-
公开(公告)号：CN119991723A
公开(公告)日：2025-05-13
申请号：CN202510067649.3
申请日：2025-01-16
Applicant: 复旦大学
Abstract: 本发明涉及医学图像分割技术领域，具体为一种卷积神经网络与图网络结合的医学影像分割方法，方法包括以下步骤：将通过计算机断层扫描(CT)设备采集到冠状动脉CT造影三维图像数据构成数据集CoronarySet，将数据集CoronarySet随机划分为训练集CoronarySet1和测试集CoronarySet2；将训练集CoronarySet1的数据切分为多个patches；将patches输入到双分支平行编码器中得到多层冠状动脉纹理特征图与多层冠状动脉拓扑特征图；构建特征融合模块，基于注意力机制模块将不同层的纹理特征图和拓扑特征图融合，得到融合血管特征；将三维卷积模块的浅层特征与融合血管特征依次输入到分割解码器的每一层，能够提取三维血管结构，使得血管分割结果更连续、更精准。
-
公开(公告)号：CN118963348A
公开(公告)日：2024-11-15
申请号：CN202411025502.X
申请日：2024-07-30
Applicant: 复旦大学
Abstract: 本申请公开一种异构群体机器人动态目标跟踪方法、装置、介质及产品，涉及群体机器人技术领域，所述方法包括：获取异构群体机器人中所有机器人的位置和实际速度以及追踪目标的位置和实际速度；基于当前个体的状态确定当前个体的交互邻居集合；基于当前个体的实际位置和实际速度以及当前个体的交互邻居集合中各邻居个体的实际位置和实际速度计算当前个体的速度参数；基于当前个体的状态和当前个体的速度参数确定当前个体的预测速度；基于当前个体的实际位置和当前个体的预测速度，确定当前个体的预测位置，从而控制当前个体对追踪目标进行跟踪。本申请使机器人群体内的信息能够快速传递，确保对外部刺激的一致集体响应，提高决策效率。
-
公开(公告)号：CN118470313A
公开(公告)日：2024-08-09
申请号：CN202410519430.8
申请日：2024-04-28
Applicant: 复旦大学
IPC: G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82 , G06V40/14 , G06V40/18 , G06N3/045 , G06N3/0464 , G06N5/045
Abstract: 本发明涉及图像处理技术领域，具体为一种基于CNN的病灶血管统一分割方法，包括以下步骤：S1：获取原始视网膜图像数据，构成数据集RetinalD，所述数据集RetinalD包括视网膜彩色RGB图像数据以及眼底病灶与血管分割的标注数据，将数据集RetinalD分割成训练集RetinalD1和测试集RetinalD2；S2：对所述训练集RetinalD1进行数据增强模块DataAug处理，得到增强视网膜图像FRetinalD数据集；S3：将增强视网膜图像FRetinalD数据集输入到交叉融合网络TFNet中；基于交叉融合网络TFNet构建并训练生成病灶血管统一分割模型TFModel；S4：将测试集RetinalD2输入到病灶血管统一分割模型TFModel中，得到目标医学图像。本发明能够将视网膜病灶特征与视网膜特征信息相结合，提升病灶分割的准确性。
-
公开(公告)号：CN117975217A
公开(公告)日：2024-05-03
申请号：CN202410200931.X
申请日：2024-02-23
Applicant: 复旦大学
Abstract: 本发明公开一种基于ViT和神经网络的眼科疾病状态预估方法，涉及眼科疾病状态预估技术领域，方法包括:将预处理后的待测试眼底图像的眼底图像数据集输入至残差卷积模块生成全局特征计算模型，输入至基于ViT的编码模块生成局部特征计算模型；将预处理后的眼底图像数据集输入至局部特征计算模型确定眼底图像数据集的全局特征信息图谱，输入至局部特征计算模型确定眼底图像数据集的局部特征信息图谱；将全局特征信息图谱与局部特征信息图谱输入至特征融合层生成多通道特征信息图谱；将多通道特征信息图谱输入至状态预估模块确定待测试眼底图像中的眼底图像预测结果。兼顾预测眼底图像的全局特征信息和局部特征信息，保证了预测结果准确性。
-
公开(公告)号：CN117179679A
公开(公告)日：2023-12-08
申请号：CN202311151947.8
申请日：2023-09-07
Applicant: 复旦大学
Abstract: 本说明书实施例提供一种主动式的胶囊机器人控制方法，收集样本用户的身体状态、身体管理临时策略和实施身体管理临时策略后腔体蠕动特性的漂移数据，以腔体蠕动特性的漂移数据为训练标签，以样本用户的身体状态、身体管理临时策略输入样本训练蠕动特性漂移预测模型，获取当前病例的身体状态、身体管理临时策略，利用该模型预测当前病例的腔体蠕动特性的漂移数据，对胶囊机器人采集的腔体图像进行三维重建，得到腔体三维形态，利用腔体蠕动特性的漂移数据对腔体三维形态进行演化，得到腔体三维形态在未来的动态变化时序，计算靶点位置动态变化时序，根据其生成动作策略，控制胶囊机器人的运动状态，提高了控制胶囊机器人移动的准确度和效率。
-
Patent Agency Ranking
公开(公告)号：CN118230105A
公开(公告)日：2024-06-21
申请号：CN202410349310.8
申请日：2024-03-26
Applicant: 复旦大学
IPC: G06V10/80 , G06V10/77 , G06V10/82 , G06V10/778 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及图像融合技术领域，具体为一种基于ViT的多尺度医学图像融合方法，包括以下步骤：S1：获取若干台数据采集设备，将数据采集设备的总数量记为M，基于数据采集设备获取多尺度医学图像数据，构成数据集；S2：将训练集输入到多尺度嵌入模块，基于切分模块将输入的训练集切分成多个子切片；基于嵌入映射模块将多个子切片映射为一维向量，得到子切片嵌入向量；S3：基于ViT构建多尺度特征提取模块，基于多尺度特征提取模块对各个子切片嵌入向量进行特征信息提取，得到多尺度特征信息，能够更全面的将所有多尺度特征信息进行逐个融合，更加准确的获取到多尺度图像融合后的符合临床实际需求的新医学图像。
-
公开(公告)号：CN116849591A
公开(公告)日：2023-10-10
申请号：CN202311008223.8
申请日：2023-08-10
Applicant: 复旦大学
Abstract: 本发明公开了一种基于视觉的胶囊机器人导航系统，包括：光源模块，用于为胶囊机器人的当前位置投射不同的环境光；拍摄模块，用于获取胃肠道内结构光图像和双目视觉图像；检测模块，用于获取胶囊机器人的运动速度并输出速度检测信号；中央处理模块，用于对获取的结构光图像和双目视觉图像进行融合处理获得三维图像，利用预先训练的图像识别模型判定下一步导航方向并输出方向信号；控制模块，用于接收速度检测信号和方向信号后输出触发控制信号；驱动模块，用于接收触发控制信号后驱动胶囊机器人在胃肠道内部的后续运动。本申请解决了因为胶囊内窥镜在胃肠道内的实时位置和姿态不能确定，无法对其进行导航，从而降低检查效率的问题。
-
公开(公告)号：CN116570224A
公开(公告)日：2023-08-11
申请号：CN202310634007.8
申请日：2023-05-31
Applicant: 复旦大学
Abstract: 本申请公开了一种超声胶囊机器人成像方法及系统，涉及机器人的领域，尤其是涉及一种超声胶囊机器人成像方法及系统，其包括建立超声装置，对器官进行超声扫描，并获取超声回音的超声回音信息；获取器官的轮廓信息和超声波的传回时间信息；建立器官的AR三维模型，对AR三维模型进行调整；基于传回时间信息，判断超声装置在器官中的位置信息；建立图像采集装置，对器官的内部进行图像采集，获取器官的内部图像信息；基于图像信息，判断器官是否存在异常，并将异常图像进行截取，并基于位置信息，将异常图像插入AR三维模型中。本申请具有提高胶囊机器人在检查过程中的成像效率的效果。
-
公开(公告)号：CN117746129A
公开(公告)日：2024-03-22
申请号：CN202311761412.2
申请日：2023-12-20
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0895
Abstract: 本发明公开了一种基于自监督学习的图像分类方法、系统及电子设备，涉及图像分类技术领域。方法包括：获取待分类图像；将待分类图像输入到图像分类模型中，得到待分类图像的图像种类；本发明通过搭建和训练初始自监督特征学习模型和初始图像分类模型，能够提高图像分类精度。
-
公开(公告)号：CN117078856A
公开(公告)日：2023-11-17
申请号：CN202311053442.8
申请日：2023-08-21
Applicant: 复旦大学
Abstract: 本申请公开了一种基于CT图像的血管树三维拓扑模型构建方法，涉及血管树建模领域，通过CT图像采集步骤和CT图像筛选步骤对目标部位进行全方位CT图像采集，并进行进一步的筛选，得到目标部位可血管树建模CT图像，减小了血管树建模的误差，提高了血管树建模的准确性，通过CT图像分裂步骤将目标部位可血管树建模CT图像进行分裂处理，并通过CT图像分析步骤确定血管区域，血管分级步骤和拓扑排列步骤确定血管区域的血管等级，建立目标部位可血管树建模CT图像的血管拓扑图，进一步提高了血管树建模的准确性，减小了血管树建模误差带来的安全隐患，保障了病患的生命健康，促进了医疗技术的进一步发展。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.031 seconds)
