公开(公告)号：CN115035074B

公开(公告)日：2024-05-28

申请号：CN202210691802.6

申请日：2022-06-17

Applicant: 重庆大学

Inventor： 王壮壮 ,  杨梦宁 ,  王思敏 ,  李凯 ,  张欣

IPC: G06T7/00 ,  G06T7/12 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于全局空间感知网络的宫颈上皮组织病理图像识别方法，S1构建NSSD数据集，S2构建全局空间感知网络GSAN，并使用NSSD数据集对GSAN进行训练，得到最优全局空间感知网络，S3对于一个待预测的宫颈上皮组织病理RGB原图采用S1中的方法处理得到待预测样本，将该待预测样本输入最优全局空间感知网络，最优全局空间感知网络的输出即为预测结果。本发明利用CNN的高效性与局部信息学习能力，将SAA与ConvLayer交替堆叠，最终构建出了全局空间感知网络GSAN，GSAN结合了CNN与Transformer的优势，实现了更加准确的病理图像识别效果。

公开(公告)号：CN115423779A

公开(公告)日：2022-12-02

申请号：CN202211076541.3

申请日：2022-09-05

Applicant: 重庆大学

Inventor： 简坤元 ,  杨梦宁 ,  王思敏

IPC: G06T7/00 ,  G06T5/00 ,  G06T7/13 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/82

Abstract: 本发明涉及一种用于小儿骨龄预测的方法，包括如下步骤：从带有骨龄标签的手部X光片公开数据集中随机选取部分手部X光片组成数据集，并调整所有图片至规定的大小；建立TENet模型，同时构建训练集；将训练集作为TENet模型的输入，使用Adam优化器对TENet模型进行训练，当达到最大迭代次数时得到训练好的TENet模型。本发明模型可以对小儿骨龄进行准确的预测。

公开(公告)号：CN115423778A

公开(公告)日：2022-12-02

申请号：CN202211076529.2

申请日：2022-09-05

Applicant: 重庆大学

Inventor： 宋萃 ,  李书香 ,  吴莉婷 ,  周全胜 ,  桂俊峰 ,  蔡奕晴 ,  杨梦宁 ,  简坤元 ,  王思敏

IPC: G06T7/00 ,  G06T7/13 ,  G06V10/34

Abstract: 本发明涉及一种用于小儿骨龄评估的手部骨干特征图的生成方法，包括如下步骤：选取手部X光片A，并将A的大小调整为560x560的图片；使用Sobel算法对A进行手骨边缘处理，提取得到A对应的手部骨干粗略前景边缘图；使用MediaPipe应用框架对A对应的手部骨干粗略前景边缘图上的关节点进行位置预测，得到A的手部ROI拓扑结构图；将该手部ROI拓扑结构图作为A的手部骨干特征图。使用本发明方法可以良好的表达出符合CHN‑05中所对应的手骨的语义特征，更有利于后期应用于对骨龄的评估。

公开(公告)号：CN115423779B

公开(公告)日：2025-05-06

申请号：CN202211076541.3

申请日：2022-09-05

Applicant: 重庆大学

Inventor： 简坤元 ,  杨梦宁 ,  王思敏

IPC: G06T7/00 ,  G06T5/70 ,  G06T5/90 ,  G06T5/20 ,  G06T7/13 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种用于小儿骨龄预测的方法，包括如下步骤：从带有骨龄标签的手部X光片公开数据集中随机选取部分手部X光片组成数据集，并调整所有图片至规定的大小；建立TENet模型，同时构建训练集；将训练集作为TENet模型的输入，使用Adam优化器对TENet模型进行训练，当达到最大迭代次数时得到训练好的TENet模型。本发明模型可以对小儿骨龄进行准确的预测。

公开(公告)号：CN115035074A

公开(公告)日：2022-09-09

申请号：CN202210691802.6

申请日：2022-06-17

Applicant: 重庆大学

Inventor： 王壮壮 ,  杨梦宁 ,  王思敏 ,  李凯 ,  张欣

IPC: G06T7/00 ,  G06T7/12 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于全局空间感知网络的宫颈上皮组织病理图像识别方法，S1构建NSSD数据集，S2构建全局空间感知网络GSAN，并使用NSSD数据集对GSAN进行训练，得到最优全局空间感知网络，S3对于一个待预测的宫颈上皮组织病理RGB原图采用S1中的方法处理得到待预测样本，将该待预测样本输入最优全局空间感知网络，最优全局空间感知网络的输出即为预测结果。本发明利用CNN的高效性与局部信息学习能力，将SAA与ConvLayer交替堆叠，最终构建出了全局空间感知网络GSAN，GSAN结合了CNN与Transformer的优势，实现了更加准确的病理图像识别效果。