络模型中,CNN神经网络模型对肺结节CT扫描图像数据依次进行多层特征提取、双线性池化以及分类处理,得到结节的不同CT扫描图像数据的分类结果;将同一结节不同CT扫描图像数据的分类结果进行融合,确定结节的良恶性。本发明通过卷积神经网络的卷积层的深层和浅层分别提取多层特征,然后经过双线性池化进行特征融合,最后将双线性池化融合后的特征输入到支持向量机中得到分类结果,本申请旨在融合并增强相似特征,以增强对分类目标细微差别的区分能力。
-
公开(公告)号:CN118296349A
公开(公告)日:2024-07-05
申请号:CN202410354491.3
申请日:2024-03-27
Applicant: 电子科技大学
IPC: G06F18/213 , G06F18/214 , G06F18/21 , G06F18/22 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和微波数据的热带气旋定强方法,属于气象遥感技术领域。本发明通过将卫星微波数据反演合成了热带气旋暖核三维数据,充分还原了热带气旋的三维结构特征,从而能够实现除使用数据的温度值大小与强度建立关系外,还能通过三维结构的变化趋势与强度大小建立关系;同时在三维卷积网络中加入了多尺度注意力网络模块和暖核区间定位裁剪器,能够自适应提取不同尺寸大小的结构特征,以及精准定位暖核的核心区域,准确建立核心暖核形状特征和温度异常值与强度的关联;使用双分支网络同时训练未平恒数据和重平衡数据,在保证所有强度类别的热带气旋的估计误差较低的情况下,还能有效解决高强度热带气旋的普遍低估问题。
-
公开(公告)号:CN117422913A
公开(公告)日:2024-01-19
申请号:CN202311374121.8
申请日:2023-10-23
Applicant: 电子科技大学
IPC: G06V10/764 , G06T7/00 , G06V10/44 , G06V10/82 , G06V10/80 , G06V10/25 , G06T7/62 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种改进的CT图像肺结节检测方法、设备及存储介质,属于人工智能辅助诊断的智慧医疗领域。本发明首先对获取的CT影像数据和肺结节类别的人工标注信息进行数据预处理,得到CT图像以及对应的肺结节类别标签;构建包括主干网络、带有路径聚合网络的颈部网络,以及检测头的肺结节检测网络,并对其进行网络参数训练,直到满足预设的训练结束条件;基于训练好的肺结节检测网络获取目标对象的CT图像的肺结节检测结果。本发明通过合理利用主干网络提取到不同尺度的有效特征层并进行加权融合,并改进训练损失以进一步区分前景结节目标和背景干扰,减少假阳性结节的推荐数量,综合提升模型对各尺寸大小肺结节的检测能力。
-
公开(公告)号:CN118366049A
公开(公告)日:2024-07-19
申请号:CN202410343312.6
申请日:2024-03-25
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0895 , G06V10/72
Abstract: 本发明公开了一种用于极轨卫星气象观测资料补全方法,属于空间科学和遥感技术领域。本发明采用自监督的训练策略,训练掩码与缺失区域具有相似分布模式,针对性地提升网络对极轨卫星缺失观测数据的补全结果,并且降低网络对标签数据的需求,可在不引入任何其他来源数据、不进行数据时空匹配的前提下训练网络;根据观测亮温数据受陆面辐射影响的特性,引入大陆轮廓先验知识,提升大片连续缺失数据以及海陆交界处缺失数据的补全效果。最后,使用门控卷积网络补全极轨卫星的观测数据,得到完整麦卡托投影下的格点数据。本发明在控制深度学习模型参数量和数据需求的基础上,利用数据的空间一致性及结合大陆轮廓,实现高准确地预测和补全观测数据。
-
公开(公告)号:CN116934757A
公开(公告)日:2023-10-24
申请号:CN202311199797.8
申请日:2023-09-18
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种用于肺结节假阳性删减的方法、设备及存储介质,属于医学图像处理技术领域。本发明方法包括:获取原始图像数据信息;提取CT图像的候选结节的肺结节检测结果,并进行追踪融合;制作假阳性删减数据集;构建肺结节假阳性删减网络模型并训练;肺结节假阳性删减测试。本发明还公开了基于该方法的设备及存储介质。本发明根据CT扫描中的影像特点,对检测得到的多个候选结节进行追踪融合,并投影至同一张图像中,充分利用候选结节在多CT图像中分布的空间信息,从图像处理的角度增加了真假结节的对比差异;最后使用残差卷积神经网络模型对处理后的候选结节切片进行分类预测,在不增加参数量的前提下,提高了假阳性删减的准确度。
-
-
-
-
-
-
-
-
-