基于递归神经网络的图像分析方法

    公开(公告)号:CN109598722B

    公开(公告)日:2020-12-08

    申请号:CN201811503605.7

    申请日:2018-12-10

    发明人: 杨光 董豪

    IPC分类号: G06T7/00 G06T7/11

    摘要: 本发明公开了一种基于递归神经网络的图像分析方法,包括:基于原始三维图像,构建第一多个二维轴向切片图;通过对多个二维轴向切片图进行卷积运算获得高分辨率特征图,并将特征图堆叠成三维特征图,再将三维特征图切割成轴向、矢状和冠状视图;通过顺序学习网络处理轴向视图,生成轴向顺序学习特征图;通过扩张残余网络处理矢状视图,生成矢状学习特征图;通过扩张残余网络处理冠状视图,生成冠状学习特征图;基于矢状学习特征图创建第一三维体,并切割成第二多个二维轴向切片;基于冠状学习特征图创建第二三维体,并切割成第三多个二维轴向切片;将轴向顺序学习特征图、第二多个二维轴向切片及第三多个二维轴向切片级联形成级联特征映射;将卷积运算应用于所述级联特征映射以获得融合的多视图特征;以及将融合的多视图特征与高分辨率特征图结合,进行图像分割。

    处理肠图像的方法
    5.
    发明授权

    公开(公告)号:CN109635866B

    公开(公告)日:2021-07-23

    申请号:CN201811502438.4

    申请日:2018-12-10

    发明人: 杨光 叶旭冏 董豪

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明提供了一种处理肠图像的方法,所述方法包括:1)提供肠图像;2)利用神经网络结构处理得到初步提议息肉分割数据;所述神经网络结构包括卷积计算和反卷积计算;3)通过息肉边界纹理补丁图像和/或非息肉边界纹理补丁图像进一步筛选出所期望的息肉分割数据。本发明所提供的处理肠图像的方法可以提高息肉识别的准确率。

    基于深度卷积神经网络及多实例学习的新冠诊断系统

    公开(公告)号:CN112150442A

    公开(公告)日:2020-12-29

    申请号:CN202011019778.9

    申请日:2020-09-25

    摘要: 本发明提供了一种基于深度卷积神经网络及多实例学习的新冠诊断系统,特征提取模块对患者CT序列打包并进行时域卷积,同时通过弱监督学习对受感染切片实例进行筛选,获取感染片段;多分支网络体系,被配置为将患者CT序列中提取的特征序列输入多个并行分支网络,不同并行分支网络输出的类激活序列之间具有差异,以定位不同的感染片段,以对患者特定病例特征的完整性进行建模,并对抗所述弱监督学习诱导的注意力发散,以增强所述感染片段的精确度和鲁棒性;多实例学习模块被配置为进行多实例套袋进行时域卷积的特征融合,以增强所述患者特定病例特征表达;门控注意力机制模块被配置为进行自适应实例特征加权融合,以避免多实例学习中梯度消失。

    心脏核磁共振图像的运动机理和纹理特征分析方法和系统

    公开(公告)号:CN109727270B

    公开(公告)日:2021-03-26

    申请号:CN201811502951.3

    申请日:2018-12-10

    发明人: 杨光 董豪

    IPC分类号: G06T7/215

    摘要: 本发明公开了一种心脏核磁共振图像的分析系统,包括:三维心脏分割模块,所述三维心脏分割模块对输入的心脏三维核磁共振图像序列进行分割,获得裁剪的心脏三维核磁共振图像序列;运动特征提取模块,所述运动特征提取模块接收三维心脏分割模块的分割结果提取每个像素的基于图像块的运动特征和全局运动特征;以及全连通判别模块,所述全连通判别模块在每个像素中建立运动特征和组织分类之间的对应关系。