公开(公告)号：CN120015250A

公开(公告)日：2025-05-16

申请号：CN202510093150.X

申请日：2025-01-21

Applicant: 西北工业大学宁波研究院

Inventor： 夏勇 ,  杨玺 ,  罗桓

IPC: G16H30/40 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明公开了一种三维医疗影像分割方法、装置、设备及存储介质，涉及图像分割技术领域，包括以下步骤：对三维医疗影像进行一次剪裁，得到非局部图像，对非局部图像进行二次剪裁，得到局部图像；对非局部图像进行下采样，将下采样后的非局部图像和局部图像输入至INLF模型，得到分割图像。因此本发明可以同时提取三维医疗影像中具有细节信息的局部特征和更具语义信息的非局部特征，提升分割任务的准确性。

公开(公告)号：CN119516192A

公开(公告)日：2025-02-25

申请号：CN202411538983.4

申请日：2024-10-31

Applicant: 西北工业大学

Inventor： 崔恒飞 ,  王一凡 ,  郑凡 ,  李佳橦 ,  杜典蓉 ,  李妍 ,  夏勇

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及涉及医学图像处理技术领域，公开了一种三维心脏影像的分割方法、装置、设备及介质。该方法采用训练好的全心脏分割模型对三维心脏影像进行分割，通过具有金字塔池化Transformer和轻量级大核卷积两个编码分支的双编码器对三维心脏影像进行特征提取，提取到三维心脏影像不同尺度的的特征以及上下文信息，通过具有分割解码器和残差解码器两个解码分支的双解码器，根据双编码器提取到的不同尺度的的特征以及上下文信息，生成三维心脏影像的分割掩码和残差掩码，分割掩码指示三维心脏影像中的不同区域，残差掩码指示三维心脏影像中每个区域的上下文切片之间的差异，根据分割掩码和残差掩码进行分割，提升了心脏影像的分割精度。

公开(公告)号：CN117974735B

公开(公告)日：2024-06-14

申请号：CN202410389652.2

申请日：2024-04-02

Applicant: 西北工业大学

Inventor： 崔恒飞 ,  王一凡 ,  郑凡 ,  李妍 ,  夏勇

IPC: G06T7/33 ,  G06T19/20 ,  G06T7/38

Abstract: 本发明公开了一种面向数字人的跨模态医学影像配准方法、系统和设备，属于图像处理技术领域。针对医学影像配准困难，成本高昂的问题，本发明采用基于形变图优化的配准方法，将CT头骨模型形变以适应MRI面部模型的形状，然后将模板CT图像与多个MRI图像进行配准，以获得内部骨骼与MRI外表面一致的数字人多模态数据集，实现了内部骨骼与MRI外表面的一致性，避免了高辐射风险，减少了数据集构建成本和内外数据不一致以及标注成本的问题，并且有较高的精度，能够更准确地分析患者的医学影像数据，为临床诊断和治疗决策提供更可靠的依据，提升医疗领域的整体质量和效率；而且该方法减少了在医学图像配准和分析过程中的手动干预，有望提高整体自动化水平。

公开(公告)号：CN115896471B

公开(公告)日：2024-05-28

申请号：CN202211414505.3

申请日：2022-11-11

Applicant: 西北工业大学 ,  西部超导材料科技股份有限公司

Inventor： 赵小花 ,  王锦程 ,  王凯旋 ,  付杰 ,  夏勇 ,  何永胜 ,  孙峰

IPC: C22B9/20 ,  C22C1/02 ,  C22C14/00

Abstract: 本发明涉及一种TC17钛合金铸锭熔炼方法，包括如下步骤：S1、用等离子焊接法对多个电极块进行真空等离子焊接，获得自耗电极；S2、将自耗电极进行三次真空自耗电弧熔炼；S3、将经过真空自耗电弧熔炼的铸锭进行表面机加工后得到TC17钛合金成品铸锭。该方法通过在铸锭第三次熔炼的后期从坩埚上部充入氩气，增大了熔炼后期炉室内的热传导，解决TC17铸锭头部成分不均匀导致的β斑隐患。

公开(公告)号：CN117910530A

公开(公告)日：2024-04-19

申请号：CN202410092706.9

申请日：2024-01-23

Applicant: 西北工业大学

Inventor： 夏勇 ,  马本腾 ,  刘琴

IPC: G06N3/08 ,  G06N3/044 ,  G06N3/0985 ,  G06N3/063

Abstract: 本申请公开了一种神经网络结构搜索方法、装置、电子设备及存储介质。上述方法包括：基于梯度优化的神经网络搜索算法，将神经网络结构的搜索操作转化为通过上层目标函数和下层目标函数分别对神经网络结构的结构权重和网络权重进行双层优化的操作；分别估计上层目标函数关于结构权重的第一梯度以及下层目标函数关于网络权重的第二梯度，以根据第一梯度和第二梯度构建基于动量递归的神经网络结构搜索模型；第一梯度包括上层目标函数关于结构权重的瞬时梯度和历史梯度，第二梯度包括下层目标函数关于网络权重的瞬时梯度和历史梯度；根据基于动量递归的神经网络结构搜索模型对神经网络结构的结构权重和网络权重进行双层优化，以搜索得到神经网络结构。

公开(公告)号：CN114693689B

公开(公告)日：2024-03-15

申请号：CN202210200307.0

申请日：2022-03-02

Applicant: 西北工业大学

Inventor： 夏勇 ,  陈亚鑫

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种用于医学图像的自适应神经网络分割模型构建方法，首先构建金字塔性的基础模型，基础模型中包含多个特征处理单元，特征处理单元之间通过直接连接或跳跃连接实现数据流；特征处理单元的结构相同，由一个卷积模块和一个辅助指示函数构成；采用数据集对基础模型进行训练，输入的数据经过基础模型中的各个特征处理单元，按照辅助指示函数的输出对特征处理单元进行去除或保留，得到最终的分割模型。该模型能够对于不同数据集搜索得到适应于该任务的模型结构，不仅大大降低了模型复杂度，而且显著的提高了分割精度。

公开(公告)号：CN117496140A

公开(公告)日：2024-02-02

申请号：CN202311338726.1

申请日：2023-10-17

Applicant: 西北工业大学

Inventor： 崔恒飞 ,  郑凡 ,  王一凡 ,  李妍 ,  夏勇

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06V10/764 ,  G06T7/11 ,  G06V10/25

Abstract: 本发明公开一种心脏磁共振图像的分割方法，涉及医学图像处理技术领域，该方法包括：获取医学图像数据；在CycleGAN网络的生成器中添加卷积块注意力模块，引入感知损失函数，将bSSFP和T2‑CMR图像转换为LGE CMR图像；在U‑Net网络的编码器中添加具有通道注意力机制的残差模块，以及在解码器中添加具有动态感受野的注意力模块，生成ResSESK‑Net分割网络模型；将转换后的LGE CMR图像与原始LGE CMR图像同时作为训练数据对分割网络模型进行训练；将待分割的图像数据输入训练后的分割网络模型中，得到左右心室和心肌的分割标签；采用该方法降低了训练成本，有效提升LGE CMR分割精度。

公开(公告)号：CN117218403A

公开(公告)日：2023-12-12

申请号：CN202310720831.5

申请日：2023-06-19

Applicant: 西北工业大学宁波研究院

Inventor： 夏勇 ,  侯震生 ,  马本腾 ,  冯宇

IPC: G06V10/764 ,  G06V10/774 ,  G06N20/00

Abstract: 本发明公开了一种基于异常检测联邦学习的医学图像分类方法及装置，涉及联邦学习技术领域，该方法包括以下步骤：获取多个客户端的本地医学图像数据并进行计算，得到多个第一梯度并进行梯度中心化，得到多个第二梯度；通过多个结构分数对多个客户端进行异常检测，得到多个异常客户端；将多个异常客户端对应的多个第二梯度进行替换，并与多个正常客户端对应的多个第二梯度进行结合，得到多个第四梯度并进行聚合，得到最终梯度；根据最终梯度计算新的模型参数，对初始模型进行更新，得到分类模型；通过分类模型对医学图像进行分类。本发明使用梯度中心化对梯度进行优化，对权重空间进行正则化，抑制了梯度的增长，并且使得梯度和损失函数更加平滑。

公开(公告)号：CN116863290A

公开(公告)日：2023-10-10

申请号：CN202310225772.4

申请日：2023-03-10

Applicant: 西北工业大学宁波研究院

Inventor： 夏勇 ,  冯宇 ,  侯震生

IPC: G06V10/82 ,  G06V10/778 ,  G06V10/774 ,  G06V10/88 ,  G06V10/40 ,  G06N3/04 ,  G06N3/082 ,  G06N3/088

Abstract: 本发明提供了一种基于被后门攻击后的深度神经网络的图像识别方法，属于后门防御技术领域，包括：根据良性特征zo、中毒特征#imgabs0#良性图像的掩码特征zm、中毒图像的掩码特征#imgabs1#扰动后的掩码特征zp得到三个正特征对#imgabs2##imgabs3#和三个负特征对#imgabs4#利用对比学习优化基于三个正负特征对的BN掩码#imgabs5#得到优化的掩码#imgabs6#将较小掩码设置为0，将其他掩码设置为1，以对进行剪枝BN层的神经元进行剪枝，得到净化后的模型，实现后门防御。该方法能够净化被后门攻击后的深度神经网络，并利用网络进行图像识别。

公开(公告)号：CN116797816A

公开(公告)日：2023-09-22

申请号：CN202310226086.9

申请日：2023-03-10

Applicant: 西北工业大学宁波研究院

Inventor： 夏勇 ,  冯宇 ,  侯震生

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/94 ,  G06V10/776 ,  G06N20/20

Abstract: 本发明提供了一种基于自适应权重加权联邦学习的医学图像分类方法，属于医学图像分类技术领域，包括：服务器端将全局图像分类模型分发给多个客户端；每个客户端利用保存的病人医学图像数据对全局图像分类模型进行训练并更新全局图像分类模型的参数ωk；对每个客户端训练好的全局图像分类模型的性能通过保存的病人医学图像数据进行验证，得到表征模型性能的参数mk；服务器根据参数mk对参数ωk进行权重加权完成全局图像分类模型的重新聚合，得到最终的全局图像分类模型；并利用最终的全局图像分类模型进行医学图像的分类。该方法能够增加利用联邦学习进行医学图像分类时，高质量的模型对全局模型的影响。