-
公开(公告)号：CN111784652B
公开(公告)日：2024-02-06
申请号：CN202010591088.4
申请日：2020-06-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于强化学习多尺度神经网络的MRI分割方法，解决了现有方法对多尺度、模糊和弥散MRI炎症区域易错分割和漏分割的问题。本发明采用根据体素值修改炎症区域标签值的体素约束策略，提升分割模型对体素值差异大炎症区域的分割效果；本发明针对形状尺寸差异大的炎症区域设计多尺度卷积模块GMS，提升分割模型对多尺度炎症区域的分割效果；针对分割模型对弥散模糊炎症区域难以识别的问题，本发明利用强化学习网络进行数据增强，提升分割模型对弥散模糊炎症区域的判别性能。本发明减小对多尺度、模糊弥散的炎症区域的错分割和漏分割，提升对MRI炎症区域的分割效果。可用于MRI炎症区域分割和定量分析自动化处理。
-
公开(公告)号：CN112241766A
公开(公告)日：2021-01-19
申请号：CN202011159865.4
申请日：2020-10-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于样本生成和迁移学习的肝脏CT图像多病变分类方法，主要解决现有方法对肝脏多种病变检测性能不高的问题。其实现方案为：划分数据集；分别构建肝脏器官分割网络和肝脏病变检测网络；基于深度卷积生成式对抗网络，构建肝囊肿样本生成网络和肝血管瘤样本生成网络，分别生成新的肝囊肿和肝血管瘤样本；构建肝脏病变分类网络；对待检测的肝脏CT图像先使用肝脏器官分割网络进行器官分割，再使用肝脏病变检测网络对分割结果进行病变检测，最后使用肝脏病变分类网络对检测到的病变进行分类。本发明缓解了不同类别样本量的不平衡，提高了病变分类性能，可用于对肝脏CT影像中存在的肝癌、肝囊肿、肝血管瘤多种病变的定位和定性。
-
公开(公告)号：CN117830746A
公开(公告)日：2024-04-05
申请号：CN202410045141.9
申请日：2024-01-11
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明公开了一种基于客户端聚类个性化联邦学习的图像分类方法，主要解决现有联邦学习方法对本地数据隐私保护差，在交互学习过程中通信量和计算量高的问题。其实现方案是：从公开数据集中获取结肠病理数据集并对其进行分类处理；根据狄利克雷分布对数据分布程度进行处理；选择Resnet18分类网络作为服务器端和客户端的主干网络模型；通过对客户端模型的训练进行客户端群组划分；通过自适应权重聚合对服务器端模型进行训练；利用训练好的服务器端模型的参数更新客户端模型；利用更新后的客户端模型实现对本地疾病图像数据的分类。本发明可保障数据的隐私安全，降低通信量和计算量，提高分类的准确率，可用于对医疗机构不同病种的医疗图像的分类检测。
-
公开(公告)号：CN111784704A
公开(公告)日：2020-10-16
申请号：CN202010589474.X
申请日：2020-06-24
Applicant: 中国人民解放军空军军医大学 , 西安电子科技大学
Abstract: 本发明公开了一种MRI髋关节炎症分割与分类自动定量分级序贯方法，解决了髋关节形状、大小、体素值分布不均匀致髋关节炎症区域定量、分级困难的问题,实现髋关节炎症区域自动化精确定量及分级评估。本发明根据体素值大小以反指数比例修改髋关节炎症区域标签值，减轻髋关节炎症区域体素值差异大导致的分割结果差的问题；本发明设计多尺度卷积模块GMS提升形状尺寸差异大的髋关节炎症区域的分割效果；针对占比小的髋关节炎症区域难以分类的问题，本发明融合了分割模型与分类模型以提升分类精度。本发明实现对多尺度、体素值差异大的髋关节炎症区域的一体化自动定量分级，提升定量分级效率。可用于MRI髋关节炎症区域定量和分级自动化处理。
-
公开(公告)号：CN118279639A
公开(公告)日：2024-07-02
申请号：CN202410101924.4
申请日：2024-01-25
Applicant: 中国人民解放军空军军医大学 , 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/94 , G06N3/098 , G06N3/096 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了神经架构搜索下知识蒸馏联邦学习的医学图像分类方法，主要解决现有联邦学习方法对本地数据隐私保护差，在交互学习过程中通信量和计算量高的问题。其实现方案是：从公开数据集中获取结肠病理数据集并对其进行分类处理；根据狄利克雷分布对数据分布程度进行处理；选择不同分类网络模型作为服务器端和客户端的主干网络模型；通过神经网络架构搜索方法选择最优模型架构；通过集成蒸馏的模型聚合完成服务器端模型的训练；利用本地蒸馏的模型更新完成客户端模型的训练；利用训练好的客户端模型实现对本地疾病图像数据的分类。本发明可保障数据的隐私安全，降低通信量和计算量，提高分类的准确率，可用于对医疗机构不同病种的医疗图像的分类检测。
-
Patent Agency Ranking
公开(公告)号：CN113610807B
公开(公告)日：2024-02-09
申请号：CN202110907227.4
申请日：2021-08-09
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T7/11 , G06F18/2415 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督多任务学习的新冠肺炎病灶分割方法，主要解决现有方法对不同临床等级患者的影像差异大、分割结果差的问题。其方案是：获取新冠肺炎患者的CT影像数据进行重采样和直方图匹配，划分出训练集、验证集、测试集；设计多尺度卷积模块HMS，以替代现有3D ResUNet分割网络最后两层编码层中的卷积层，并在该网络中增加分类网络，构建基于弱监督多任务学习的新冠肺炎病灶分割网络；用训练集训练该网络并用验证集选择效果最好的训练后模型；将测试集输入到最终训练后模型得到分割结果。本发明能使网络学习到更鲁棒的病灶特征，有效提升不同临床等级患者的病灶分割(56)对比文件卢云飞.基于强化学习多尺度和多任务的病灶分割与few-shot自适应多器官分割研究.中国优秀硕士学位论文全文数据库 基础科学辑.2023,全文.Hongying Liu，Shuiping Gou .FastClassification for Large Polarimetric SARData Based on Refined Spatial-AnchorGraph.IEEE GEOSCIENCE AND REMOTE SENSINGLETTERS.2017,第14卷(第9期),全文.Shuiping Gou, and Shuyuan Yang.Shapeconstrained fully convolutional DenseNetwith adversarial training for multiorgansegmentation on head and neck CT and low-field MR images.Medical Physics.2019,全文.
-
公开(公告)号：CN112241766B
公开(公告)日：2023-04-18
申请号：CN202011159865.4
申请日：2020-10-27
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于样本生成和迁移学习的肝脏CT图像多病变分类方法，主要解决现有方法对肝脏多种病变检测性能不高的问题。其实现方案为：划分数据集；分别构建肝脏器官分割网络和肝脏病变检测网络；基于深度卷积生成式对抗网络，构建肝囊肿样本生成网络和肝血管瘤样本生成网络，分别生成新的肝囊肿和肝血管瘤样本；构建肝脏病变分类网络；对待检测的肝脏CT图像先使用肝脏器官分割网络进行器官分割，再使用肝脏病变检测网络对分割结果进行病变检测，最后使用肝脏病变分类网络对检测到的病变进行分类。本发明缓解了不同类别样本量的不平衡，提高了病变分类性能，可用于对肝脏CT影像中存在的肝癌、肝囊肿、肝血管瘤多种病变的定位和定性。
-
公开(公告)号：CN113610807A
公开(公告)日：2021-11-05
申请号：CN202110907227.4
申请日：2021-08-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于弱监督多任务学习的新冠肺炎病灶分割方法，主要解决现有方法对不同临床等级患者的影像差异大、分割结果差的问题。其方案是：获取新冠肺炎患者的CT影像数据进行重采样和直方图匹配，划分出训练集、验证集、测试集；设计多尺度卷积模块HMS，以替代现有3D ResUNet分割网络最后两层编码层中的卷积层，并在该网络中增加分类网络，构建基于弱监督多任务学习的新冠肺炎病灶分割网络；用训练集训练该网络并用验证集选择效果最好的训练后模型；将测试集输入到最终训练后模型得到分割结果。本发明能使网络学习到更鲁棒的病灶特征，有效提升不同临床等级患者的病灶分割效果，可用于新冠肺炎肺部CT影像的病灶识别。
-
公开(公告)号：CN111784704B
公开(公告)日：2023-11-24
申请号：CN202010589474.X
申请日：2020-06-24
Applicant: 中国人民解放军空军军医大学 , 西安电子科技大学
IPC: G06T7/11 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种MRI髋关节炎症分割与分类自动定量分级序贯方法，解决了髋关节形状、大小、体素值分布不均匀致髋关节炎症区域定量、分级困难的问题,实现髋关节炎症区域自动化精确定量及分级评估。本发明根据体素值大小以反指数比例修改髋关节炎症区域标签值，减轻髋关节炎症区域体素值差异大导致的分割结果差的问题；本发明设计多尺度卷积模块GMS提升形状尺寸差异大的髋关节炎症区域的分割效果；针对占比小的髋关节炎症区域难以分类的问题，本发明融合了分割模型与分类模型以提升分类精度。本发明实现对多尺度、体素值差异大的髋关节炎症区域的一体化自动定量分级，提升定量分级效率。可用于MRI髋关节炎症区域定量和分级自动化处理。
-
公开(公告)号：CN111784652A
公开(公告)日：2020-10-16
申请号：CN202010591088.4
申请日：2020-06-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于强化学习多尺度神经网络的MRI分割方法，解决了现有方法对多尺度、模糊和弥散MRI炎症区域易错分割和漏分割的问题。本发明采用根据体素值修改炎症区域标签值的体素约束策略，提升分割模型对体素值差异大炎症区域的分割效果；本发明针对形状尺寸差异大的炎症区域设计多尺度卷积模块GMS，提升分割模型对多尺度炎症区域的分割效果；针对分割模型对弥散模糊炎症区域难以识别的问题，本发明利用强化学习网络进行数据增强，提升分割模型对弥散模糊炎症区域的判别性能。本发明减小对多尺度、模糊弥散的炎症区域的错分割和漏分割，提升对MRI炎症区域的分割效果。可用于MRI炎症区域分割和定量分析自动化处理。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
