-
公开(公告)号：CN114155259A
公开(公告)日：2022-03-08
申请号：CN202111482702.4
申请日：2021-12-07
Applicant: 重庆大学附属肿瘤医院 , 重庆大学 , 重庆市巴南区人民医院
IPC: G06T7/11 , G06T7/70 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于轻量化3D卷积神经网络的颅内动脉瘤自动分割系统，包括：样本预处理模块：提取范围为[A,B]的HU值，然后归一化到[0,1]；样本生成模块：采用滑动窗口的方法得到样本，然后采用训练样本平衡法对样本进行训练；网络训练模块：将样本输入到网络中进行训练；识别模块：采用由粗到细的分割策略，获得分割结果；样本预处理模块的输出端与样本生成模块的输入端相连，样本生成模块的输出端与样本生成模块的输入端相连，样本生成模块的输出端与网络训练模块的输入端相连，网络训练模块的输出端与识别模块的输入端相连。本发明能够快速、稳定和准确的分割颅内动脉瘤。
-
公开(公告)号：CN114648562A
公开(公告)日：2022-06-21
申请号：CN202210272128.8
申请日：2022-03-18
Applicant: 重庆大学附属肿瘤医院
Abstract: 本发明提出了一种基于深度学习网络的医学图像配准方法，包括以下步骤：S1，获取多个图像对；S2，将训练集中的图像对输入包含编码器‑解码器结构的卷积神经网络，预测从浮动图像到固定图像的位移场，然后利用空间梯度上的正则化平滑位移场均值，得到平滑后的位移场；S3，利用空间变换网络对平滑后的位移场进行变形得到采样网格，然后用采样网格对浮动图像进行重采样得到配准后的图像；S4，计算配准后的图像和固定图像之间的相似性损失函数，然后最小化所述相似性损失函数即可得到最优的配准图像，选取最小的参数作为参数θ；S5，输入测试集中的图像对，利用深度学习图像配准网络进行配准，最终得到配准的图像。本发明能够快速的对图像进行配准，并且不需要添加标签数据就可取得较好的配准效果。
-
公开(公告)号：CN114998307A
公开(公告)日：2022-09-02
申请号：CN202210796459.1
申请日：2022-07-06
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/40 , G06N3/04 , G06N3/08 , G16H50/20
Abstract: 本发明属于医学图像分割技术领域，具体公开了一种基于双分辨率网络的两阶段全3D腹部器官分割方法及系统，该方法对数据集和原始图像进行预处理，对预处理后的数据集和原始图像，进行随机数据增强，根据数据集，训练粗分割网络和精分割网络，将数据增强后的原始图像缩放至预设尺寸再输入粗分割网络，进行腹部器官分割，根据粗分割获得的RO I区域，获取RO I图像并缩放为预设尺寸，再输入精分割网络，得到分割结果。采用本技术方案，使用两阶段方法，实现对全3D腹部器官的分割。
-
公开(公告)号：CN107977664A
公开(公告)日：2018-05-01
申请号：CN201711294984.9
申请日：2017-12-08
Applicant: 重庆大学
Abstract: 本发明公开了一种基于单幅图像的道路消失点检测方法，包括如下步骤：对输入的道路图像尺寸大小进行调整，转换为灰度图，对灰度图进行中值滤波去噪；在灰度图上提取图像的二维Log-Gabor纹理和方向特征信息；根据图像尺寸确定有效候选目标区域；选取所有满足条件的纹理特征点作为候选投票点集；在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。本发明采用了基于Log-Gabor纹理特征表达方式，设计了一种快速有效的方向投票方法，能提高道路消失点的检测精度和检测速度，适用于实时交通监控系统、智能驾驶汽车等相关计算机视觉领域。
-
公开(公告)号：CN114998307B
公开(公告)日：2025-03-18
申请号：CN202210796459.1
申请日：2022-07-06
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/09 , G16H50/20
Abstract: 本发明属于医学图像分割技术领域，具体公开了一种基于双分辨率网络的两阶段全3D腹部器官分割方法及系统，该方法对数据集和原始图像进行预处理，对预处理后的数据集和原始图像，进行随机数据增强，根据数据集，训练粗分割网络和精分割网络，将数据增强后的原始图像缩放至预设尺寸再输入粗分割网络，进行腹部器官分割，根据粗分割获得的RO I区域，获取RO I图像并缩放为预设尺寸，再输入精分割网络，得到分割结果。采用本技术方案，使用两阶段方法，实现对全3D腹部器官的分割。
-
Patent Agency Ranking
公开(公告)号：CN107977664B
公开(公告)日：2019-12-31
申请号：CN201711294984.9
申请日：2017-12-08
Applicant: 重庆大学
Abstract: 本发明公开了一种基于单幅图像的道路消失点检测方法，包括如下步骤：对输入的道路图像尺寸大小进行调整，转换为灰度图，对灰度图进行中值滤波去噪；在灰度图上提取图像的二维Log‑Gabor纹理和方向特征信息；根据图像尺寸确定有效候选目标区域；选取所有满足条件的纹理特征点作为候选投票点集；在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。本发明采用了基于Log‑Gabor纹理特征表达方式，设计了一种快速有效的方向投票方法，能提高道路消失点的检测精度和检测速度，适用于实时交通监控系统、智能驾驶汽车等相关计算机视觉领域。
-
公开(公告)号：CN108021345A
公开(公告)日：2018-05-11
申请号：CN201711432244.7
申请日：2017-12-26
Applicant: 国网重庆市电力公司电力科学研究院 , 国家电网公司 , 重庆大学
IPC: G06F3/14
Abstract: 本发明公开了一种图像浏览方法、系统、设备及计算机存储介质，其中该方法包括：确定待浏览图像中的浏览区域，浏览区域为包含待浏览图像中的浏览对象的区域；划分每一个浏览区域为相应的浏览子区域，每一个浏览子区域均能被显示区域完整显示；依次推送每一个浏览子区域至显示区域，以便外界完整查看位于显示区域的浏览子区域。本发明公开的一种图像浏览方法实现了自动推送待浏览图像，与现有技术中人工移动待浏览图像相比，适用性更好。综上所述，本发明公开的一种图像浏览方法具有较好的适用性。本发明公开的一种图像浏览系统、设备及计算机存储介质也解决了相应技术问题。
-
公开(公告)号：CN108021345B
公开(公告)日：2021-05-11
申请号：CN201711432244.7
申请日：2017-12-26
Applicant: 国网重庆市电力公司电力科学研究院 , 国家电网公司 , 重庆大学
IPC: G06F3/14
Abstract: 本发明公开了一种图像浏览方法、系统、设备及计算机存储介质，其中该方法包括：确定待浏览图像中的浏览区域，浏览区域为包含待浏览图像中的浏览对象的区域；划分每一个浏览区域为相应的浏览子区域，每一个浏览子区域均能被显示区域完整显示；依次推送每一个浏览子区域至显示区域，以便外界完整查看位于显示区域的浏览子区域。本发明公开的一种图像浏览方法实现了自动推送待浏览图像，与现有技术中人工移动待浏览图像相比，适用性更好。综上所述，本发明公开的一种图像浏览方法具有较好的适用性。本发明公开的一种图像浏览系统、设备及计算机存储介质也解决了相应技术问题。
-
公开(公告)号：CN114648663A
公开(公告)日：2022-06-21
申请号：CN202210271664.6
申请日：2022-03-18
Applicant: 重庆大学附属肿瘤医院
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06V10/82 , G06V10/25 , G06N3/04 , G06T7/11
Abstract: 本发明提出了一种基于深度学习的肺癌CT图像亚型分类方法，包括以下步骤：S1，预处理：采集CT图像原始数据信息并进行预处理，得到增强后的数据集，并将预处理之后的CT图像数据划分为测试集和训练集；S2，构建模型：构建改进的3D‑LungNet网络模型，用于对预处理后的图像进行特征提取；S3，训练模型：将训练集输入到所述改进的3D‑LungNet网络模型中进行训练，得到训练好的CT图像分类模型；S4，测试集输入模型：将所述测试集输入到所述CT图像分类模型中，得到CT图像分类结果。本发明能够充分利用医学图像与自然图像之间的内在联系进行特征迁移，提高了网络层的特征提取效率和图像分类准确率，并减少了训练过程中的冗余计算量。还提高CT图像的分类准确率及分类精确率。
-
公开(公告)号：CN105608429B
公开(公告)日：2019-05-14
申请号：CN201510967455.5
申请日：2015-12-21
Applicant: 重庆大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于差分激励的鲁棒车道线检测方法，包括如下步骤：对车载视觉系统采集的图片进行感兴趣区域提取，将感兴趣区域转化为灰度图，然后对灰度图进行中值滤波去噪；在灰度图上进行差分处理，取出差分结果中最大的一部分作为候选点，对图像进行二值化；按行扫描二值图像，选取满足规则的连续目标区域的最中间三个点作为投票点；在投票点集上进行改进Hough变换，在变换过程中通过角度约束和距离约束消除干扰线段，且即时消除已被检测点对后续直线检测的影响，从而精确检测出车道线。针对城市道路路面存在反光、污迹，车道线退化、污损等复杂情况下的车道线检测问，本发明在保持甚至提高了实时性的同时，检测精度高，鲁棒性强。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.014 seconds)
