-
公开(公告)号:CN114677511A
公开(公告)日:2022-06-28
申请号:CN202210290186.3
申请日:2022-03-23
Applicant: 三峡大学
IPC: G06V10/26 , G06V10/34 , G06V10/82 , G06V10/84 , G06T7/12 , G06T7/143 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 一种残差ECA通道注意力UNet结合TRW‑S的肺结节分割方法,它包括以下步骤:步骤1:读取肺部CT影像,对影像进行预处理;步骤2:切割出肺结节图片并生成对应的掩膜;步骤3:对获取的肺结节图片及对应的掩膜进行数据集的划分以获得训练集、验证集、测试集;步骤4:构建残差ECA通道注意力UNet深度学习网络;步骤5:将所获得的训练集、验证集输入构建的深度学习网络中进行训练;步骤6:将所获得的测试集输入训练好的网络以获得预测图;步骤7:将预测图输入基于马尔科夫随机场的顺序树加权信息传递算法(TRW‑S)进行边缘平滑;步骤8:输出预测图像。
-
公开(公告)号:CN117541600A
公开(公告)日:2024-02-09
申请号:CN202311275327.5
申请日:2023-09-28
Applicant: 三峡大学
IPC: G06T7/11 , G06T7/00 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499
Abstract: 一种基于Transformer和多级特征聚合的乳腺超声肿块分割方法,包括以下步骤:步骤1:对乳腺超声图像的特征提取,输出4层特征图;步骤2:将输出的4层特征图输入解码部分的多层分支感受野模块RBF;步骤3:使用置换注意力模块SAM对4层具有广泛上下文信息的特征图进行重要信息捕获,输出特征图;步骤4:采用聚合模块Aggregation Module对输出特征图S3、特征图S4进行融合,得到特征图A1;采用聚合模块Aggregation Module对特征图A1与特征图S2进行融合,得到特征图A2;采用聚合模块Aggregation Module对特征图A2与特征图S1进行融合,得到特征图A3。本发明能解决乳腺超声肿块分割中乳腺超声图像存在噪声、乳腺组织和病变对比度低、可能出现伪影或伪结构导致误分割、分割不连续的问题。
-
公开(公告)号:CN116740085A
公开(公告)日:2023-09-12
申请号:CN202310523188.7
申请日:2023-05-10
Applicant: 三峡大学
IPC: G06T7/11 , G06T7/00 , G06T7/194 , G06T5/00 , G06T5/50 , G06V10/77 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 一种多尺度拆分注意力机制的皮肤病图像分割方法,它包括以下步骤:步骤1:读取皮肤病图像数据集并进行划分和预处理;步骤2:构建多尺度拆分注意力机制网络;步骤3:将步骤1中的皮肤病图像中的训练集和验证集送入步骤2构建的网络中训练;步骤4:将步骤1划分的测试集送入步骤3训练好的网络进行预测;步骤5:输出最终预测图像。本发明的目的是为了解决现有皮肤病图像分割技术存在的图像病变区域大小不一、对比度不足的技术问题,而提供的一种多尺度拆分注意力机制的皮肤病图像分割方法。
-
公开(公告)号:CN115512224A
公开(公告)日:2022-12-23
申请号:CN202211191533.3
申请日:2022-09-28
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/50 , G06V10/30 , G06V10/44 , G06V10/28 , G06V10/26 , G06T5/00 , G06T7/00 , G06T7/136 , G06T7/187
Abstract: 一种曲线拟合对比度增强的道路裂缝检测方法,它包括以下步骤:步骤1:以若干组道路裂缝图像的灰度均值参数为自变量,其对应的最优对比度增强参数值为因变量,构造线性拟合法、指数拟合法、以及傅里叶级数拟合法等三种曲线拟合,得到函数关系式;步骤2:对道路裂缝图像进行预处理;包括图像灰度化、直方图均衡化、图像中值滤波、对步骤1中通过三种曲线拟合构造的函数关系式进行对比度增强;步骤3:对经过步骤2对比度增强后的图像进行二值化处理,获得二值图像,并进行阈值分割;步骤4:用所获得的阈值对图像进行阈值分割以实现裂缝的标记;通过以上步骤获得裂缝的标记、检测。
-
公开(公告)号:CN114359214A
公开(公告)日:2022-04-15
申请号:CN202111662906.6
申请日:2021-12-30
Applicant: 三峡大学
Abstract: 一种基于拆分注意力的网络结合TRW‑S算法的息肉分割方法,它包括以下步骤:步骤1:收集若干个息肉分割的数据集;步骤2:对数据集进行数据增强;步骤3:进行数据集的划分;步骤4:构建拆分注意力多尺度聚合网络;步骤5:将步骤3中划分后的数据集放入步骤4建立的网络中进行训练;步骤6:将测试集进行测试时数据增强(TTA)并输入步骤5训练好的网络得出预测图;步骤7:将预测图输入基于马尔科夫随机场的顺序树加权信息传递算法(TRW‑S)进行边缘平滑;步骤8:输出预测图像;步骤9:构建评价体系对分割结果进行评价。
-
公开(公告)号:CN204495332U
公开(公告)日:2015-07-22
申请号:CN201520236778.2
申请日:2015-04-20
Applicant: 三峡大学
IPC: G01C5/00
Abstract: 一种非煤矿山采空区位移沉降检测装置,包括多个位移传感器,多个位移传感器连接下位机,下位机连接RS485总线,RS485总线连接第一串口以太网协议转换器,第一串口以太网协议转换器与上位机连接。本实用新型提供的一种非煤矿山采空区位移沉降检测装置,主要功能包括对非煤矿采空区位移沉降动态的变化以及对变化趋势进行分析,有位移传感器采集数据,经下位机处理后通过RS485总线和以太网将检测到的动态变化数据传给上位机主机,从而达到远程监控的作用。
-
-
-
-
-