公开(公告)号：CN117726630A

公开(公告)日：2024-03-19

申请号：CN202311718987.6

申请日：2023-12-14

Applicant: 首都医科大学附属北京友谊医院 ,  安徽大学

Inventor： 戴益科 ,  花林枫 ,  谭大禹 ,  苏延森 ,  郑春厚

IPC: G06T7/10 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明公开了一种基于CNN和Transformer双分支神经网络模型的医学分割方法，包括步骤：S1、初步搭建双分支医学分割神经网络模型；S2、确定网络层数，对CNN和Transformer进行交互，完成双分支医学分割神经网络模型的搭建；S3、准备医学分割所用的数据集；S4、初始化神经网络模型，获取最优模型权重。本发明通过充分利用了CNN和Transformer的优势，结合二者对于图像特征的关注点不同，融合全局信息和局部信息，提高网络的分割性能，在减少模型参数量和计算量的同时，维持甚至提升了模型的分割精度；使医学分割精度得到显著提升，满足医学图像分割的高精度和高效性需求。

公开(公告)号：CN117636325A

公开(公告)日：2024-03-01

申请号：CN202311664385.7

申请日：2023-12-06

Applicant: 安徽大学

Inventor： 谭大禹 ,  王劲龙 ,  周晓平 ,  戴益科 ,  苏延森 ,  郑春厚

IPC: G06V20/62 ,  G06V30/148 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种指针式仪表读数识别方法，属于计算机视觉的工业图像应用领域，包括如下步骤：获取指针式仪表图像数据；基于U2‑Net神经网络架构及MPA注意力机制，将U2‑Net神经网络架构的编码层和解码层进行跳跃连接，得到跳跃连接权重；将相邻的解码层之间进行上采样，得到上采样权重；将跳跃连接权重和上采样权重分别输入MPA进行特征融合，得到融合后的权重；将跳跃连接权重或上采样权重与融合后的权重相乘后融合输出，得到神经网络分割模型；将指针式仪表图像数据输入神经网络分割模型，得到仪表刻度和指针分割数据；并对两者进行拟合，得到刻度圆和指针直线；对刻度圆和指针直线进行相对角度计算，得到指针读数信息。

公开(公告)号：CN115170502A

公开(公告)日：2022-10-11

申请号：CN202210769176.8

申请日：2022-06-30

Applicant: 安徽大学

Inventor： 谭大禹 ,  姚致远 ,  戴益科 ,  周晓平 ,  花林枫 ,  丁睿 ,  苏延森 ,  郑春厚

IPC: G06T7/00 ,  G06T7/10 ,  G06T17/00 ,  G06N3/04 ,  A61B6/00

Abstract: 本发明公开了一种基于深度学习的股骨滑车宽度测量方法，包括：第一步、采集人体髌股关节CT影像，构建数据集，进行数据标注和预处理；第二步、构建MSC‑Net神经网络中的编码层、中间层、解码层以及输出模块；第三步、将数据集输入网络进行训练，并通过反向传播得到最优的模型；第四步，模型输出的预测结果，经过拼接，得到股骨三维重建模型；第五步、使用测量算法对预测结果进行数据测量，得出滑车的宽度信息。本发明能将髌股关节CT切片图，通过神经网络，快速分割股骨结构，重建三维股骨模型，并结合测量算法，测出股骨滑车的宽度，从而能减少股骨滑车宽度测量的时间，并能提高准确性和可靠性。