-
公开(公告)号：CN110443268A
公开(公告)日：2019-11-12
申请号：CN201910463406.6
申请日：2019-05-30
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01N23/046
Abstract: 本发明公开了一种基于深度学习的肝癌CT图像良性恶性分类方法，本发明在现有Resnet34网络模型的基础上进行设计改造，提出一种适应输入图像为9通道的针对肝癌CT图像良性恶性诊断分类的模型算法，同时提出针对不同病人不同切片数目选取切片的解决方法。通过获取病人切片，选取肝部信息最大切片，再进行数据预处理，然后对处理后的数据进行增强，接着输入到模型中进行训练，实现肝癌CT图像良性恶性的分类。本发明不仅仅得到了肝癌CT图像良性恶性分类较好实验结果，重点是实现自动肝癌分类为恶性或良性的一整套流程，构建了一个可以应用于临床医生肝癌辅助诊断的计算机辅助诊断(CAD)系统，减轻医生诊断压力。
-
公开(公告)号：CN111754400B
公开(公告)日：2023-12-26
申请号：CN202010484726.2
申请日：2020-06-01
Applicant: 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种高效的图片超分辨率重建方法，本发明基于卷积神经网络提出一种新的图片超分辨率网络结构，该网络结构命名为SESRNet，其中采用多尺度卷积融合模块可以高效的获取不同尺度的图像特征并且计算量大大降低。SESRNet主要由5个Mixblock组成，其所需要的计算量只有2.8GFLOPS，比主流的FSRCNN的6GFLOPS减少了一半的计算量。本发明中的图片超分辨率网络在保持图片还原的效果下，大大降低了计算量，使得边缘智能物联网终端设备上可以更加顺畅的将图片还原至合适的效果,提升AIoT设备的交互效果。
-
公开(公告)号：CN110443268B
公开(公告)日：2022-02-08
申请号：CN201910463406.6
申请日：2019-05-30
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G01N23/046
Abstract: 本发明公开了一种基于深度学习的肝癌CT图像良性恶性分类方法，本发明在现有Resnet34网络模型的基础上进行设计改造，提出一种适应输入图像为9通道的针对肝癌CT图像良性恶性诊断分类的模型算法，同时提出针对不同病人不同切片数目选取切片的解决方法。通过获取病人切片，选取肝部信息最大切片，再进行数据预处理，然后对处理后的数据进行增强，接着输入到模型中进行训练，实现肝癌CT图像良性恶性的分类。本发明不仅仅得到了肝癌CT图像良性恶性分类较好实验结果，重点是实现自动肝癌分类为恶性或良性的一整套流程，构建了一个可以应用于临床医生肝癌辅助诊断的计算机辅助诊断(CAD)系统，减轻医生诊断压力。
-
公开(公告)号：CN111754400A
公开(公告)日：2020-10-09
申请号：CN202010484726.2
申请日：2020-06-01
Applicant: 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种高效的图片超分辨率重建方法，本发明基于卷积神经网络提出一种新的图片超分辨率网络结构，该网络结构命名为SESRNet，其中采用多尺度卷积融合模块可以高效的获取不同尺度的图像特征并且计算量大大降低。SESRNet主要由5个Mixblock组成，其所需要的计算量只有2.8GFLOPS，比主流的FSRCNN的6GFLOPS减少了一半的计算量。本发明中的图片超分辨率网络在保持图片还原的效果下，大大降低了计算量，使得边缘智能物联网终端设备上可以更加顺畅的将图片还原至合适的效果,提升AIoT设备的交互效果。
-
-
-
Search Results
4
records
(took 0.03 seconds)
