-
公开(公告)号：CN119832252A
公开(公告)日：2025-04-15
申请号：CN202510309179.7
申请日：2025-03-17
Applicant: 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V40/14 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供的基于差异性学习模型的血管图像分割方法、装置及设备，涉及神经网络与图像处理领域。本发明通过获取不同模态的3D血管原图像集，并输入血管图像分割模型，在分割模型中，利用模态差异标记方法，得到嵌入了模态特征的重建图；将重建图输入3D UNet编码器提取出低级特征；根据低级特征，通过位置编码器与自注意力机制，生成高级特征；高级特征通过线性层展开为一维向量，并采用Transformer编码器进行优化，生成优化后的特征；然后将Transformer优化后的特征通过逐元素相减的方式，计算出模态间的差异特征，从而得到差异融合特征；差异融合特征通过Transformer编码器进行重塑，得到最后的血管分割结果。本发明能准确捕捉细小血管的形态特征，有效提升血管图像分割的精度。
-
公开(公告)号：CN119888241B
公开(公告)日：2025-05-23
申请号：CN202510386253.5
申请日：2025-03-31
Applicant: 厦门理工学院
IPC: G06V10/26 , G06V10/774 , G06V10/80 , G06V10/44 , G06V40/14 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06V10/52
Abstract: 本发明提供了多模态协同增强与动态对齐的血管图像分割方法及装置，涉及深度学习与图像处理技术领域。本发明通过获取不同模态的3D血管原图像集，并经切分与模态特征标记融合后，利用扩散模型进行去噪与增强生成模态嵌入图；将模态嵌入图输入改进的3D UNet编码器提取多尺度低级特征；基于图神经网络对低级特征进行全局特征增强与动态对齐，生成对齐高级特征；通过计算对齐高级特征的特征信息熵并进行动态权重融合,得到模态协同特征；基于正、负样本对的对比学习以优化模态协同特征之间的差异表示，得到融合特征；将融合特征输入解码器生成血管分割结果。本发明能高效捕捉不同模态细小血管的形态特征，显著提升多模态血管图像的分割精度与鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119888241A
公开(公告)日：2025-04-25
申请号：CN202510386253.5
申请日：2025-03-31
Applicant: 厦门理工学院
IPC: G06V10/26 , G06V10/774 , G06V10/80 , G06V10/44 , G06V40/14 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06V10/52
Abstract: 本发明提供了多模态协同增强与动态对齐的血管图像分割方法及装置，涉及深度学习与图像处理技术领域。本发明通过获取不同模态的3D血管原图像集，并经切分与模态特征标记融合后，利用扩散模型进行去噪与增强生成模态嵌入图；将模态嵌入图输入改进的3D UNet编码器提取多尺度低级特征；基于图神经网络对低级特征进行全局特征增强与动态对齐，生成对齐高级特征；通过计算对齐高级特征的特征信息熵并进行动态权重融合,得到模态协同特征；基于正、负样本对的对比学习以优化模态协同特征之间的差异表示，得到融合特征；将融合特征输入解码器生成血管分割结果。本发明能高效捕捉不同模态细小血管的形态特征，显著提升多模态血管图像的分割精度与鲁棒性。
-
公开(公告)号：CN118379501A
公开(公告)日：2024-07-23
申请号：CN202410805765.6
申请日：2024-06-21
Applicant: 厦门理工学院
Abstract: 本发明提供了大脑动脉环多模态分割中时间语义一致性确保方法、装置，本方法首先，通过引入跨时间对齐和注意力机制，有效整合多模态数据，提高了分割结果的准确性和鲁棒性；其次，开发了时间对齐模块（TAM）和跨时间跨模态注意力模块（CCAM），确保对治疗效果的准确评估；再次，引入了Laplacian Enhanced Fourier Encoder（LEFE），显著提升了对细小和复杂血管结构的检测和分割能力；最后，设计了一种新的损失函数，强制不同模态下的语义一致性，提高了跨模态数据处理的一致性和准确性。
-
公开(公告)号：CN120047459A
公开(公告)日：2025-05-27
申请号：CN202510535439.2
申请日：2025-04-27
Applicant: 厦门理工学院
IPC: G06T7/10 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06T9/00
Abstract: 本发明提供的基于变分混合专家模型的医学图像自动分割方法及装置，涉及医学图像处理技术领域。本发明通过获取三维医学图像，并输入U‑Net编码器进行多层级卷积、下采样特征提取、自适应字典增强操作，生成每一级增强特征图；将最后一级的增强特征图输入变分混合专家模块进行共享特征提取，并与多个专家模型的动态路由选择结果输出融合，生成融合特征；将融合特征结合最后一级的增强特征图输入U‑Net解码器进行上采样操作，并逐级拼接上采样的输出与当前层级的增强特征图以恢复图像的空间分辨率，得到解码融合特征；将解码融合特征输入单通道卷积层，输出分割结果。本发明有效提升了医学图像分割的准确性、鲁棒性以及对多模态医学图像的适应能力。
-
公开(公告)号：CN119943357A
公开(公告)日：2025-05-06
申请号：CN202510420935.3
申请日：2025-04-07
Applicant: 厦门理工学院
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G16H40/67 , G06N5/022 , G06N3/098 , G06N3/096 , G06N3/09 , G06N3/045 , G06N3/0464 , G06F18/25 , G06F18/2415 , G06F18/2431 , G06F16/41 , G06F16/45 , G06F16/483
Abstract: 本发明提供的基于知识缓存与个性化联邦学习的诊断预测装置及系统，涉及模型学习与医学影像诊断领域。本发明通过接收多个客户端上传的医学样本索引信息，构建动态知识缓存；根据医学样本索引信息创建标签到索引、索引到哈希值的索引关系映射表；初始化每个医学样本并建立每个医学样本与R个最相似样本的索引关系映射；接收各客户端上传的类别概率向量及其索引，更新知识缓存；然后更新索引关系映射表，并检索R个最相似样本的知识向量；采用加权平均方法生成综合知识表示；将综合知识表示分发至各客户端进行个性化联邦学习；训练好的各客户端模型用于医学诊断预测。本发明解决了通信成本高、模型结构兼容性差及公共数据集获取困难的问题。
-
公开(公告)号：CN118379501B
公开(公告)日：2024-08-30
申请号：CN202410805765.6
申请日：2024-06-21
Applicant: 厦门理工学院
Abstract: 本发明提供了大脑动脉环多模态分割中时间语义一致性确保方法、装置，本方法首先，通过引入跨时间对齐和注意力机制，有效整合多模态数据，提高了分割结果的准确性和鲁棒性；其次，开发了时间对齐模块（TAM）和跨时间跨模态注意力模块（CCAM），确保对治疗效果的准确评估；再次，引入了Laplacian Enhanced Fourier Encoder（LEFE），显著提升了对细小和复杂血管结构的检测和分割能力；最后，设计了一种新的损失函数，强制不同模态下的语义一致性，提高了跨模态数据处理的一致性和准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
