-
公开(公告)号：CN118262897A
公开(公告)日：2024-06-28
申请号：CN202410367544.5
申请日：2024-03-28
Applicant: 重庆邮电大学
IPC: G16H50/20 , G16H50/70 , G06F18/2433 , G06F18/2415 , G06F18/213 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明请求保护一种基于云生成对抗网络的心脏疾病辅助诊断方法及系统，包括：构造由变分云编码器和变分云解码器构成的云生成网络，通过降维、两次云采样以及升维三个步骤重构出测值数据，以此来进行数据特征的提取；构造生成损失和判别损失，在连续博弈的过程中不断提高模型的能力，使得整个云生成对抗网络能够很好地学习并重构正常数据特征；构建高斯核密度估计模型，模拟数据集中正常样本的分布特征，通过比较数据点在高斯核密度估计模型中的概率密度值，来区分正常样本和异常样本；设计并实现基于云生成对抗网络的心脏疾病辅助诊断系统，辅助医生进行心脏疾病的自动诊断。本发明在训练样本较少的情况下，实现更优的检测性能。
-
公开(公告)号：CN109166615B
公开(公告)日：2021-09-10
申请号：CN201810757397.7
申请日：2018-07-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种随机森林哈希学习的医学CT图像高效存储与检索的方法，具体是通过在医学CT图像集上训练得到随机森林哈希模型，保存模型及图像库对应的哈希码库。当用户输入一张需要检索的新的图像时，首先，模型将该图像映射为哈希码；然后在哈希码库中检索与之最近的K个哈希码；最后，将这个K个哈希码利用树的决策路径所定义的最大相容规则解码重构为图像并返回给用户。该方法的实现，有效地提高了图像检索的速度，并且极大地节省了图像的存储空间，有助于医生的医学诊断，减少医生的工作量，提高工作效率，提升医院存储设备的利用率。
-
公开(公告)号：CN112581431A
公开(公告)日：2021-03-30
申请号：CN202011418672.6
申请日：2020-12-07
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06F40/211 , G06F40/242 , G06F40/30
Abstract: 本发明公开了一种基于内容保持与注意力机制的从超声诊断报告生成超声图像的方法，包括：通过长短时记忆网络提取超声图像诊断报告的句子特征和词特征；在生成器不同阶段的特征图与注意力特征相拼接作为下一阶段的输入；利用真实超声图像和生成超声图像的深度特征和浅层特征构建内容保持损失，同时结合判别器对抗损失共同优化生成超声图像；内容损失通过原始超声图像和生成超声图像的深度特征以及浅层特征之间的差异来构造；通过构建的损失函数，利用梯度下降法优化生成器模型。本发明能够通过超声诊断报告生成相应的超声图像，同时保证图像内容与诊断报告的语义一致，并生成细致的纹理细节。
-
公开(公告)号：CN112528065A
公开(公告)日：2021-03-19
申请号：CN202011496971.1
申请日：2020-12-17
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06F16/55 , G06K9/46 , G06K9/62
Abstract: 本发明请求保护一种流形相似度保持自编码器的医学超声图像检索方法，包括：首先，遵循局部不变性思想，利用基于监督信息的拉普拉斯特征映射算法获得原始数据的最优低维嵌入，使得其类内差异小于类间差异，并将其阈值化生成保持同样特性的二进制编码；再通过约束该编码与自编码器生成的哈希编码的汉明相似度，使得自编码器模型在提供强大表征能力的同时保持局部结构相似性不变，由此学习到泛化能力强的哈希函数。本方法的实现，能够使得模型生成的哈希编码最大程度保持原始数据的局部流形结构相似信息，从而大大提高大规模图像检索的速度及准确度，辅助医疗诊断，提升医生的工作效率，降低医疗成本。
-
公开(公告)号：CN107426814B
公开(公告)日：2019-12-31
申请号：CN201710165803.6
申请日：2017-03-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多粒度框架节点选择的无线传感器网络定位方法，包括步骤一：根据接收到的信号强度获取相邻节点之间的测距信息并构建节点间相似度矩阵；步骤二：通过底层所有节点间的相似性选取各个区域的上层框架节点，建立由底至顶的多粒度结构并利用插值矩阵传递多个粒层之间框架节点的相似性；步骤三：用顶层代表性框架节点的相似度矩阵反向求解计算出其距离矩阵，并使用多维尺度分析(MDS)算法获得顶层代表性框架节点的低维相对坐标表示；步骤四：对顶层代表性框架节点的低维相对坐标进行插值，返回得到网络所有节点的相对坐标表示，并利用绝对坐标加权策略得到未知节点的绝对坐标；本发明的有益效果为大大减少了计算未知节点坐标的运算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN109166157A
公开(公告)日：2019-01-08
申请号：CN201810729679.6
申请日：2018-07-05
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种三维MRI脑部医学影像彩色化方法，包括：提取多个方向的梯度特征以及原亮度信息；随机选取原始三维MRI脑部医学影像中的若干个体素点，利用所求特征属性对切面上的体素点进行代表点的选择；然后用流形学习方法对代表点进行维度约简并尽量保持代表点之间的几何结构并映射到彩色空间，根据体素点之间的相似性传递颜色信息，得到所选体素的颜色信息，由彩色化后的体素与其余未处理的体素之间的近邻关系将颜色扩散到所有体素，由此得到彩色的三维MRI医学影像。本发明能够将三维MRI医学影像数据实现彩色化，并保证同一区域位置的像素点在不同切面中颜色一致，同时突出影像区域结构，实现多角度的观察彩色的三维MRI脑部医学影像。
-
公开(公告)号：CN106846306A
公开(公告)日：2017-06-13
申请号：CN201710026085.4
申请日：2017-01-13
Applicant: 重庆邮电大学
CPC classification number: G06T7/0012 , G06F17/277 , G06N3/049 , G06N3/08 , G06T2207/10132 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种超声图像自动理解生成方法，涉及计算机信息处理技术领域，CNN模型提取超声图像特征向量，分词工具将超声图像对应的描述句子进行分词，获得词序列特征向量；利用超声图像特征向量和对应的词序列特征向量训练LSTM模型；LSTM语言模型，利用束搜索方法，在时间步产生多个合适的句子，根据概率估计产生描述该幅超声图像的句子。本发明可以很好的解决传统图像主题描述自动生成中出现新的组合情况不能及时调整的问题。能广泛用于对超声图像的理解和语句描述。
-
公开(公告)号：CN110444277B
公开(公告)日：2023-03-28
申请号：CN201910652864.4
申请日：2019-07-19
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多生成多对抗的多模态脑部MRI图像双向转换方法，包括：通过卷积网络将输入图像(T1/T2)与对应病理标签融合并作为转换器的输入数据；输入T1模态数据，通过T2模态转换器转换成T2模态图像；输入T2模态数据，通过T1模态转换器转换成T1模态图像；在输出图像和真实图像)之间构建对抗损失；构建循环验证损失来实现对转换器有效性的验证；在输出图像与真实图像之间构建内容损失，使结果更接近真实图像；引入边缘损失对真实图像和输出图像的边缘进行约束；将输出图像和真实图像的语义分割结果的差异作为形状损失来保持形状一致。本发明能够在多模态脑部MRI数据之间进行双向转换，同时保证了图像的纹理、结构和病理的不变性。
-
公开(公告)号：CN114661933A
公开(公告)日：2022-06-24
申请号：CN202210220551.3
申请日：2022-03-08
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06F16/532 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于胎儿先心病超声图像—诊断报告的跨模态检索方法，包括：对跨模态胎儿先天性心脏病的超声图像文本数据集进行预处理；训练时利用特征提取网络，提取图像特征、文本特征和语义特征；将各模态的特征输入参数共享的跨模态注意力层，得到具有语义关联信息的各模态的特征；将图像特征和文本特征分别同语义特征计算对比中心损失；将特征向量输入参数共享的标签预测层，生成预测标签后，计算标签预测损失；检索时利用训练好的最优模型将数据库中的多模态数据生成低维特征；对于查询数据，首先生成低维特征，然后计算它与其它模态特征的相似度；按相似度进行排序，返回满足条件的跨模态实例。本发明有效的提升了跨模态多标签超声图像检索的精度。
-
公开(公告)号：CN112541856A
公开(公告)日：2021-03-23
申请号：CN202011418657.1
申请日：2020-12-07
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种结合马尔科夫场和格拉姆矩阵特征的医学类图像风格迁移方法，包括1)对目标图像和参考图像进行预操作；2)通过计算目标图像的拉普拉斯矩阵来构建仿射损失函数，约束局部仿射来约束图像变换；3)利用深度神经网络提取目标图像和参考图像的各层次深度特征，通过迭代聚合深度特征；4)构建内容保持损失和风格损失函数；5)通过构建的总损失函数，利用梯度下降法不断更新初始图像直到具有参考图像的风格信息和目标图像的纹理结构。本发明能够完成医学场景下的风格迁移功能，并能产生真实且美观的医学图像。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.022 seconds)
