公开(公告)号：CN118865477B

公开(公告)日：2025-02-14

申请号：CN202411370494.2

申请日：2024-09-29

Applicant: 苏州大学

Inventor： 朱伟芳 ,  余泽林 ,  樊莹 ,  陈新建

IPC: G06V40/18 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/09 ,  G06T7/00

Abstract: 本发明公开了一种基于知识蒸馏和自监督学习的近视性黄斑病变分类方法及系统，涉及医学图像分类技术领域，包括自监督学习阶段和近视性黄斑病变分类阶段，自监督学习阶段包括图像掩码模块、知识蒸馏与特征编码模块和图像重建模块；通过对原始眼底彩照图像进行高通滤波来产生重建目标，使表示学习优先考虑高频成分，即图像细节和边缘信息，使得网络更多关注到图像的高频细节来实现图像重建。本发明通过优化蒸馏技术和重建策略，实现了在眼底图像病变分类中的高效应用；从较大模型中提取知识，提高模型的训练效率；增强了模型对图像细节部分的捕获，分类性能良好，为后续病变的定量分析奠定基础。

公开(公告)号：CN119048844B

公开(公告)日：2025-01-24

申请号：CN202411508539.8

申请日：2024-10-28

Applicant: 苏州大学

Inventor： 朱伟芳 ,  丁维新 ,  陈新建

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00 ,  A61B3/12 ,  A61B3/14 ,  A61B3/00

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种用于视网膜色素变性分级的类别注意力网络构建方法。本发明构建视网膜色素变性类别注意力网络，所述视网膜色素变性类别注意力网络包括：两条并行分支、类别加权注意力模块与分类器；两条并行分支包括：高效自注意力Transformer支路与局部特征提取支路；将眼底彩照图像分别输入高效自注意力Transformer支路、局部特征提取支路，提取高效自注意力Transformer支路的输出特征与局部特征提取支路的输出特征并沿通道维度进行拼接，得到融合特征；融合特征通过类别加权注意力模块，对不同类别分配不同权重，得到加权后的输出特征；将加权后的输出特征通过分类器，输出视网膜色素变性分级结果。本发明使得网络更加轻量化且精度更高。

公开(公告)号：CN119228861A

公开(公告)日：2024-12-31

申请号：CN202411756314.4

申请日：2024-12-03

Applicant: 苏州大学

Inventor： 朱伟芳 ,  许津玮 ,  陈新建

IPC: G06T7/33 ,  G06T7/00 ,  G06T5/50 ,  G06T3/4038 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种多模态视网膜眼底图像配准方法及系统。将参考图像结构体通过第一特征编码器，提取四个阶段的参考旋转等变特征与总参考旋转等变特征图；将浮动图像结构体通过第二特征编码器，提取四个阶段的浮动旋转等变特征与总浮动旋转等变特征图；将四个阶段的参考旋转等变特征与浮动旋转等变特征分别输入关键点检测解码器，进行特征融合，输出参考关键点预测图与浮动关键点预测图；将总参考旋转等变特征图与总浮动旋转等变特征图分别输入关键点描述子解码器，输出每个参考关键点的描述子与每个浮动关键点的描述子；通过配准模块，将浮动图像对齐到参考图像，得到配准后的图像。本发明提高了多模态图像配准精度。

公开(公告)号：CN116503639B

公开(公告)日：2024-12-06

申请号：CN202310240656.X

申请日：2023-03-14

Applicant: 苏州大学

Inventor： 陈新建 ,  刘铭 ,  朱伟芳 ,  石霏

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种视网膜OCT图像病变多标签分类系统和方法，系统包括：获取模块：用于获取视网膜OCT图像；第一融合模块：用于提取视网膜OCT图像的深层特征图，同时将深层特征提取过程中输出的特征与深层特征图进行融合，得到图像特征图；拼接模块：用于提取两张视网膜OCT图像的浅层特征，并将包括局部目标信息的浅层特征与图像特征图进行拼接，得到拼接特征；第二融合模块：用于构建输入数据并输入图卷积神经网络，得到向量矩阵，再将向量矩阵和拼接特征进行融合得到输出结果；分类模块：用于根据输出结果对视网膜OCT图像的各种疾病进行分类。本发明能够对视网膜OCT图像的特征进行有效提取，并能对各种视网膜疾病进行分类。

公开(公告)号：CN116205934B

公开(公告)日：2024-11-26

申请号：CN202310106210.8

申请日：2023-02-13

Applicant: 苏州大学

Inventor： 陈新建 ,  刘灯风 ,  朱伟芳

IPC: G06T7/11 ,  G06T5/70 ,  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：CN119007992A

公开(公告)日：2024-11-22

申请号：CN202411495489.4

申请日：2024-10-25

Applicant: 苏州大学

Inventor： 陈新建 ,  程潜 ,  石霏

IPC: G16H50/20 ,  G06F16/332 ,  G06F16/35 ,  G06N3/045

Abstract: 本发明提供一种基于大语言模型动态提示工程的眼科自动问诊系统，涉及医疗健康信息化与人工智能辅助诊断技术领域，该系统包括主诉分类器，用于对用户输入的主诉进行初步分类；动态提示词生成模块，用于根据主诉分类器的分类结果，从提示词数据库中挑选并拼接生成动态提示词；提问提示词生成模块，用于生成包含身份定义、动态提示词及用户主诉的提问提示词；大语言模型交互模块，用于根据生成的提问提示词生成问题列表，将问题列表发送给用户并接收用户的回答，得到分析提示词，根据得到的分析提示词生成病情分类和就诊建议。本发明既提高了就诊建议的精确性和个性化，又减少了医生人工参与，便于用户随时咨询并辅助分诊医生快速了解病情。

公开(公告)号：CN116824217B

公开(公告)日：2024-10-11

申请号：CN202310580568.4

申请日：2023-05-22

Applicant: 苏州大学

Inventor： 朱伟芳 ,  谭晓 ,  陈新建

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及计算机图像处理领域。本发明提出一种多模态视网膜分类方法，互补性特征提取阶段中，OCT‑A和OCT图像分别通过特征提取器和前馈神经网络进行特征提取，随后经过组增强交叉变换器和组增强自变换器进行特征融合，并将互补特征存储在互补性内存池中。当网络完成互补性特征提取，网络进入一致性特征提取阶段。一致性特征提取阶段的结构在互补性提取阶段的基础上加入了跨模态交互蒸馏损失，主要用于提取来自不同模态的一致性特征，并将其与互补性特征进行融合。可以高效获取与融合来自不同模态间的互补性和一致性特征，在多模态融合的视网膜疾病分类任务，可有效提高分类的准确率。

公开(公告)号：CN118212254A

公开(公告)日：2024-06-18

申请号：CN202410367441.9

申请日：2024-03-28

Applicant: 苏州大学

Inventor： 彭涛 ,  孙浩 ,  阮怡文 ,  陈新建 ,  石霏

IPC: G06T7/13 ,  G06V10/44 ,  G06V10/762 ,  G06V10/82 ,  G06N3/086 ,  G06N3/126 ,  G06N3/084

Abstract: 本发明公开了基于级联框架的高精度超声轮廓检测方法、系统及设备，涉及超声图像轮廓检测技术领域。本发明包括：接收轮廓采样点，采用基于优化的密度噪声应用空间聚类算法对轮廓采样点进行处理，根据得到聚类结果，提取每个类别的轮廓采样点信息，即边界点的集合，并进行适应度(Purity)评估；判断是否收敛，若不收敛则增加迭代次数，若收敛则得到逼近数据点的闭合多边形，获得数据序列，具体为投影指标ti及簇点坐标。本发明提出的空间聚类算法能够自动获取曲线簇点，完成全自动主曲线提取，相较于传统的主曲线方法实施更为便捷，且通过提出光滑的轮廓数学模型，以得到最终的光滑轮廓，还能够克服常用主曲线方法获得的轮廓不光滑、精度不足的弊端。

公开(公告)号：CN116778158B

公开(公告)日：2024-06-18

申请号：CN202310699020.1

申请日：2023-06-13

Applicant: 苏州大学

Inventor： 向德辉 ,  吴昊 ,  蒋慧 ,  边云 ,  陈新建

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/77 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及一种基于改进U形网络的多组织成分图像分割方法及系统，包括：构建U‑Net分割网络，U‑Net分割网络包括编码器和解码器，使用原训练集对U‑Net分割网络进行预训练，更新U‑Net分割网络的参数；构建特征知识缩聚方法FKPM模型，特征知识缩聚方法FKPM模型包括FKPM编码器、特征降维模块和多层感知机；依次配对原训练集的图像，基于原训练集中各图像的知识缩聚向量，借助特征迁移方法为配对图像生成新图像；将新图像与原训练集中的图像混合，作为新训练集；通过新训练集对分割网络进行训练并更新U‑Net分割网络的参数，获得训练后的U‑Net分割网络；通过训练后的U‑Net分割网络对多组织成分图像进行处理，获得分割后的图像。其能够提升图像分割性能，适用多组织成分图像的分割。

公开(公告)号：CN118097193A

公开(公告)日：2024-05-28

申请号：CN202410487747.8

申请日：2024-04-23

Applicant: 苏州大学

Inventor： 向德辉 ,  陈慕阳 ,  陈新建

IPC: G06V10/75 ,  G06V10/82 ,  G06V10/764 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了基于图卷积的哈希编码图像匹配方法及系统，涉及图像处理技术领域，包括：获取原训练集；构建哈希标签生成网络，使用无监督方式训练，将原始多分类标签转换为正交哈希类中心标签；构建增强特征图卷积哈希编码网络；使用训练集对增强特征图卷积哈希编码网络进行训练，获得每张图像的哈希编码；构建风格判别器，正确判别输入图像风格；综合哈希编码和风格判别结果依次配对数据集中图像，完成近似类图像匹配任务。本发明提供的基于图卷积的哈希编码图像匹配方法提出增强特征图卷积哈希编码图像匹配方法与现有图像匹配方法相比，能进一步提升病理图像近似类匹配正确率。