一种下颌骨螺旋CT影像分区分割方法

    公开(公告)号:CN116883428B

    公开(公告)日:2024-05-31

    申请号:CN202310830051.6

    申请日:2023-07-07

    Abstract: 本发明涉及CT影像分区,尤其涉及一种下颌骨螺旋CT影像分区分割方法。其将下颌骨二维分区标准应用到三维HCT数据,结合计算机自动分割算法,实现分区分割,为后续的下颌骨疾病检测提供便利。包括步骤:步骤1、确定下颌骨分区标准;步骤2、建立下颌骨分区分割HCT数据集;步骤3、训练下颌骨分区分割算法;步骤4、分割下颌骨数据。

    用于医学图像数据集的对比学习方法及系统

    公开(公告)号:CN116912623B

    公开(公告)日:2024-04-05

    申请号:CN202310894739.0

    申请日:2023-07-20

    Abstract: 本发明提供一种用于医学图像数据集的对比学习方法及系统。该方法包括:获取医学图像数据集;搭建以Swin Transformer为骨干网络的对比学习网络;将Swin Transformer在自然图像数据集ImageNet上进行有监督学习得到的有监督模型作为对比学习网络的预训练模型;基于对比学习数据集和对比学习网络的预训练模型训练对比学习网络;输出对比学习模型,并将对比学习模型作为下游任务网络的预训练模型;基于下游任务训练集和下游任务网络的预训练模型训练下游任务网络;输出下游任务模型。本发明提供的对比学习方法及系统,使用以Swin Transformer为骨干网络的基于预测任务的对比学习网络,并使用迁移学习方法训练网络,实现了即使在小规模的医学图像数据集上也能大幅度提升下游任务网络的训练精度。

    用于医学图像数据集的对比学习方法及系统

    公开(公告)号:CN116912623A

    公开(公告)日:2023-10-20

    申请号:CN202310894739.0

    申请日:2023-07-20

    Abstract: 本发明提供一种用于医学图像数据集的对比学习方法及系统。该方法包括:获取医学图像数据集;搭建以Swin Transformer为骨干网络的对比学习网络;将Swin Transformer在自然图像数据集ImageNet上进行有监督学习得到的有监督模型作为对比学习网络的预训练模型;基于对比学习数据集和对比学习网络的预训练模型训练对比学习网络;输出对比学习模型,并将对比学习模型作为下游任务网络的预训练模型;基于下游任务训练集和下游任务网络的预训练模型训练下游任务网络;输出下游任务模型。本发明提供的对比学习方法及系统,使用以Swin Transformer为骨干网络的基于预测任务的对比学习网络,并使用迁移学习方法训练网络,实现了即使在小规模的医学图像数据集上也能大幅度提升下游任务网络的训练精度。

    一种自动识别脑脊液细胞图像信息方法

    公开(公告)号:CN110633676B

    公开(公告)日:2023-04-18

    申请号:CN201910880218.3

    申请日:2019-09-18

    Applicant: 东北大学

    Abstract: 本发明涉及一种自动识别脑脊液细胞图像信息方法,包括:针对待处理的脑脊液细胞的原始图像,对所述原始图像进行预处理,得到预处理后的图像;采用最小化模型对所述预处理后的图像进行分割,获取分割后的目标细胞图像;其中,最小化模型为对所述预处理后的图像进行分割,使分割后的每一个图像内均只包含一个目标细胞;提取图像中目标细胞的特征;本发明方法可以对获取的脑脊液细胞学检测图像中的脑脊液细胞进行准确的分割处理,并对细胞的特征自动提取,而且提取的结果也会比较客观。

Patent Agency Ranking