-
公开(公告)号：CN115330599A
公开(公告)日：2022-11-11
申请号：CN202210955309.0
申请日：2022-08-10
Applicant: 厦门大学
Abstract: 本发明公开了一种利用生成对抗网络批量合成特定角度SAR图像的方法，包括以下步骤：S1、设定生成网络G，从隐空间Z随机采样得到的随机n维向量Z映射为不同尺度的SAR图片I，所有的SAR图片构成空间J；S2、设定针对SAR图片的多尺度判别网络J→R，输出输入图片为真实图片的概率；S3、利用生成对抗网络在图像空间训练，使生成网络能模拟真实的SAR图片；S4、解耦生成网络，获得和SAR图片方位角这一语义相关的方向向量n及边界向量Zinf；S5、利用生成网络G、方向向量n及边界向量Zinf，批量合成特定方位角的SAR图像序列；该方法根据SAR图片的特性精心设计了一种新颖的生成对抗网络结构和高效的SAR目标图像模拟算法，可以根据给定方位角生成高分辨率目标。
-
公开(公告)号：CN112308833B
公开(公告)日：2022-09-13
申请号：CN202011182378.X
申请日：2020-10-29
Applicant: 厦门大学
Inventor： 王连生
Abstract: 本发明公开了一种基于循环一致相关性的one‑shot脑图像分割方法，其包括以下步骤：S1、获取脑解剖结构图像并进行分类，得到未标注影像y及图集x，图集x带有标注xs；S2、构建LT‑NET网络模型，LT‑NET网络模型包括生成器GF、生成器GB及两个判别器D；S3、将图集x与未标注影像y输入生成器GF，得到前向映射ΔpF；S4、将前向映射ΔpF分别应用在图集x及标注xs，配合监督损失，得到重建影像及标注S5、将重建影像及图集x输入生成器GB，得到后向映射ΔpB；S6、将后向映射ΔpB分别应用在重建影像及标注配合监督损失，得到重建影像及标注本发明采用构建LT‑NET网络模型，配合监督损失有效提高图像分割的效率，提高了单向相关性学习性能。
-
公开(公告)号：CN112086197B
公开(公告)日：2022-05-10
申请号：CN202010924386.0
申请日：2020-09-04
Applicant: 厦门大学附属翔安医院
Abstract: 本发明公开了基于超声医学的乳腺结节检测方法及系统，包括以下步骤,获取乳腺超声视频数据，并进行预处理,将预处理后的视频数据通过迁移学习的方法训练，建立乳腺结节检测模型，将待测试的视频数据输入所述乳腺结节检测模型，得出结果。本发明提供基于超声医学的乳腺结节检测方法及系统，以超声乳腺视频图像检查为主要手段，旨在建立乳腺肿瘤良恶性判断及病理分型的精准方法，解决乳腺肿瘤动态识别及鉴别困难的疑难临床问题。高度精准的乳腺肿瘤定性系统的建立，对乳腺肿瘤患者的诊治具有重大临床意义。
-
公开(公告)号：CN112085718B
公开(公告)日：2022-05-10
申请号：CN202010924390.7
申请日：2020-09-04
Applicant: 厦门大学
Inventor： 王连生
Abstract: 本发明公开了一种基于孪生注意力网络的NAFLD超声视频诊断系统，该系统由两个结构相同且共享权重的孪生注意力子网络以及损失函数组成，其中，孪生注意力子网络由双流特征提取模块、线性分类模块和上下文注意力模块组成，损失函数由二进制交叉熵损失(BCE)、对比相似度损失(CSL)和对比差异性损失(CDL)组成。本发明通过在孪生注意力网络的基础上添加了双流特征提取模块，并引入损失函数，使得NAFLD超声视频诊断系统达到了90.56％的准确率，88.26％的特异性，93.58％的敏感性，为NAFLD超声视频诊断提供了一种高效可行的方法。
-
公开(公告)号：CN112308834A
公开(公告)日：2021-02-02
申请号：CN202011182475.9
申请日：2020-10-29
Applicant: 厦门大学
Inventor： 王连生
Abstract: 本发明公开了一种基于前向相关性的one‑shot脑图像分割方法，其包括以下步骤：S1、获取有标注图像和未标注图像y；S2、将有标注图像进行预处理并划分为图集x；S3、构建SiamENet模型，图集x及未标注图像y输入孪生编码器模块得到相关特征图；S4、双注意模块接收孪生编码器模块的相关特征图，融合图集x和未标注图像y的特征，得到融合特征；S5、将融合特征输送给解码器模块，解码器模块将相关特征图和融合特征进行融合，得到前向映射Δp；S6、图集x和前向映射Δp分别通过warp操作，得到重建图像和有标注重建图像 本发明通过计算机视觉学习，进行映射建模，在现有的有标注图像基础上，学习图像的分割标签，提高了效率。
-
Patent Agency Ranking
公开(公告)号：CN112086197A
公开(公告)日：2020-12-15
申请号：CN202010924386.0
申请日：2020-09-04
Applicant: 厦门大学附属翔安医院
Abstract: 本发明公开了基于超声医学的乳腺结节检测方法及系统，包括以下步骤,获取乳腺超声视频数据，并进行预处理,将预处理数据通过迁移学习的方法训练，建立乳腺结节检测模型，将待测试的视频数据输入所述乳腺结节检测模型，得出结果。本发明提供基于超声医学的乳腺结节检测方法及系统，以超声乳腺视频图像检查为主要手段，旨在建立乳腺肿瘤良恶性判断及病理分型的精准方法，解决乳腺肿瘤动态识别及鉴别困难的疑难临床问题。高度精准的乳腺肿瘤定性系统的建立，对乳腺肿瘤患者的诊治具有重大临床意义。
-
公开(公告)号：CN112085718A
公开(公告)日：2020-12-15
申请号：CN202010924390.7
申请日：2020-09-04
Applicant: 厦门大学
Inventor： 王连生
Abstract: 本发明公开了一种基于孪生注意力网络的NAFLD超声视频诊断系统，该系统由两个结构相同且共享权重的孪生注意力子网络以及损失函数组成，其中，孪生注意力子网络由双流特征提取模块、线性分类模块和上下文注意力模块组成，损失函数由二进制交叉熵损失(BCE)、对比相似度损失(CSL)和对比差异性损失(CDL)组成。本发明通过在孪生注意力网络的基础上添加了双流特征提取模块，并引入损失函数，使得NAFLD超声视频诊断系统达到了90.56％的准确率，88.26％的特异性，93.58％的敏感性，为NAFLD超声视频诊断提供了一种高效可行的方法。
-
公开(公告)号：CN112085736B
公开(公告)日：2024-02-02
申请号：CN202010923743.1
申请日：2020-09-04
Applicant: 厦门大学
Inventor： 王连生
IPC: G06T7/10 , G06T9/00 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于混维卷积的肾肿瘤分割方法，其包括以下步骤：S1、获取腹部扫描图像，对获取的腹部扫描图像划分数据集和训练集；S2、对数据集内的腹部扫描图像进行预处理，得到预处理后的图像；S3、构建混维卷积网络，通过该网络配合混维卷积模块优化混维卷积网络对肾肿瘤的特征学习；S4、将预处理后的图像输入混维卷积网络进行预测，最终得到分割结果；本发明通过混合卷积网络同时学习肾肿瘤的2D、2.5D及3D卷积特征，2D、2.5D及3D卷积特征通过特征融合，增强了模型特征的泛化能力。
-
公开(公告)号：CN115965733A
公开(公告)日：2023-04-14
申请号：CN202310026751.X
申请日：2023-01-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于噪声自我感知的神经辐射场SAR图像模拟方法，包括以下步骤：S1、构建图像渲染网络模型；S2、对图像渲染网络模型进行训练，得到最佳的图像渲染网络模型；S3、将所需的SAR方向角输入到最佳的图像渲染网络模型中进行三维渲染，得到网络模拟的SAR图像；本发明将原本的二维图像生成问题转化为三维渲染问题，可以一般性地得到任意方向角下的SAR图像，该基于噪声自我感知的神经辐射场SAR图像模拟方法产生的结果与真实SAR图像有很高的相似度，模拟效果好。
-
公开(公告)号：CN115644772A
公开(公告)日：2023-01-31
申请号：CN202211411952.3
申请日：2022-11-11
Abstract: 本申请公开了一种内窥成像系统，应用于生物医学影像技术领域。该系统包括内窥镜子系统、与其光纤束相连的多模态成像子系统、数据采集子系统、分别与内窥镜子系统和数据采集子系统相连的控制子系统以及图像重建子系统。控制子系统基于预设出光时序脉冲的触发多模态成像子系统按照顺序依次产生OCT激发光、光声激发光、荧光激发光、Raman激发光，通过光纤束进入内窥镜子系统；并基于该时序脉冲同步触发数据采集子系统采集各激发光对应的电信号，以使图像重建子系统基于各电信号分别重建OCT图像、光声图像、荧光图像及Raman图像，有利于精准获取成像组织的有效生物特征信息，满足用户对内窥成像系统的高分辨率成像需求。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.025 seconds)
