公开(公告)号：CN119722781A

公开(公告)日：2025-03-28

申请号：CN202411788533.0

申请日：2024-12-06

Applicant: 重庆邮电大学

Inventor： 刘乔寿 ,  刘爽 ,  杨振巍

IPC: G06T7/62 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06V10/774 ,  G06T7/00 ,  G06V10/764

Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于深度学习的膀胱体积预测方法，包括：建立膀胱体积和风险等级多任务预测模型，对输入的图像以及文本信息进行训练，通过训练完成后的模型进行膀胱体积以及风险等级预测。本发明通过融合图像和文本多模态信息，设计了一种高效的深度学习网络架构，显著提升了膀胱体积预测和风险等级分类的精度与鲁棒性；图像信息提取模块结合LCIA注意力机制，有效捕捉了局部区域与全局特征的细节；文本信息嵌入模块通过低维表示强化了非图像信息的表达能力；RFEA多模态特征融合模块动态调整多模态数据的重要性，使得图像和文本特征能够协同作用，从而提升整体预测性能。

公开(公告)号：CN119599894A

公开(公告)日：2025-03-11

申请号：CN202411750528.0

申请日：2024-12-02

Applicant: 重庆邮电大学

Inventor： 刘乔寿 ,  刘爽 ,  杨振巍

IPC: G06T5/60 ,  G06V10/40 ,  G06V10/52 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/0985

Abstract: 本发明属于图像处理技术领域，具体涉及一种基于深度学习的超声波医学图像增强方法，包括：建立超声波医学图像增强模型，对超声波医学图像增强模型进行训练，通过训练完成后的超声波医学图像增强模型进行图像增强；本发明能够有效地改善超声图像的视觉效果，保留图像中的关键细节，不仅提高了超声医学图像增强的效果，也保证了医学图像轮廓的完整性和结构的清晰性；通过端到端的训练和优化，本发明能够自动学习到从超声医学图像中增强视觉效果的最佳策略，无需人工干预，提高了操作的便捷性和实用性。