-
公开(公告)号：CN112819768A
公开(公告)日：2021-05-18
申请号：CN202110104450.5
申请日：2021-01-26
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于DCNN的癌症全视野数字病理切片生存分析方法。本发明方法包括，从病理切片中淋巴密集区域、坏死区域、肿瘤区域分别取若干图像块，同切片的全局分割一起送入一个卷积神经网络通过前向传播获得该切片的生存时间分布。可从预测所得生存时间分布中获得患者在若干个时间区间的死亡概率，通过累加可获得患者在若干时间节点前的生存概率。本发明以切片局部的图像以及全局的组织分布作为输入，输出患者的生存时间分布，帮助医生估计患者的预后状况，从而辅助癌症早期临床诊断。
-
公开(公告)号：CN112422870A
公开(公告)日：2021-02-26
申请号：CN202011263428.7
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于数字视频智能处理技术领域，具体为一种基于知识蒸馏的深度学习视频插帧方法。本发明使用参考答案网络和插帧网络，具体步骤包括：将相邻帧和目标帧一起作为输入，训练参考答案网络，首先出估计帧之间的光流，最后通过光流重构目标帧；训练插帧网络，用参考答案网络的光流作为辅助的监督数据，完成蒸馏学习；其中，参考答案模型和插帧模型都包含两个子模块：光流模块和目标帧合成模块；本发明的优势在于训练时不需要昂贵的带有光流标注的数据集，只需要用常见的连续视频数据。实验结果表明，采用本发明的训练方式，插帧模型的性能能够得到明显提升。
-
公开(公告)号：CN112419352A
公开(公告)日：2021-02-26
申请号：CN202011326151.8
申请日：2020-11-24
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于轮廓的小样本语义分割方法。本发明方法包括：利用深度卷积神经网络提取参考图像和待分割图像各自的特征；使用轮廓生成模块生成待分割图像中较粗糙的物体轮廓；使用轮廓优化模块将较粗糙的物体轮廓优化得到更精细的轮廓；使用标签平均池化操作获取参考图像对应的语义原型；使用区域平均池化操作获取待分割图像中轮廓对应物体的语义原型；比对语义原型进而确定是否属于相同的语义类别。实验结果表明，本发明可以生成精确的分割图，有效解决了小样本语义分割问题。
-
公开(公告)号：CN112419248A
公开(公告)日：2021-02-26
申请号：CN202011263682.7
申请日：2020-11-13
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为基于小目标检测神经网络的耳硬化病灶检测及诊断系统。系统包括特征提取主干网络、目标检测与分类网络、对噪声鲁棒的分类损失函数和对多层检测结果的后处理诊断系统；特征提取主干网络为多层次的深度卷积神经网络，用于提取图像的特征图；目标检测与分类网络包括上述特征提取主干网络和区域提取网络、感兴趣区域池化层、分类网络，得到区域的类别；噪声鲁棒分类损失函数结合交叉熵损失和平均绝对误差损失，受训练数据中的错误标注的影响较小；本发明将3D的颞骨CT图像分层输入网络模型，经过一次前向传播以及后处理，即可获得病灶检测及诊断结果。本发明可减少人为因素影响，提高临床诊断效率和准确率。
-
公开(公告)号：CN111354004A
公开(公告)日：2020-06-30
申请号：CN202010124604.2
申请日：2020-02-27
Applicant: 复旦大学
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于颞骨CT平扫影像的左右耳区域分割方法。该算法用于对头部颞骨CT影像中的左、右耳部区域进行分割，使得计算机能够集中地对耳部区域进行后续的处理。本发明依次包括以下步骤：对头部CT图像的无效区域进行剔除；按照比例将图像中的左、右耳区域分别裁出；将左、右耳区图像分别整理保存。实验结果表明，对于平扫的颞骨CT图像，本方法可以剔除无效的黑色区域，抛弃其他无关部位的信息，准确地提取左右耳区域。
-
Patent Agency Ranking
公开(公告)号：CN109903237A
公开(公告)日：2019-06-18
申请号：CN201910066036.2
申请日：2019-01-23
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于分离低高频的多尺度人脸图像去模糊算法。本发明算法包括：使用前处理网络，同时恢复人脸图像的低频信息以及语义分割；然后将生成的低频信息、语义分割以及模糊图片拼接输入后续的多尺度网络恢复清晰图片；最后，将去模糊网络(前处理网络和多尺度网络)和高级别任务联合训练，使得去模糊产生的清晰图片能够在识别等高级别任务上表现的更好。实验结果表明，本发明恢复的清晰图片在结构和细节上都很完整，同时经过和高级别任务的联合，恢复的清晰图片包含有更丰富的知觉信息，从而更大的提升高级别任务的效果。
-
公开(公告)号：CN108989731A
公开(公告)日：2018-12-11
申请号：CN201810904777.9
申请日：2018-08-09
Applicant: 复旦大学
IPC: H04N7/01 , H04N21/2343 , H04N21/4402
Abstract: 本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。本发明步骤包括：局部帧及局部特征的提取：将多帧相邻视频帧输入到局部网络NETL中，利用帧间的局部信息学习出局部重构帧SRtLocal及该帧的特征FtLocal；重构当前帧：将学到的局部帧和相邻的前一帧SRt-1重构后的视频帧输入到内容网络NETC中，重构当前帧。本发明不仅充分利用多个相邻低分辨率视频帧之间的关联性，还结合前一帧超分重构后的视频帧来恢复当前视频帧的高频内容。实验结果表明，本方法可较好地保持重构视频的时间连贯性，恢复出丰富的视频细节纹理，提升视频的清晰度视觉质量，同时还达到实时处理的速度，具有较高的应用价值。
-
公开(公告)号：CN108769598A
公开(公告)日：2018-11-06
申请号：CN201810584488.5
申请日：2018-06-08
Applicant: 复旦大学
Abstract: 本发明属于视频处理技术领域，具体为一种基于行人重识别的跨摄像头视频浓缩方法。具体步骤如下：（1）以获得的多段不同摄像头所拍摄的视频作为输入，最终输出多段浓缩后的视频；（2）基于视频浓缩阶段获得的多段浓缩后的视频，针对具体的目标对象，首先在浓缩后的视频中根据相应匹配度量方法查找到该目标对象在不同视频中出现的具体位置，提取出含有目标对象的浓缩视频片段，以获得该目标对象在多视频中连贯运动轨迹的描述。本发明方法不仅能节省大量人力劳动，还一定程度上提高了目标对象的识别准确度。本发明提出的方法对实际应用具有重要价值。
-
公开(公告)号：CN108389208A
公开(公告)日：2018-08-10
申请号：CN201810047724.X
申请日：2018-01-18
Applicant: 复旦大学
CPC classification number: G06T7/10 , G06T3/0012 , G06T7/136 , G06T7/62
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于语义分割的图像智能适配显示方法。图像智能适配显示技术用于保护图像中的重要物体，使得图像放大或缩小时重要物体的尺寸变化尽量小。本发明依次包括以下步骤：使用线裁剪对图像进行分组；根据图像的能量图为每个分组分配比例因子；结合语义分割，重新分配比例因子，使得属于同一物体的像素比例因子接近，减少扭曲；根据比例因子进行像素融合。实验结果表明，放大或缩小图像时，本发明能够使得重要物体尺寸变化小，同时减少重要物体以及背景的畸变。
-
公开(公告)号：CN104574271B
公开(公告)日：2018-02-23
申请号：CN201510025684.5
申请日：2015-01-20
Applicant: 复旦大学
Abstract: 本发明属于图像编辑技术领域，具体为一种广告图标嵌入数字图像的方法。图像融合是计算机视觉领域的一个重要分支，它通过确定待融合两张图像的重叠区域内每一个像素点的取值，以实现图像的平滑过渡。本发明方法不仅考虑重叠区域像素的取值，还着重于图像内容的分析，通过选取合适融合区域，检测区域的相关信息，达到图像融合的最佳效果。实验结果表明，本方法较好地实现了广告图标的插入，使得广告图标在背景图像上显得自然而且醒目。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.029 seconds)
