-
公开(公告)号：CN113269778B
公开(公告)日：2022-11-29
申请号：CN202110683693.9
申请日：2021-06-21
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/25 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 一种基于迭代的图像弱监督分割方法，将包含定位边界框的甲状腺超声图像作为弱监督信息，利用概率梯度标注方式获得训练标注，以迭代训练的方式不断更新深度学习弱监督分割网络参数和训练标签，最后采用训练后的网络对待处理图像进行分割。本发明通过迭代网络的优化，在无需人工干预的弱监督条件下将初始定位标签转化为最终的分割结果，可以在无需人工标注的弱监督条件下实现甲状腺超声图像中特定区域的准确分割。
-
公开(公告)号：CN108776969B
公开(公告)日：2021-06-22
申请号：CN201810505528.2
申请日：2018-05-24
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为基于全卷积神经网络的乳腺超声图像肿瘤分割方法。本发明方法包括：构建基于空洞卷积的全卷积神经网络，用于粗略分割超声图像上获得乳腺肿瘤；构建的DFCN网络中，使用空洞卷积，从而使网络保持较深层的特征图的分辨率，以确保在有大量阴影区域的情况下也能很好地分割肿瘤；此外，DFCN网络中还使用批量归一化技术，使得网络具有更高的学习率，加速了训练过程；利用基于相位信息的动态轮廓PBAC模型，对于粗略分割结果进行优化，得到最终精细的分割结果；实验结果表明，本发明可以准确地分割肿瘤，尤其对边界模糊、阴影多的超声图像有很好的分割结果。
-
公开(公告)号：CN111445473A
公开(公告)日：2020-07-24
申请号：CN202010243718.9
申请日：2020-03-31
Applicant: 复旦大学
Abstract: 一种基于血管内超声图像序列多角度重建的血管膜精确分割方法及系统，通过对血管内超声横截面图像序列进行重建得到对应的血管内超声纵轴图像，然后采用改进的聚类方法对血管内超声纵轴图像中的血管膜进行初步分割，再根据初步分割结果恢复出横截面图像下的血管膜精确分割结果。本发明能够同时获得血管内超声两种图像模式(即横截面图像模式和纵轴图像模式)的血管膜分割结果，并在一定程度上克服分叉和旁路血管的影响。从横截面视角和纵轴视角综合分析血管状况，并计算定量参数，对血管状况进行更全面的评估，为医生进一步诊断提供参考，具有临床实用价值。
-
公开(公告)号：CN119904721A
公开(公告)日：2025-04-29
申请号：CN202411964124.1
申请日：2024-12-30
Applicant: 复旦大学
IPC: G06V10/80 , G06V10/26 , G06V10/74 , G06V10/776 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06V10/62
Abstract: 基于多时间点图像的目标变化评估系统及方法，包括：变化前和变化后图像分割支路及其对应分割注意力引导模块、变化前和变化后图像的特征提取器、交互式空间特征增强模块以及时序特征分类模块。本发明针对基于多时间点图像目标评估这一任务的复杂性，通过引入分割辅助任务引导分类注意力、跨时间点特征交互以及使用时间特征序列分类完成特征融合，将模型设计拆分为目标定位、获取不同时间点局部区域之间的关联性以及评估变化加以解决。
-
公开(公告)号：CN111445473B
公开(公告)日：2023-04-28
申请号：CN202010243718.9
申请日：2020-03-31
Applicant: 复旦大学
Abstract: 一种基于血管内超声图像序列多角度重建的血管膜精确分割方法及系统，通过对血管内超声横截面图像序列进行重建得到对应的血管内超声纵轴图像，然后采用改进的聚类方法对血管内超声纵轴图像中的血管膜进行初步分割，再根据初步分割结果恢复出横截面图像下的血管膜精确分割结果。本发明能够同时获得血管内超声两种图像模式(即横截面图像模式和纵轴图像模式)的血管膜分割结果，并在一定程度上克服分叉和旁路血管的影响。从横截面视角和纵轴视角综合分析血管状况，并计算定量参数，对血管状况进行更全面的评估，为医生进一步诊断提供参考，具有临床实用价值。
-
Patent Agency Ranking
公开(公告)号：CN115063388A
公开(公告)日：2022-09-16
申请号：CN202210772086.4
申请日：2022-06-30
Applicant: 复旦大学 , 上海纵贯智能科技有限公司
Abstract: 本发明提供一种肿瘤超声图像的分割方法、系统、设备及介质，方法包括：接收图像数据集；所述图像数据集包括源于多个机构的图像数据；每一图像数据包括原始肿瘤超声图像及与之对应的分割标签；从图像数据集中随机选取另一原始肿瘤超声图像，基于另一原始肿瘤超声图像对图像数据集中的每一原始肿瘤超声图像进行增强，形成原始肿瘤超声图像的增强图像数据；从增强图像数据中提取出肿瘤区域初始特征和肿瘤边缘初始特征，将肿瘤区域初始特征和肿瘤边缘初始特征交织融合，以优化所述肿瘤区域初始特征和所述肿瘤边缘初始特征。本发明通过深度学习提取图像中肿瘤等病变区域的显著特征，并输出最终的分割结果，且能很好地适用于多中心小数据集的分割任务。
-
公开(公告)号：CN110163828A
公开(公告)日：2019-08-23
申请号：CN201910618211.4
申请日：2019-07-10
Applicant: 复旦大学
Abstract: 一种基于超声射频信号的乳腺钙化点图像优化系统及方法，包括：预处理模块、钙化点处理模块和增强显示模块，其中：预处理模块与数据来源相连并传输原始射频信号信息，钙化点处理模块与预处理相连并传输单通道射频信号信息，增强显示模块与输出端相连并传输增强显示图片信息。本发明基于乳腺射频信号的特点设计深度学习网络，高效率检测钙化点，进行增强显示。
-
公开(公告)号：CN104637056B
公开(公告)日：2018-02-23
申请号：CN201510052403.5
申请日：2015-02-02
Applicant: 复旦大学
IPC: G06T7/149
Abstract: 本发明属于图像处理技术领域，具体为基于稀疏表示的医学CT图像中肾上腺肿瘤的分割方法。本发明使用训练所得对边界敏感的过完备字典，将二维CT图像的感兴趣区域分解成图像子块并作稀疏表示；对于图像同质区与非同质区两者稀疏分解的第一个系数的绝对值差异明显，选取合适阈值区分该系数，得到对应的图像边界子块，并获得一个二值图像；利用区域生长法在此二值图像上生长出肿瘤的粗糙轮廓，将其作为水平集分割方法的初始轮廓，通过多次迭代，获取肿瘤最终边界。本发明可以大大提高图像中肾上腺肿瘤图像分割的自动化程度，同时降低了水平集分割方法对初始轮廓的依赖程度，使得分割结果更加准确。
-
公开(公告)号：CN104637056A
公开(公告)日：2015-05-20
申请号：CN201510052403.5
申请日：2015-02-02
Applicant: 复旦大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/30084 , G06T2207/30096
Abstract: 本发明属于图像处理技术领域，具体为基于稀疏表示的医学CT图像中肾上腺肿瘤的分割方法。本发明使用训练所得对边界敏感的过完备字典，将二维CT图像的感兴趣区域分解成图像子块并作稀疏表示；对于图像同质区与非同质区两者稀疏分解的第一个系数的绝对值差异明显，选取合适阈值区分该系数，得到对应的图像边界子块，并获得一个二值图像；利用区域生长法在此二值图像上生长出肿瘤的粗糙轮廓，将其作为水平集分割方法的初始轮廓，通过多次迭代，获取肿瘤最终边界。本发明可以大大提高图像中肾上腺肿瘤图像分割的自动化程度，同时降低了水平集分割方法对初始轮廓的依赖程度，使得分割结果更加准确。
-
公开(公告)号：CN119279629A
公开(公告)日：2025-01-10
申请号：CN202411420750.4
申请日：2024-10-12
Applicant: 复旦大学
Abstract: 一种柔性超声探头实时高质量成像方法，通过希尔伯特变换和包络检测将柔性探头采集的RF数据解调成I/Q数据后，应用稀疏化处理机制从发射通道、接收通道和采样时间三个维度上对密集I/Q数据进行压缩处理后，通过构造并训练空间感知形状估计网络，提取复杂通道信号的空间和时间信息，根据稀疏I/Q数据得到形状参数，再根据估计的柔性探头形状，通过延时求和(DAS)波束形成器重建超声图像，从而实现柔性探头的实时高质量成像。本发明能够生成更轻量级且包含丰富形状信息的指导数据，从而降低模型复杂度并增强实时性能的同时，形状估计准确性显著提高，能够实现实时高质量且准确的形状估计效果。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.043 seconds)
