-
公开(公告)号：CN118587233A
公开(公告)日：2024-09-03
申请号：CN202410708981.9
申请日：2024-06-03
Applicant: 西北工业大学
IPC: G06T7/11 , G06N3/044 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种心脏图像分割方法、装置、介质和设备，涉及医学图像处理技术领域。该方法包括：获取有标签的bSSFP CMR作为源域图像和无标签的LGE CMR图像作为目标域图像；基于变分编码器构建VAMCEI模型；使用CycleGAN实现源域和目标域的双向转换，实现源域和目标域在图像表观的对齐；分别将真源域和假源域图像、真目标域和假目标域图像配对，并将其输入到VAMCEI模型中，实现对齐特征和注释图像的分割监督学习；以目标域VAMCEI模型和源域VAMCEI模型作为教师模型，使用知识蒸馏学习两个模型在同一个体的目标域图像或伪源域图像上的预测概率，最终使用训练好的学生模型进行心脏图像分割。
-
公开(公告)号：CN116704184A
公开(公告)日：2023-09-05
申请号：CN202310596653.X
申请日：2023-05-25
Applicant: 西北工业大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于DeepU‑Net模型的左心房及疤痕分割方法。包括：步骤1：对训练左心房分割模型的训练数据和训练左心房疤痕分割模型的训练数据进行增强；步骤2：训练左心房分割模型；步骤3：准备左心房疤痕分割模型数据；步骤4：训练左心房疤痕分割模型；步骤5：左心房疤痕测试和后处理。本发明采用加权损失函数和基于距离的正则化项进行约束，可对左心房疤痕实现更精确的分割。本发明采用两阶段的分割方法，一方面减少了左心房疤痕分割受复杂背景的影像，另一方面训练得到的左心房模型也可为其他需要对左心房进行观察的医学诊断场景提供便利。本发明可以更有效地处理数据域偏移的问题。
-
公开(公告)号：CN119478427A
公开(公告)日：2025-02-18
申请号：CN202510065280.2
申请日：2025-01-16
Applicant: 西北工业大学
IPC: G06V10/26 , G06N3/0455 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/70
Abstract: 本发明属于医学图像处理技术领域，针对现有技术存在的左心房和左心房瘢痕分割精度不是很高的技术问题，本发明提出了基于心脏医学图像的左心房及左心房瘢痕自动分割方法，包括以下步骤：S1、对训练数据和测试数据进行预处理，得到处理后的训练数据和测试数据；S2、利用处理后的训练数据对Boundary Loss Constrained Mutil‑Attention U‑Net模型进行训练，得到5个训练好的分割模型；S3、利用分割模型对处理后的测试数据进行分割，得到5个分割结果，取分割结果的平均值，作为最终分割结果。本发明能够缓解左心房和瘢痕间类别不平衡的问题，显著提高基线模型的分割能力。
-
公开(公告)号：CN115906935B
公开(公告)日：2024-10-29
申请号：CN202211299553.2
申请日：2022-10-23
Applicant: 西北工业大学
IPC: G06N3/0464 , G06N3/048 , G06N3/063
Abstract: 本发明公开了一种并行可微分神经网络架构搜索方法，首先构建带有二进制门的双路径超级网络；然后利用sigmoid函数，进行搜索空间连续化；接下来运用梯度下降的方式对所述超级网络进行优化，得到最优基本单元，包括普通单元和归约单元；最后利用得到的基本单元进行堆叠，得到所需的深度神经网络，对深度神经网络进行重训练至网络收敛。通过设计快速并行的可微分神经网络架构搜索方法，显著提高了神经网络架构搜索的速度和性能。
-
公开(公告)号：CN119516192A
公开(公告)日：2025-02-25
申请号：CN202411538983.4
申请日：2024-10-31
Applicant: 西北工业大学
IPC: G06V10/26 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及涉及医学图像处理技术领域，公开了一种三维心脏影像的分割方法、装置、设备及介质。该方法采用训练好的全心脏分割模型对三维心脏影像进行分割，通过具有金字塔池化Transformer和轻量级大核卷积两个编码分支的双编码器对三维心脏影像进行特征提取，提取到三维心脏影像不同尺度的的特征以及上下文信息，通过具有分割解码器和残差解码器两个解码分支的双解码器，根据双编码器提取到的不同尺度的的特征以及上下文信息，生成三维心脏影像的分割掩码和残差掩码，分割掩码指示三维心脏影像中的不同区域，残差掩码指示三维心脏影像中每个区域的上下文切片之间的差异，根据分割掩码和残差掩码进行分割，提升了心脏影像的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN117974735B
公开(公告)日：2024-06-14
申请号：CN202410389652.2
申请日：2024-04-02
Applicant: 西北工业大学
Abstract: 本发明公开了一种面向数字人的跨模态医学影像配准方法、系统和设备，属于图像处理技术领域。针对医学影像配准困难，成本高昂的问题，本发明采用基于形变图优化的配准方法，将CT头骨模型形变以适应MRI面部模型的形状，然后将模板CT图像与多个MRI图像进行配准，以获得内部骨骼与MRI外表面一致的数字人多模态数据集，实现了内部骨骼与MRI外表面的一致性，避免了高辐射风险，减少了数据集构建成本和内外数据不一致以及标注成本的问题，并且有较高的精度，能够更准确地分析患者的医学影像数据，为临床诊断和治疗决策提供更可靠的依据，提升医疗领域的整体质量和效率；而且该方法减少了在医学图像配准和分析过程中的手动干预，有望提高整体自动化水平。
-
公开(公告)号：CN117496140A
公开(公告)日：2024-02-02
申请号：CN202311338726.1
申请日：2023-10-17
Applicant: 西北工业大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06N3/0464 , G06V10/764 , G06T7/11 , G06V10/25
Abstract: 本发明公开一种心脏磁共振图像的分割方法，涉及医学图像处理技术领域，该方法包括：获取医学图像数据；在CycleGAN网络的生成器中添加卷积块注意力模块，引入感知损失函数，将bSSFP和T2‑CMR图像转换为LGE CMR图像；在U‑Net网络的编码器中添加具有通道注意力机制的残差模块，以及在解码器中添加具有动态感受野的注意力模块，生成ResSESK‑Net分割网络模型；将转换后的LGE CMR图像与原始LGE CMR图像同时作为训练数据对分割网络模型进行训练；将待分割的图像数据输入训练后的分割网络模型中，得到左右心室和心肌的分割标签；采用该方法降低了训练成本，有效提升LGE CMR分割精度。
-
公开(公告)号：CN119478427B
公开(公告)日：2025-04-08
申请号：CN202510065280.2
申请日：2025-01-16
Applicant: 西北工业大学
IPC: G06V10/26 , G06N3/0455 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/70
Abstract: 本发明属于医学图像处理技术领域，针对现有技术存在的左心房和左心房瘢痕分割精度不是很高的技术问题，本发明提出了基于心脏医学图像的左心房及左心房瘢痕自动分割方法，包括以下步骤：S1、对训练数据和测试数据进行预处理，得到处理后的训练数据和测试数据；S2、利用处理后的训练数据对Boundary Loss Constrained Mutil‑Attention U‑Net模型进行训练，得到5个训练好的分割模型；S3、利用分割模型对处理后的测试数据进行分割，得到5个分割结果，取分割结果的平均值，作为最终分割结果。本发明能够缓解左心房和瘢痕间类别不平衡的问题，显著提高基线模型的分割能力。
-
公开(公告)号：CN117974735A
公开(公告)日：2024-05-03
申请号：CN202410389652.2
申请日：2024-04-02
Applicant: 西北工业大学
Abstract: 本发明公开了一种面向数字人的跨模态医学影像配准方法、系统和设备，属于图像处理技术领域。针对医学影像配准困难，成本高昂的问题，本发明采用基于形变图优化的配准方法，将CT头骨模型形变以适应MRI面部模型的形状，然后将模板CT图像与多个MRI图像进行配准，以获得内部骨骼与MRI外表面一致的数字人多模态数据集，实现了内部骨骼与MRI外表面的一致性，避免了高辐射风险，减少了数据集构建成本和内外数据不一致以及标注成本的问题，并且有较高的精度，能够更准确地分析患者的医学影像数据，为临床诊断和治疗决策提供更可靠的依据，提升医疗领域的整体质量和效率；而且该方法减少了在医学图像配准和分析过程中的手动干预，有望提高整体自动化水平。
-
公开(公告)号：CN115906935A
公开(公告)日：2023-04-04
申请号：CN202211299553.2
申请日：2022-10-23
Applicant: 西北工业大学
IPC: G06N3/0464 , G06N3/048 , G06N3/063
Abstract: 本发明公开了一种并行可微分神经网络架构搜索方法，首先构建带有二进制门的双路径超级网络；然后利用sigmoid函数，进行搜索空间连续化；接下来运用梯度下降的方式对所述超级网络进行优化，得到最优基本单元，包括普通单元和归约单元；最后利用得到的基本单元进行堆叠，得到所需的深度神经网络，对深度神经网络进行重训练至网络收敛。通过设计快速并行的可微分神经网络架构搜索方法，显著提高了神经网络架构搜索的速度和性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
