-
公开(公告)号：CN109544565B
公开(公告)日：2022-12-02
申请号：CN201811414751.2
申请日：2018-11-23
Applicant: 哈尔滨商业大学
Abstract: 一种基于DC‑GMRF水平集的创面图像分割方法，涉及图像处理领域。本发明为了快速精确地计算出创面的面积，并根据换算比例精准地评估皮肤供体。本发明采用Kinect设备采集患者创面RGB彩色图像数据和深度数据，作为信息输入，对彩色图像数据，分离RGB色彩通道，得到红绿通道的差分图像并进行双重阈值化操作，强化创面与背景差异，利用GMRF水平集模型精准分割创面区域，与深度数据对应后形成三维点云数据，采用德劳内三角形法计算创面的三维点云曲面的面积。根据创面面积，给出创面的伤情级别以及所需植皮的面积。本发明提高了创面轮廓分割精度，使伤情级别评估更加精准，所需植皮面积更加精确。
-
公开(公告)号：CN109544565A
公开(公告)日：2019-03-29
申请号：CN201811414751.2
申请日：2018-11-23
Applicant: 哈尔滨商业大学
Abstract: 一种基于DC-GMRF水平集的创面图像分割方法，涉及图像处理领域。本发明为了快速精确地计算出创面的面积，并根据换算比例精准地评估皮肤供体。本发明采用Kinect设备采集患者创面RGB彩色图像数据和深度数据，作为信息输入，对彩色图像数据，分离RGB色彩通道，得到红绿通道的差分图像并进行双重阈值化操作，强化创面与背景差异，利用GMRF水平集模型精准分割创面区域，与深度数据对应后形成三维点云数据，采用德劳内三角形法计算创面的三维点云曲面的面积。根据创面面积，给出创面的伤情级别以及所需植皮的面积。本发明提高了创面轮廓分割精度，使伤情级别评估更加精准，所需植皮面积更加精确。
-
公开(公告)号：CN109035160B
公开(公告)日：2022-06-21
申请号：CN201810704005.0
申请日：2018-06-29
Applicant: 哈尔滨商业大学
Abstract: 医学影像的融合方法及基于融合医学影像学习的图像检测方法，涉及基于融合医学影像学习的图像检测技术。本发明为了解决医学影像因受噪声污染，信噪比低，不同组织间灰度差异小，影响医学影像的应用，以及单一模态的影像并不能从不同角度提供病变组织更丰富的信息等技术问题。读取两类模态影像并分别对两类模态影像进行预处理，得到去噪图像；采用改进的剪切波变换对图像进行多尺度剖分；根据融合规则，对两类模态影像进行融合，得到融合图像；将所有融合图像组成融合图像数据集；对数据集采用改进的YOLO v2深度学习算法进行训练，生成训练网络；用训练好的网络进行检测。将不同模态的医学影像融合在一起从不同角度提供病变组织更丰富的信息。
-
公开(公告)号：CN109035160A
公开(公告)日：2018-12-18
申请号：CN201810704005.0
申请日：2018-06-29
Applicant: 哈尔滨商业大学
CPC classification number: G06T5/002 , G06T5/50 , G06T7/0012 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
Abstract: 医学影像的融合方法及基于融合医学影像学习的图像检测方法，涉及基于融合医学影像学习的图像检测技术。本发明为了解决医学影像因受噪声污染，信噪比低，不同组织间灰度差异小，影响医学影像的应用，以及单一模态的影像并不能从不同角度提供病变组织更丰富的信息等技术问题。读取两类模态影像并分别对两类模态影像进行预处理，得到去噪图像；采用改进的剪切波变换对图像进行多尺度剖分；根据融合规则，对两类模态影像进行融合，得到融合图像；将所有融合图像组成融合图像数据集；对数据集采用改进的YOLO v2深度学习算法进行训练，生成训练网络；用训练好的网络进行检测。将不同模态的医学影像融合在一起从不同角度提供病变组织更丰富的信息。
-
-
-
Search Results
4
records
(took 0.021 seconds)
