-
公开(公告)号：CN119477945A
公开(公告)日：2025-02-18
申请号：CN202410827234.7
申请日：2024-06-25
Applicant: 苏州大学
IPC: G06T7/12 , G06T7/00 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了轻量化的头颈部淋巴结图像分割方法及系统，涉及图像处理技术领域。本发明包括：接收淋巴结图像进行预处理，并将图像数据划分为训练集和测试集；构建以U‑Net网络为基础的分割网络结构，分割网络结构中包括编码器、体积部分卷积层、卷积块及解码器；在分割网络结构的输出端添加轻量级边界细化输出模块，用于进一步细化边缘；利用训练集对上述分割网络结构进行训练，以总体损失函数最小化为网络优化目标函数，优化分割网络结构。本发明在编码器和解码器之间添加体积部分卷积、卷积块及轻量级边界细化输出模块，能够在增强分割结果的精确度的同时有效减少计算量和参数量，提高计算效率和模型性能。
-
公开(公告)号：CN118628517A
公开(公告)日：2024-09-10
申请号：CN202410827228.1
申请日：2024-06-25
Applicant: 苏州大学
IPC: G06T7/13 , G06T7/64 , G06T7/00 , G06V10/762 , G06N3/084
Abstract: 本发明公开了基于优化聚类和分数阶误差反传网络轮廓提取方法及系统，涉及轮廓提取技术领域，包括：获取采样点，利用采样点生成凸包的边界，根据凸包边界计算凸包内点；根据凸包内点和采样点计算Voronoi图并构建凸多边形，判断Voronoi图是否稳定，不稳定则重新计算凸包至稳定，如稳定则提炼Voronoi点，并以Voronoi点计算Voronoi圆以寻找拐点；将拐点计算得出MinPts，并寻找使用簇点，计算簇点轮廓系数，根据簇点轮廓系数并确定最优簇点；计算最优簇点是否收敛，如不收敛则重新计算凸包，如收敛则计算获得数据序列；并至预先建立的初始化分数阶误差反传模型内训练，输出得到最终光滑对象轮廓。
-
公开(公告)号：CN116246331B
公开(公告)日：2024-08-16
申请号：CN202211552123.7
申请日：2022-12-05
Applicant: 苏州大学
Abstract: 本发明涉及深度学习技术领域，尤其是指一种圆锥角膜自动分级方法、装置及计算机存储介质、眼科成像设备。本发明所述的圆锥角膜自动分级方法，将五张地形图作为一个整体作为输入，充分考虑了多张角膜地形图之间的联系，基于自注意力的特征提取模块通过获取输入特征的各个通道的相应维度的平均值和最大值，并基于这些不同维度的丰富信息生成注意力权重，从而能够指导网络提取重要的特征信息；特征融合模块基于注意力机制可以自适应地校准上下级通道维度的特征，并将上下级特征按照一定权重进行特征融合，从而得到更利于分类的高级特征，能够使得网络更加专注于角膜地形图中的关键特征，在圆锥角膜严重程度分级任务上取得了出色的性能。
-
公开(公告)号：CN116823728A
公开(公告)日：2023-09-29
申请号：CN202310612590.2
申请日：2023-05-29
Applicant: 苏州大学
IPC: G06T7/00 , G06T7/12 , G06T7/13 , G06V10/44 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及图像处理领域。本发明提出的一种基于图像处理的睑板腺腺体分割方法构建了睑板腺腺体检测网络，包括特征编码路径、特征解码路径、条形混合注意力模块、多尺度注意力模块、边界检测辅助网络以及自适应交互信息融合模块。利用构建的睑板腺腺体检测网络对待检测的睑板腺腺体图像进行分割，通过条形混合注意力模块提高了网络对条形目标的关注，利用多尺度注意力模块获多尺度特征，利用边界检测辅助网络辅助腺体分割，提升了对睑板腺腺体分割的准确性。
-
公开(公告)号：CN116246331A
公开(公告)日：2023-06-09
申请号：CN202211552123.7
申请日：2022-12-05
Applicant: 苏州大学
Abstract: 本发明涉及深度学习技术领域，尤其是指一种圆锥角膜自动分级方法、装置及计算机存储介质、眼科成像设备。本发明所述的圆锥角膜自动分级方法，将五张地形图作为一个整体作为输入，充分考虑了多张角膜地形图之间的联系，基于自注意力的特征提取模块通过获取输入特征的各个通道的相应维度的平均值和最大值，并基于这些不同维度的丰富信息生成注意力权重，从而能够指导网络提取重要的特征信息；特征融合模块基于注意力机制可以自适应地校准上下级通道维度的特征，并将上下级特征按照一定权重进行特征融合，从而得到更利于分类的高级特征，能够使得网络更加专注于角膜地形图中的关键特征，在圆锥角膜严重程度分级任务上取得了出色的性能。
-
Patent Agency Ranking
公开(公告)号：CN116205934A
公开(公告)日：2023-06-02
申请号：CN202310106210.8
申请日：2023-02-13
Applicant: 苏州大学
IPC: G06T7/11 , G06T5/00 , G06V10/80 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于CNN的睑板腺区域和睑板腺萎缩区域分割模型及方法，该模型包括：特征编码模块，用于从原始图片中提取特征图；信息融合模块IFM，用于对输入的特征图的浅层特征和深层特征的通道和空间信息进行优化，增强浅层特征的高级语义信息并填充深层特征的空间位置信息；并行路径连接模块PPC，用于对所述特征编码模块提取的特征图的特征进行特征细化；特征解码模块，用于对提取到的特征进行恢复，得到预测结果。本发明克服了现有U型编解码器网络中下采样导致细节信息的缺失以及原始U‑Net网络在跳跃连接中会引入噪声导致解码器对特征的恢复质量变差的问题。
-
公开(公告)号：CN110349162B
公开(公告)日：2021-10-22
申请号：CN201910645849.7
申请日：2019-07-17
Applicant: 苏州大学
Abstract: 本发明公开了一种视网膜黄斑水肿多病变图像分割方法，包括采集三维视网膜OCT体数据并将其转化为二维视网膜OCT B扫描图像；将所述二维视网膜OCT B扫描图像输入已训练好的编解码注意力网络模型进行视网膜黄斑水肿多病变联合分割，获取分割图像结果。本发明采用编解码注意力网络模型进行多病变联合分割，能够获取更加丰富的全局特征，实现对视网膜黄斑水肿多病变图像中的视网膜水肿、视网膜下积液和色素上皮层脱离多病变同时分割，为后续病变的定量分析奠定基础。
-
公开(公告)号：CN109377474B
公开(公告)日：2021-06-15
申请号：CN201811080814.5
申请日：2018-09-17
Applicant: 苏州大学
Abstract: 本发明公开一种基于改进Faster R‑CNN的黄斑定位方法，包括采集训练样本、构建网络模型、训练网络模型、构建检测模型和黄斑检测与定位。本发明利用改进的Faster R‑CNN对于黄斑区域的有效定位，降低了视盘、血管对黄斑区域的影响，而且抗噪声干扰能力强，大大提高了黄斑区域的准确定位，对于眼底图像的后续分析和处理奠定了基础。
-
公开(公告)号：CN112598650A
公开(公告)日：2021-04-02
申请号：CN202011553087.7
申请日：2020-12-24
Applicant: 苏州大学
Abstract: 本发明公开了一种眼底医学影像中视杯视盘的联合分割方法，先构建基于U‑Net网络的联合分割网络，该联合分割网络中引入全局信息提取模块和多路径空洞卷积模块；再将待处理的眼底医学影像输入至所述联合分割网络中进行视杯视盘的联合分割。本发明能够对眼底医学影像中全局上下文信息和多尺度上下文信息进行充分提取，提升了眼底医学影像中视杯视盘的联合分割效果。
-
公开(公告)号：CN109726743A
公开(公告)日：2019-05-07
申请号：CN201811516615.4
申请日：2018-12-12
Applicant: 苏州大学
Abstract: 本发明公开了一种基于三维卷积神经网络的视网膜OCT图像分类方法，包括以下步骤：（a）采集图像并将采集到的图像分为训练集和测试集，对图像进行预处理；（b）搭建VinceptionC3D网络结构，VinceptionC3D网络是基于C3D卷积神经网络的改进，在C3D网络的基础上添加了融合多通道特征的Vinception模块，并把批标准化的方法应用到了原始C3D网络中，（c）模型的训练和测试：利用C3D的预训练模型作为VinceptionC3D的预训练模型，利用训练集中的数据训练加载预训练模型后的网络得到训练好的VinceptionC3D模型，模型训练结束后，用测试集测试模型。本发明能对三维视网膜OCT图像进行整体分类，为后续的视网膜OCT图像分割与分析提高效率奠定基础。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.025 seconds)
