-
公开(公告)号：CN114005001B
公开(公告)日：2024-04-09
申请号：CN202111308727.2
申请日：2021-11-05
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的X射线图像检测方法及系统，将标注完成的X射线图像输入到基础网络中，通过基础网络对X射线图像进行若干卷积组件的操作，提取到图像五个尺度不同的特征图；通过RPN网络生成regionproposals，再经过softmax层判断anchors属于背景还是前景信息，再进行标定框的回归操作，修正anchors来获取精确的proposals；将五个尺度不同的特征图和一系列proposals输入进RoI Align层，得到尺寸相同的RoI；经过2个全连接层，分别实现proposals的分类和精确定位。本发明将多层网络信息进行融合，同时学习不同深度的图像特征，极大程度提高了检测的准确性。
-
公开(公告)号：CN110852987B
公开(公告)日：2022-04-22
申请号：CN201910906501.9
申请日：2019-09-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深形态学的血管斑块检测方法、设备及存储介质，包括以下步骤：S1：从T1加权MRI图像的选取三个相邻切片的感兴趣区域ROI形成三重输入序列，并通过三重输入序列得到血管壁图；S2：通过检测神经网络将血管壁图和三重输入序列进行若干次复合，得到形态复合结果和图像复合结果；S3：将形态复合结果、图像复合结果以及形态复合结果和图像复合结果并行叠加的结果进行全局平均池化后通过全连接得到形态学输出、图像输出和联合输出，通过sigmoid激活联合输出得到初始检测结果；S4：通过检测损失函数优化预设次数初始检测结果得到最终的检测结果。本发明将形态流和图像流组合，形成多模态信息流进行检测，大大提高了斑块检测的准确性。
-
公开(公告)号：CN110286352A
公开(公告)日：2019-09-27
申请号：CN201910577583.7
申请日：2019-06-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于秩损的非迭代混合信号源定位方法，包括以下步骤：通过阵列接收获取待定位混合信号源的接收数据；由接收数据计算协方差矩阵R的估计值 计算混合信号源中近场和远场信号源 的波达方向角计算混合信号源中近场和远场信号源的距离 将混合信号源分类为远场信号源和近场信号源；其中，当估计值 时，认为信号源是近场信号源，由此估计出K2个近场信号源；根据估计的近场信号源的信号波达方向角和距离，得到远场信号源候选者，利用波达方向选择策略获得K1个远场信号源的波达方向角。本发明利用阵列数据的二阶统计定位远场和近场混合窄带信号，同时通过非迭代方法克服信号源定位中的饱和行为。
-
公开(公告)号：CN114912575A
公开(公告)日：2022-08-16
申请号：CN202210356824.7
申请日：2022-04-06
Applicant: 西安交通大学
Abstract: 本发明公开了基于连接Swin Transformer通路的医学图像分割模型及方法，属于神经网络领域。发明提出的基于连接Swin Transformer通路的医学图像分割模型及方法，利用基于高效密集连接Swin Transformer通路，提高图像的分割结果。本发明的DSTUNet，是一个包含DSTB模块的UNet网络，以密集连接的Swin Transformer块作为有效通路来改善医学图像分割的多尺度长距离依赖性。其次，通过Swin Transformer层之间的密集连接，DSTUNet可以更好地利用特征信息，加强信息流的传递，以减少信息衰退。
-
公开(公告)号：CN110853045B
公开(公告)日：2022-02-11
申请号：CN201910906518.4
申请日：2019-09-24
Applicant: 西安交通大学
Abstract: 本发明属于医学图像处理领域，公开了一种基于核磁共振图像的血管壁分割方法、设备及存储介质，包括以下步骤：S1：从T1加权MRI图像的三个相邻切片上均选取感兴趣区域ROI，形成三重输入序列并输入分割神经网络；S2：通过分割神经网络进行若干次下采样；S3：通过分割神经网络联合跳跃链接进行若干次上采样操作，将每次上采样的结果并行叠加得到与三重输入序列尺寸相同的特征图；S4：将特征图进融合激活，得到初始的内腔概率图和外壁概率图，通过分割损失函数优化，得到最终的内腔概率图和外壁概率图，完成分割。本发明采用一个端到端的网络，能够自动地从MRI中分割出颈动脉中的内腔和外壁，进而可以通过分割结果快速检测颈动脉粥样硬化斑块。
-
Patent Agency Ranking
公开(公告)号：CN105069803A
公开(公告)日：2015-11-18
申请号：CN201510512067.8
申请日：2015-08-19
Applicant: 西安交通大学
CPC classification number: G06T7/0012 , G06K9/6269 , G06T2207/10024 , G06T2207/30041
Abstract: 本发明公开了一种基于彩色图像的糖尿病病变体微血管瘤的分类装置，包括对候选者的视网膜图像进行去噪的图像预处理子系统、用于对候选者的视网膜图像中的微血管瘤进行定位的多尺寸多方向和匹配滤波器、用于还原候选者的视网膜图像中的微血管瘤的大小及形状的区域生长子系统、用于提取候选者的视网膜图像中微血管瘤的37维特征的特征量提取系统、以及用于对候选者进行分类的基于支撑向量机的分类子系统；所述图像处理子系统的输出端依次经多尺寸多方向和匹配滤波器、区域生长子系统及特征量提取系统与分类子系统的输入端相连接。本发明能够有效的识别出视网膜图像中的微血管瘤。
-
公开(公告)号：CN112529839B
公开(公告)日：2023-05-02
申请号：CN202011225935.1
申请日：2020-11-05
Applicant: 西安交通大学
IPC: G06T7/00 , G06T7/66 , G06V10/774 , G06V10/778 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/048 , G06N3/09 , A61B5/00 , A61B5/02 , A61B5/055
Abstract: 本发明公开了一种核磁共振图像中颈动脉血管中心线的提取方法及系统，所述方法用于非疾病诊断目的，包括以下步骤：步骤1，获取若干受试者颈动脉的T1加权MRI图像组成训练集；将训练集中每张T1加权MRI图像的颈动脉区域进行标注，获得标注后的训练集；步骤2，将步骤1获得的标注后的训练集输入特征图提取网络，获得训练集中每张T1加权MRI图像的3种尺度的特征图；步骤3，将训练集中的每张T1加权MRI图像的3种尺度的特征图输入检测网络，对检测网络进行训练，获得训练好的检测网络。本发明将多层次网络信息进行融合，形成多尺度监测信息，能够大大提高颈动脉血管中心线提取的准确性。
-
公开(公告)号：CN115880525A
公开(公告)日：2023-03-31
申请号：CN202211477474.6
申请日：2022-11-23
Applicant: 西安交通大学
IPC: G06V10/764 , A61B3/14 , A61B3/12 , G06V10/80 , G16H50/20
Abstract: 本发明属于智能医学影像处理领域，公开了一种基于异构数据的糖尿病肾病的辅助检测方法，本发明首先获取使用者双目的眼底图像和尿白蛋白/肌酐比值，再根据眼底图像和尿白蛋白/肌酐比值提取眼底图像的图像信息和取UACR信息，将图像信息和UACR信息在深度方向进行向量拼接，获得融合特征，最后将融合特征处理后进行分类，得到最终结果。相比于只用生化指标UACR诊断，采用本发明提出的异构数据诊断DKD，真阳性率更有着大幅提高。更高的真阳性率意味着本发明能够检测出更多阳性样本，更有利于DKD的筛查。本发明能够为医疗机构提供DKD的初步筛查或辅助诊断，从而提高医生的阅片速度，应对影像学诊断人才资源紧缺等问题。
-
公开(公告)号：CN114005001A
公开(公告)日：2022-02-01
申请号：CN202111308727.2
申请日：2021-11-05
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/46 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的X射线图像检测方法及系统，将标注完成的X射线图像输入到基础网络中，通过基础网络对X射线图像进行若干卷积组件的操作，提取到图像五个尺度不同的特征图；通过RPN网络生成regionproposals，再经过softmax层判断anchors属于背景还是前景信息，再进行标定框的回归操作，修正anchors来获取精确的proposals；将五个尺度不同的特征图和一系列proposals输入进RoI Align层，得到尺寸相同的RoI；经过2个全连接层，分别实现proposals的分类和精确定位。本发明将多层网络信息进行融合，同时学习不同深度的图像特征，极大程度提高了检测的准确性。
-
公开(公告)号：CN110286352B
公开(公告)日：2021-07-13
申请号：CN201910577583.7
申请日：2019-06-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于秩损的非迭代混合信号源定位方法，包括以下步骤：通过阵列接收获取待定位混合信号源的接收数据；由接收数据计算协方差矩阵R的估计值计算混合信号源中近场和远场信号源的波达方向角计算混合信号源中近场和远场信号源的距离将混合信号源分类为远场信号源和近场信号源；其中，当估计值时，认为信号源是近场信号源，由此估计出K2个近场信号源；根据估计的近场信号源的信号波达方向角和距离，得到远场信号源候选者，利用波达方向选择策略获得K1个远场信号源的波达方向角。本发明利用阵列数据的二阶统计定位远场和近场混合窄带信号，同时通过非迭代方法克服信号源定位中的饱和行为。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
