-
公开(公告)号：CN116402835B
公开(公告)日：2025-04-15
申请号：CN202211556140.8
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种多尺度对抗学习的医学图像肿瘤分割方法，通过Res‑UNet网络模型对医学图像进行粗分割，得到感兴趣区域；构建三级级联的多尺度对抗学习困难监督网络模型MSALDS‑UNet网络模型对感兴趣区进行细分割，从而精准分割器官、肿瘤和肿瘤核心区域。将器官、肿瘤和肿瘤核心区域替换至医学图像中，得到肿瘤分割图像，该图像精准展示了医学图像中的器官、肿瘤和肿瘤核心区域。本发明可以从医学图像中精准分割器官、肿瘤和肿瘤核心区域，解决现有的分割技术难以将器官、肿瘤和肿瘤核心区域从正常组织中精准区分出来，使得无法实现对肿瘤的精准分割的问题。
-
公开(公告)号：CN116012374A
公开(公告)日：2023-04-25
申请号：CN202310250049.1
申请日：2023-03-15
Applicant: 译企科技(成都)有限公司 , 重庆邮电大学
IPC: G06T7/00 , G06T7/11 , G06N3/0455 , G06N3/08 , G06N3/0499
Abstract: 本发明公开了一种三维PET‑CT头颈部肿瘤分割系统及方法，该方法包括构建图像分割模型：S1、构建包括具有第一编码器和第二编码器的双编路径‑解码器的网络架构；S2、将PET图像和CT图像经两编码路径独立编码后分别获得PET图像特征和CT图像特征，再将PET图像特征和CT图像特征分别输入至基于多头自注意力计算模块的Transformer模块中经计算分别产生PET全局特征和CT全局特征；S3、将PET全局特征和CT全局特征通过基于潜空间的多头自注意力计算模块处理后获得以PET图像特征融合至CT图像特征的融合PET‑CT图像特征，将融合PET‑CT图像特征反馈融合至CT图像编码分支。本发明提高了分割系统的效率和分割准确度。
-
公开(公告)号：CN115880312A
公开(公告)日：2023-03-31
申请号：CN202211450607.0
申请日：2022-11-18
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种三维图像自动分割方法、系统、设备和介质，包括编码阶段：将待分割三维图像数据输入自动分割网络模型中，采用连续的3D卷积提取图像原始特征，对图像的局部特征和全局特征进行感知，获得多模态特征，确定多模态特征在同一通道维度上的特征相似性；融合阶段：根据多模态特征在同一通道维度上的特征相似性，将不同模态特征在同一通道上的特征进行拼接，获得融合特征，对融合特征进行降维处理；解码阶段：通过跳跃连接将多模态特征从编码阶段连接到解码阶段，将降维处理后的融合特征恢复到与原始特征相同的比例，输出分割数据。利用全局特征和局部特征，有效地保持了多模态图像特征，有效利用了不同模式之间的互补性立体特征。
-
公开(公告)号：CN114692770B
公开(公告)日：2025-04-04
申请号：CN202210365637.5
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/762 , G06N20/20
Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于随机森林模型和模糊聚类的柑橘品质分类方法及系统；该方法包括：获取待识别的柑橘图像，将获取的柑橘图像输入到训练好的随机森林模型中，得到初始的模糊样本；采用改进的半监督模糊算法SSFCM对初始模糊样本中的数据进行聚类，得到品质分类结果；根据品质分类结果对柑橘打上品质标签；本发明采用机器学习的方法对柑橘的品质进行分类，提高了分类的效率和精确度。
-
公开(公告)号：CN115661170A
公开(公告)日：2023-01-31
申请号：CN202211383592.0
申请日：2022-11-07
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种腹部三维CT图像自动分割方法、设备及介质，包括获取腹部CT图像数据集进行预处理，使用改进U‑Net网络模型进行粗分割，使用SOA‑Net网络模型对依据各腹部器官的大致位置信息分成的四个区域进行细分割，按元素替换分割图像至腹部3D扫描图像中，得到腹部分割图像。通过改进U‑Net网络模型对腹部三维CT图像进行粗分割，再由用最少的参数和浮点运算量获得更好的分割精度的SOA‑Net网络模型进行细分割，得到精准的腹部器官图像，满足了临床实践中对腹部CT图像分割精确、高效的要求，解决了现有的腹部CT图像分割方法无法在临床实践中对腹部CT图像进行精确、高效分割的问题。
-
Patent Agency Ranking
公开(公告)号：CN114758132A
公开(公告)日：2022-07-15
申请号：CN202210464269.X
申请日：2022-04-29
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/75 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于卷积神经网络的果树病虫害识别方法及系统，该方法包括：获取果树图像，将果树图像输入到训练好的果树病虫害识别模型中，得到果树病虫害识别结果；根据病虫害结果对果树进行治疗；所述果树病虫害识别模型包括分割模型和卷积神经网络；其中分割模型用于对果树图像中的果叶和果实进行分割，得到果实图像和果叶图像；卷积神经网络用于对果树的病虫害进行识别；本发明采用深度学习方法对柑橘进行病虫害识别，该系统能为柑橘种植人员提供柑橘的病虫害信息，有助于种植人员及时采取措施对病虫害进行治疗，有效提高柑橘的产量和品质。
-
公开(公告)号：CN114692770A
公开(公告)日：2022-07-01
申请号：CN202210365637.5
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06V10/764 , G06V10/762
Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于随机森林模型和模糊聚类的柑橘品质分类方法及系统；该方法包括：获取待识别的柑橘图像，将获取的柑橘图像输入到训练好的随机森林模型中，得到初始的模糊样本；采用改进的半监督模糊算法SSFCM对初始模糊样本中的数据进行聚类，得到品质分类结果；根据品质分类结果对柑橘打上品质标签；本发明采用机器学习的方法对柑橘的品质进行分类，提高了分类的效率和精确度。
-
公开(公告)号：CN110458786B
公开(公告)日：2022-05-17
申请号：CN201910700326.8
申请日：2019-07-31
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种先验GAN模型医学影像生成方法，具体涉及医学影像合成领域，包括以下步骤：步骤一、发明一个有意义的改进模型，即先验条件生成对抗网络PCGAN；步骤二、利用DGAN的思想，优化生成网络G和判别网络D；步骤三、通过主成分分析方法PCA构建器官的二维或三维形状空间，生成具有物理意义解释的标签图；步骤四、用优化的网络参数和先验标签生成医学影像。本发明用PCA生成具有物理意义解释的标签图，减少或取消后期专家参与数据标注，从而建立一个合成影像数据库，一定程度上解决基于数据的深度学习方法的有效样本稀缺的问题，整体使得本发明能够有效降低专家的工作量，提高工作效率。
-
公开(公告)号：CN113298934A
公开(公告)日：2021-08-24
申请号：CN202110576074.X
申请日：2021-05-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于双向匹配的单目视觉图像三维重建方法及系统，该方法包括：S1：利用采集设备获取原始图像；对原始图像进行预处理；S2：对预处理后的原始图像，采用SIFT算法进行特征提取，得到采集的所有图特征点集；并采用主成分分析法PCA对所有图特征点集进行降维处理，得到降维后的特征点集；S3：采用欧式距离、曼哈顿距离双向匹配法对降维后的特征点集进行特征匹配，得到匹配后的初步匹配结果；并采用ransac方法对初步匹配结果进行优化，得到最终匹配结果；S4：根据最终匹配结果，采用两级三维图像重建，得到最终三维重建结果。本发明改善优化图像特征点匹配，提高匹配速率，增加其准确率，提高三维重建效果。
-
公开(公告)号：CN115661170B
公开(公告)日：2025-04-29
申请号：CN202211383592.0
申请日：2022-11-07
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种腹部三维CT图像自动分割方法、设备及介质，包括获取腹部CT图像数据集进行预处理，使用改进U‑Net网络模型进行粗分割，使用SOA‑Net网络模型对依据各腹部器官的大致位置信息分成的四个区域进行细分割，按元素替换分割图像至腹部3D扫描图像中，得到腹部分割图像。通过改进U‑Net网络模型对腹部三维CT图像进行粗分割，再由用最少的参数和浮点运算量获得更好的分割精度的SOA‑Net网络模型进行细分割，得到精准的腹部器官图像，满足了临床实践中对腹部CT图像分割精确、高效的要求，解决了现有的腹部CT图像分割方法无法在临床实践中对腹部CT图像进行精确、高效分割的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.016 seconds)
