-
公开(公告)号：CN119313974A
公开(公告)日：2025-01-14
申请号：CN202411564980.8
申请日：2024-11-05
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06T7/00 , G06V10/44 , G06V10/80 , G06N3/0464 , G06V10/82 , G06V10/25 , G06N3/08 , G16H50/20
Abstract: 本发明公开了一种基于先验知识引导的超声图像甲状腺结节检测装置，该方法将先验知识和结节分布特性融入深度网络，包括两个阶段：第一阶段多尺度粗检测模块ThyroidDetⅠ设计了一个多尺度基于区域的检测网络来学习金字塔特征，以检测不同特征尺度上的结节，区域提议由关于实际结节大小和形状分布的先验知识训练，进行结节的粗检测；第二阶段多分支精分类模块ThyroidDetⅡ提出了一种多分支精分类网络来整合面向多视图诊断的特征，其中每个网络分支捕获和增强医生通常使用的一组特定特征，进行结节的精分类。本发明方案有效减少了小尺寸结节的漏检率，降低了对有挑战性结节的错检率，提高了检测的准确率，极大程度地减少医疗诊断过程中的主观判断误差。
-
公开(公告)号：CN119251273A
公开(公告)日：2025-01-03
申请号：CN202411375250.3
申请日：2024-09-30
Applicant: 北京航空航天大学
IPC: G06T7/50 , G06T7/514 , G06T7/70 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于大模型的无监督单目内窥镜深度估计方法，网络结构包括：包含深度估计网络和姿态估计网络的扭曲变换模块、本征分解模块和合成重建模块三个网络模块。其中深度估计网络结合大模型微调技术，采用分解合成损失、反射损失、映射合成损失和边缘感知深度平滑损失四个损失函数训练。本发明中的微调策略利用基于随机向量的低秩适应增强模型对不同尺度的适应性，利用基于深度可分离卷积的残差块提高模型捕获局部特征的能力；损失函数利用分解合成损失约束合成图像与原始图像相同，利用反射损失增强反射率的一致性，利用映射合成损失提升重建图和原始目标图像的相似性，利用边缘感知深度平滑损失增强图像非边缘区的平滑度。本发明方案结合了基于随机向量的低秩适应和基于深度可分离卷积的残差块的大模型微调策略，极大地提高深度估计性能，提升内窥镜微创手术的安全性、精度和效率。
-
公开(公告)号：CN114972313B
公开(公告)日：2024-04-19
申请号：CN202210710807.9
申请日：2022-06-22
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种图像分割网络预训练方法及装置，该方法包括：获取无标注图像的集合S，对集合S中的图像进行裁切和图像增强后形成集合T，将集合T中图像的像素区域进行随机掩膜后，送入第一网络分支进行训练，第一网络分支包含第一语义编码器和第一语义解码器；对集合T中图像进行像素的随机修改后，送入第二网络分支的第一通道和第二通道进行训练，第二网络分支还包含第二语义编码器和第二语义解码器，第二语义编码器共享第一语义编码器的参数，通过对比损失函数约束第二网络分支的训练。本发明提供的技术方案稀释了预训练阶段学习到的无用特征，缓解了现有技术中自监督学习下游任务训练的工作量大的问题。
-
公开(公告)号：CN114049359B
公开(公告)日：2024-04-16
申请号：CN202111382294.5
申请日：2021-11-22
Applicant: 北京航空航天大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种医学影像器官分割方法，包括：数据标注，对第一医学影像中的器官进行标注，得到标注后的第二医学影像；数据预处理，对第一医学影像和第二医学影像进行数据预处理；构建神经网络模型，神经网络模型包括3D‑Unet网络模块、集中模块、聚合模块及后处理模块；训练神经网络模型，将第一医学影像裁切为若干子块后作为输入，将第二医学影像裁切为若干子块后作为学习目标，训练神经网络模型；医学影像器官分割，将包含器官的第三医学影像进行预处理，将预处理后的第三医学影像通过滑窗裁切为若干子块，将若干子块送入神经网络模型。本发明通过构建识别全局语义特征的深度学习神经网络，提升了医学影像器官分割效果。
-
公开(公告)号：CN117152198A
公开(公告)日：2023-12-01
申请号：CN202311111825.6
申请日：2023-08-31
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于光照变化量分离的无监督单目内窥镜图像深度估计方法，属于计算机视觉三维重建技术领域。本发明利用一个基于本征图像分解理论设计的分解网络，将图像分解到两个子空间：反射率和阴影。通过这种方式，将图像中光照变化的部分分离到阴影图中，然后对两个子空间进行合成与调整，利用合成图像与目标图像的相似性，约束网络训练。本发明使用深度估计网络、姿态估计网络、图像分解网络、光照调整网络四个神经网络以及重建损失、反射率损失、结构一致性损失、平滑性损失四项损失函数，有效提升了单目内窥镜深度估计方法的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113628209B
公开(公告)日：2023-11-03
申请号：CN202111031046.6
申请日：2021-09-03
Applicant: 北京航空航天大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T7/70 , G06T17/00 , G16H50/50 , A61N5/10 , A61B34/20 , A61B34/10
Abstract: 本发明公开了一种粒子植入布针仿真方法及装置，包括：在医学影像中标记肿瘤目标，建立包含肿瘤目标TV区域和OAR区域的三维模型；计算TV区域的质心P0，及三维模型中皮肤点的集合S，计算质心P0与集合S的最小距离，最小距离向量为#imgabs0#其中P1∈S；随机生成若干点Qi，其中i＝1…N，#imgabs1#与#imgabs2#的夹角小于β，#imgabs3#以Qi中心，#imgabs4#为法向量生成平面Si，TV区域向Si投影的面积为ati，TV区域向Si投影被OAR区域遮挡的面积为aOi；计算ai，其中ai＝ati‑aOi，将ai按面积大小降序排列，降序排列中前K个元素分别对应平面Ej，其中j＝1…K，平面Ej为粒子植入布针区域。本发明提出的方案，缓解了传统技术效率较低、对医师经验高度依赖的技术问题。
-
公开(公告)号：CN116045970B
公开(公告)日：2023-06-16
申请号：CN202310203746.1
申请日：2023-03-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于外部条件约束的多平台信息协同导航增强方法，包括以下步骤：将海面上长期观测得到的气象状况等，作为外部环境参数，输入到自适应导航单元选择模块中；自适应导航单元模块包括惯性、视觉、卫星、辅助导航单元，接收到外部环境参数后，对导航单元进行校正，并输出采用外部约束校正后的组合导航单元参数；基于外部环境约束参数和内部组合导航参数建立混合评估模型，利用混合评估模型计算各导航单元的自适应权重；采用增量式因子图架构，根据多平台组合导航因子的权重，在线选择最佳因子参与融合；利用卡尔曼滤波，通过多平台信息协同对惯性导航进行增强，实现基于外部条件约束的多平台信息协同导航增强。
-
公开(公告)号：CN115760943A
公开(公告)日：2023-03-07
申请号：CN202211422806.0
申请日：2022-11-14
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于边缘特征学习的无监督单目深度估计方法，包括深度估计网络，位姿估计网络和边缘提取网络三个网络模型以及图像的扭曲变换损失，边缘特征图的扭曲变换损失，对比度损失和平滑损失四个损失函数。利用深度网络估计的深度图和姿态网络估计的相机姿态变换重建边缘图，利用重建图和原图的相似性来约束网络的训练；利用边缘图的对比度损失进一步约束边缘提取网络以提升深度估计效果。本发明方案结合了深度学习自监督和边缘特征一致性的策略，利用相邻帧图像之间的边缘特征一致性，解决了在光照变化条件下，现有的基于光照一致性假设的技术失效的问题。
-
公开(公告)号：CN114937011A
公开(公告)日：2022-08-23
申请号：CN202210539170.1
申请日：2022-05-12
Applicant: 北京航空航天大学
IPC: G06T7/00 , G06T7/11 , G06T5/10 , G06T5/20 , G06V10/762 , G06V10/764
Abstract: 一种基于经验Garbor小波变换的光伏电池图像异常检测方法，其步骤如下：一、构建经验Gabor小波变换，首先需要在傅里叶频域中检测支撑从而获得对应的小波基函数构成滤波器组，然后使用这个滤波器组对输入信号进行滤波从而得到其变换分量。二、纹理结构分离。将输入图像分解为结构和纹理部分，其纹理部分有足够的可分离模态，再对结构部分进行分割，最终融合提取的信息，得到唯一的最终分割。三、小波特征提取。通过构建经验小波变换，利用特征提取方法对于每个像素点构建特征向量。四、小波系数预处理。五、纹理分类，提取异常缺陷。通过以上步骤，可对光伏电池图像中异常区域自动检测，有效提高工业生产中产品质量。
-
公开(公告)号：CN113599728B
公开(公告)日：2022-05-17
申请号：CN202110957932.5
申请日：2021-08-20
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种放疗剂量预测方法，包括：预处理，根据患者的医学影像，建立患者模体；利用放疗剂量第一计算方法计算患者模体中放射性粒子的剂量分布H；利用TG‑43方法及组织异质性校正方法得到患者模体中放射性粒子的剂量分布L；模型训练，以若干次的剂量分布L和患者的医学影像为输入，以若干次的剂量分布H为输出，送入深度学习神经网络训练得到放疗剂量预测网络；剂量预测，在放疗剂量预测网络的输入端送入任一患者的医学影像，及利用TG‑43方法和组织异质性校正方法得到的剂量分布L*；获取放疗剂量预测网络输出端预测得到的任一患者模体的剂量分布H*。本发明技术方案实现了利用低精度算法预测高精度算法输出结果的技术效果。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.055 seconds)
