-
公开(公告)号：CN109685783A
公开(公告)日：2019-04-26
申请号：CN201811552394.6
申请日：2018-12-18
Applicant: 东北大学
CPC classification number: G06T7/0012 , G06T5/002 , G06T7/11 , G06T7/136 , G06T7/155 , G06T7/194 , G06T2207/10056 , G06T2207/30096 , G06T2207/30242
Abstract: 本发明涉及医学图像处理技术领域，尤其涉及一种基于骨架提取的细胞计数方法，包括以下步骤：步骤S1、获取待处理的组织病理学图像，对每一张待处理的图像进行灰度化处理，接着对每一张灰度化处理后的图像进行图像分割，获得每一张待处理图像的细胞二值图像；步骤S2、对每一张细胞二值图像进行形态学处理，得到细胞内孔洞填充、细胞边缘噪声和杂质噪点去除的细胞二值图像；步骤S3、对每一张形态学处理后的细胞二值图像进行细胞骨架化处理，以获取每一张图像中细胞骨架化的节点数，根据每一张图像中细胞骨架化的节点数与细胞个数的关系，得出每一张待处理图像的细胞计数结果。获得的细胞计数结果具有较好的准确性，方法具有较高的运行效率。
-
公开(公告)号：CN109685767A
公开(公告)日：2019-04-26
申请号：CN201811414799.3
申请日：2018-11-26
Applicant: 西北工业大学
CPC classification number: G06T7/0012 , G06K9/6223 , G06K9/6267 , G06T7/11 , G06T2207/10088 , G06T2207/30096
Abstract: 本发明涉及医学图像分析技术领域，且公开了一种基于聚类融合算法的双模态脑肿瘤MRI分割方法，包括以下步骤：步骤1输入肿瘤患者的不同模态图像，包括T2加权和Flair图像，对输入的图像进行灰度值归一化；步骤2筛选图像中脑部区域对应的像素点。该基于聚类融合算法的双模态脑肿瘤MRI分割方法，通过利用了不同MRI模态的成像特点，结合不同模态的信息和邻域信息，提高分割的准确度，在K均值算法中结合使用三种距离计算方法，改善了使用单个距离分割效果不稳定的情况，对于来自不同设备的图像具有鲁棒性，能够自动识别病变区域，本发明提出的后处理方法，有效的提升了分割的准确率，从而达到了算法实施简单、高效和运算速度块的目的。
-
公开(公告)号：CN109671054A
公开(公告)日：2019-04-23
申请号：CN201811414726.4
申请日：2018-11-26
Applicant: 西北工业大学
CPC classification number: G06T7/0012 , G06K9/6223 , G06K2209/053 , G06T7/11 , G06T7/187 , G06T2207/10088 , G06T2207/30016 , G06T2207/30096
Abstract: 本发明涉及医学图像分析技术领域，且公开了一种多模态脑肿瘤MRI的无监督分割方法，包括以下步骤：1)输入肿瘤患者的不同模态图像，包括T2加权、Flair和T1增强图像，对输入的图像进行灰度值归一化；2)提取脑部区域像素点在T2和Flair图像上的特征，利用聚类融合方法对像素点分类，从若干类中自动识别出肿瘤所属类别。该多模态脑肿瘤MRI的无监督分割方法，充分利用了不同MRI模态的成像特点，结合不同模态的信息和邻域信息，提高分割的准确度，使用无监督的分割方法，既不需要大量的有标注数据，也不需要长时间的训练时间和复杂的计算，方便了大量的工作，有效地提升了分隔的准确率，实现了算法实施简单、高效以及运算速度快的目的。
-
公开(公告)号：CN109636827A
公开(公告)日：2019-04-16
申请号：CN201811531259.3
申请日：2018-12-14
Applicant: 东北大学
CPC classification number: G06T7/187 , G06T5/002 , G06T2207/10088 , G06T2207/30096
Abstract: 本发明涉及医学图像处理技术领域，提出了一种自适应提取宫颈肿瘤MR图像的方法，包括：步骤1：对原始MR图像进行各向异性滤波处理，消除噪声并保留肿瘤边缘；步骤2：针对滤波后的MR图像，结合每幅图像平均灰度与肿瘤平均灰度的数值关系，设定比例系数，改进传统的自适应区域生长法，获得粗分割的肿瘤区域图像；步骤3：运用形态学操作对肿瘤区域进行细分割，使当前区域变得连通并平滑边缘。本发明利用改进的自适应区域生长法，得到的分割结果与医生手动描画的肿瘤区域金标准重合率较高，且避免了人工设定阈值的繁琐，降低了人工参与度，减少了人为主观偏差，具有普适性，为临床诊断提供了合理参考。
-
公开(公告)号：CN109191470A
公开(公告)日：2019-01-11
申请号：CN201810943197.0
申请日：2018-08-18
Applicant: 北京洛必达科技有限公司
Inventor： 不公告发明人
CPC classification number: G06T7/11 , G06T7/155 , G06T2207/30096
Abstract: 本公开提供了一种适用于大数据图像的图像分割方法，对接收的多个细胞图像进行划分；根据最大类间方差算法，针对划分后的多个细胞图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图像分割操作。该方法针对宫颈脱落细胞图像，采用最大类间方差算法对细胞图像进行粗分割，获得单个细胞、细胞群落以及杂质块图像；然后对以上分割的结果进行形状测试，如测试条件通过，则感兴趣区域为细胞图像，最终完成特征提取。上述方法可以高效、精准、快捷地针对宫颈脱落细胞图像实现图像分割策略，且具有易用性与适用性。本公开还提供了一种适用于细胞图像的图像分割装置。
-
Patent Agency Ranking
公开(公告)号：CN109035227A
公开(公告)日：2018-12-18
申请号：CN201810772131.X
申请日：2018-07-13
Applicant: 哈尔滨理工大学
CPC classification number: G06T7/0012 , G06T7/11 , G06T7/136 , G06T2207/10081 , G06T2207/30064 , G06T2207/30096
Abstract: 本发明提供一种用于对肺部CT图像进行肺结节检测和诊断的系统。该系统分为肺实质分割模块、候选结节检测模块和候选结节诊断模块；肺分割模块中，对原始CT图像进行形态学去噪，再用最优阈值法进行二值化分割，利用边界跟踪法提取初始边界，应用边界匹配修复算法进行边界修复，最后利用洪水填充算法分割肺部得到肺实质；在候选结节检测模块，结合了基于环形滤波器的候选结节检测算法和基于阈值的候选结节检测算法；检测的结果中会包括大量假阳性，先用规则方法对候选结节进行初步的假阳性候选消除，再用结合K均值聚类算法的模糊超盒神经网络作为系统分类器，用于候选结节诊断。此系统对于医生诊断肺癌提供了很好的支持。
-
公开(公告)号：CN108961274A
公开(公告)日：2018-12-07
申请号：CN201810730473.5
申请日：2018-07-05
Applicant: 四川大学
IPC: G06T7/11
CPC classification number: G06T7/11 , G06T2207/10088 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
Abstract: 本发明公开一种MRI图像中自动头颈肿瘤分割方法，包括步骤：训练基于U‑net的神经网络模型：神经网络模型包括用于分析输入MRI图像的收缩编码器和用于产生标签图输出的扩展解码器；在U‑net架构中使用跳跃连接将浅层编码层的外观特征表示与深度解码层的高级特征表示相结合；利用所述神经网络模型在待测试MRI图像中分割NPC肿瘤区域图像。本发明能够实现快速、稳健且精确的自动在MRI图像中分割NPC肿瘤。
-
公开(公告)号：CN108961216A
公开(公告)日：2018-12-07
申请号：CN201810569786.7
申请日：2018-06-05
Applicant: 青岛大学附属医院
CPC classification number: G06T7/0012 , G06T7/90 , G06T2207/30008 , G06T2207/30096 , G16H50/30
Abstract: 本发明属于医疗技术领域，公开了一种组合式骨肿瘤微创切开活检器及控制方法，组合式骨病变微创切开活检器包括：摄像模块、病变预测模块、主控模块、病变分布检测模块、探照模块、切片模块、钻动模块、缝合模块。本发明通过病变预测模块根据收集不同类型恶性病变用户的历史病变数据建立数据库，进而建立比例风险函数，再对待检用户的数据进行转换和缺失值填充，然后将填充后的数值代入比例风险函数中，建立病变预测的模型，可以较准确的进行病变的预测，满足用户的使用需求；同时通过病变分布检测模块可以准确的确定病变分布区域，有利于提高手术的位置精度，提升手术效果。
-
公开(公告)号：CN108898152A
公开(公告)日：2018-11-27
申请号：CN201810454454.4
申请日：2018-05-14
Applicant: 浙江工业大学
CPC classification number: G06K9/6278 , G06K9/6282 , G06K2209/05 , G06T7/0012 , G06T7/13 , G06T2207/10081 , G06T2207/30096
Abstract: 一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，包括如下步骤：1)对原始图像进行调节窗宽窗位操作，Canny边缘检测以及梯度幅值计算来加强边缘特征；2)运用ResNet对多通道图进行端到端的训练，把pool5层的输出作为提取到的特征，分别用Bayesian分类器和KNN分类器进行分类，得到分类概率；3)运用随机森林分类器对上述得到的3种不同的概率进行分类得到最终结果，随机森林由多个决策树组成。本发明提供了一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，能自动进行边缘增强，并提高分类的准确率。
-
公开(公告)号：CN108694718A
公开(公告)日：2018-10-23
申请号：CN201810528225.2
申请日：2018-05-28
Applicant: 中山大学附属第六医院
CPC classification number: G06T7/0012 , G06N3/0454 , G06T2207/10088 , G06T2207/20081 , G06T2207/30028 , G06T2207/30096 , G16H30/20
Abstract: 本发明涉及直肠癌术前同期新辅助放化疗疗效评估系统和方法。本发明的评估系统包括图像获取单元，用于获取初诊局部晚期直肠癌患者的病理活检切片扫描图像和新辅助放化疗治疗前MRI影像，并将直肠癌患者分为训练集、校验集和测试集，作为已输入图像数据；图像标注单元，用于将训练集、校验集和测试集的病理活检切片扫描图像和MRI影像分别进行数据标注；卷积神经网络构造单元，用于构造第一卷积神经网络模型；以及卷积神经网络模型训练单元，获得用于评估直肠癌术前同期新辅助放化疗疗效的第二卷积神经网络模型。本发明的直肠癌术前同期新辅助放化疗疗效评估系统具有准确率高、耗时短且工作持续时间长、客观、立体等诸多优点。
-
-
-
-
-
-
-
-
-
Search Results
529
records
(took 0.02 seconds)
