-
公开(公告)号：CN119722671A
公开(公告)日：2025-03-28
申请号：CN202510221167.9
申请日：2025-02-27
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/26 , G06V10/72 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，公开了一种两阶段生成对抗网络引导的宫颈癌病理图像分析方法，包括如下步骤：采集宫颈癌的真实病理图像并打上真实标签；基于两阶段生成对抗网络构建宫颈癌病理数据生成网络，包括病理图像生成网络和病理图像标签生成网络；宫颈癌病理数据生成网络接收宫颈癌的真实病理图像并打上真实标签，输出生成病理图像及对应的生成标签，用于联合训练下游分割网络；使用训练好的下游分割网络对宫颈癌病理图像进行分割，识别其中的癌变组织、实性组织和背景部分。本发明通过生成病理图像数据，提高宫颈癌病理图像分析的效率和准确率。
-
公开(公告)号：CN119339089A
公开(公告)日：2025-01-21
申请号：CN202411874627.X
申请日：2024-12-19
Applicant: 华侨大学
Abstract: 本发明涉及图像处理技术领域，公开了一种宫颈癌多类别组织病理图像的辅助分析方法及系统，方法包括：获得病理图像数据集；构建宫颈癌多类别组织病理图像分割网络，其中包括多类别注意力单元，所述多类别注意力单元包括多通道灰度注意力模块、多类别膨胀挤压注意力模块和多类别空间注意力模块；使用病理图像数据集对宫颈癌多类别组织病理图像分割网络进行训练，训练好后对病理图像中宫颈癌的癌变区域、实性区域和背景部分进行分割，对分割结果通过自动分级方法得到图像的FIGO分级。本发明在分割宫颈癌多类别组织病理图像的不同类别时，具有较高的准确率和较快的运行速度。
-
公开(公告)号：CN118379285B
公开(公告)日：2024-09-17
申请号：CN202410807398.3
申请日：2024-06-21
Applicant: 华侨大学
IPC: G06T7/00
Abstract: 本发明公开了基于特征差分动态融合的乳腺肿瘤病变区检测方法及系统，涉及图像处理技术领域，方法包括以下步骤：获取灰度图像数据集和吸收度图像数据集；构建基于特征差分动态融合的乳腺肿瘤病变区检测模型；利用灰度图像数据集和吸收度图像数据集训练所述乳腺肿瘤病变区检测模型；利用训练好的所述乳腺肿瘤病变区检测模型实现乳腺肿瘤病变区检测；所述乳腺肿瘤病变区检测模型包括第一图像特征提取模块、第二图像特征提取模块、特征差分动态融合模块和融合预测模块。本发明在超声吸收度图像与灰度图像的特征中融入互补视图的特征，充分挖掘双视图之间的差异信息，相比单视图病变区域检测具有更强的鲁棒性和可靠性，强化有用信息的同时抑制噪声。
-
公开(公告)号：CN118485592B
公开(公告)日：2024-09-13
申请号：CN202410899763.8
申请日：2024-07-05
Applicant: 华侨大学
IPC: G06T5/60 , G06T7/00 , G06V20/69 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于多尺度transformer的低照度相衬细胞显微图像增强方法，涉及图像处理技术领域，包括：获取相衬细胞显微图像作为数据集；构建低照度相衬细胞显微图像增强网络并使用数据集进行训练；利用训练好的低照度相衬细胞显微图像增强网络首先相衬细胞显微图像增强；所述低照度相衬细胞显微图像增强网络包括依次连接的特征预增强网络、生成器和判别器，特征预增强网络对输入的相衬细胞显微图像进行预增强，输出预增强图像到生成器；生成器通过若干交替连接的多尺度Transformer模块和卷积层提取多尺度特征，输出生成图像到判别器；判别器确保生成图像不失真，并将生成图像作为增强图像输出。本发明解决了相衬细胞显微图像存在的整体亮度较暗和低对比度问题。
-
公开(公告)号：CN118196102B
公开(公告)日：2024-08-27
申请号：CN202410617091.7
申请日：2024-05-17
Applicant: 华侨大学
Abstract: 本发明公开了一种基于双网络去影的乳腺超声肿瘤病变区域检测方法及装置，涉及目标检测领域，包括：构建清晰超声模型、存影超声模型和若干个注意力特征融合模块，清晰超声模型和存影超声模型分别包括依次连接的若干个第一特征提取单元以及若干个特征适应模块，分别将经过预处理后的画面清晰的乳腺超声图像和画面存影的乳腺超声图像分别输入清晰超声模型和存影超声模型中，第一特征提取单元输出的第一特征和特征适应模块输出的第二特征输入到对应的注意力特征融合模块中，得到融合特征，最后一个阶段的融合特征、第二特征、第一特征相加得到乳腺超声肿瘤病变区域检测结果。本发明解决了噪声和伪影导致肿瘤病变区域检测的准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117372308A
公开(公告)日：2024-01-09
申请号：CN202311645210.1
申请日：2023-12-04
Applicant: 华侨大学
Abstract: 本发明公开了一种相衬细胞显微图像清晰度增强方法及系统，涉及图像处理领域，方法包括如下步骤：利用非对称滑动窗口图像预增强算法对相衬细胞显微图像进行灰度值预增强，得到预增强的相衬细胞显微图像；利用弱结构特征提取算法对预增强的相衬细胞显微图像进行计算处理，得到弱结构特征图像；利用预增强的相衬细胞显微图像与弱结构特征图像作差分融合，得到增强相衬细胞显微图像。本发明采用多尺度导向滤波提取相衬显微图像的背景与边缘图像；采用多尺度差分运算进一步增强弱结构特征的清晰度；通过差分运算进一步解决弱边缘的问题，输出细节突出、结构完整、背景均匀的增强相衬细胞显微图像。
-
公开(公告)号：CN116342432A
公开(公告)日：2023-06-27
申请号：CN202310576207.2
申请日：2023-05-22
Applicant: 华侨大学
Abstract: 本发明公开了一种非标记细胞显微图像增强方法及系统，属于图像处理技术领域，包括如下步骤：S1、输入非标记细胞显微图像；S2、利用滑动窗口中心灰度增强算法，对非标记细胞显微图像位于滑动窗口中心的像素进行灰度值预增强；S3、重复滑动窗口，使得滑动窗口中心遍历非标记细胞显微图像，对每一个像素进行灰度值预增强，获得预增强的非标记细胞显微图像；S5、利用预增强的非标记细胞显微图像与经自适应权值约束的高斯多尺度加权图像作差分运算，得到增强后的非标记细胞显微图像。本发明具有较好的鲁棒性及普适性，且运算速度更快；本发明对特征图像的提取更精确，且能进一步提高非标记细胞显微图像的对比度。
-
公开(公告)号：CN118485592A
公开(公告)日：2024-08-13
申请号：CN202410899763.8
申请日：2024-07-05
Applicant: 华侨大学
IPC: G06T5/60 , G06T7/00 , G06V20/69 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于多尺度transformer的低照度相衬细胞显微图像增强方法，涉及图像处理技术领域，包括：获取相衬细胞显微图像作为数据集；构建低照度相衬细胞显微图像增强网络并使用数据集进行训练；利用训练好的低照度相衬细胞显微图像增强网络首先相衬细胞显微图像增强；所述低照度相衬细胞显微图像增强网络包括依次连接的特征预增强网络、生成器和判别器，特征预增强网络对输入的相衬细胞显微图像进行预增强，输出预增强图像到生成器；生成器通过若干交替连接的多尺度Transformer模块和卷积层提取多尺度特征，输出生成图像到判别器；判别器确保生成图像不失真，并将生成图像作为增强图像输出。本发明解决了相衬细胞显微图像存在的整体亮度较暗和低对比度问题。
-
公开(公告)号：CN119722671B
公开(公告)日：2025-05-13
申请号：CN202510221167.9
申请日：2025-02-27
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/26 , G06V10/72 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，公开了一种两阶段生成对抗网络引导的宫颈癌病理图像分析方法，包括如下步骤：采集宫颈癌的真实病理图像并打上真实标签；基于两阶段生成对抗网络构建宫颈癌病理数据生成网络，包括病理图像生成网络和病理图像标签生成网络；宫颈癌病理数据生成网络接收宫颈癌的真实病理图像并打上真实标签，输出生成病理图像及对应的生成标签，用于联合训练下游分割网络；使用训练好的下游分割网络对宫颈癌病理图像进行分割，识别其中的癌变组织、实性组织和背景部分。本发明通过生成病理图像数据，提高宫颈癌病理图像分析的效率和准确率。
-
公开(公告)号：CN119251250A
公开(公告)日：2025-01-03
申请号：CN202411780066.7
申请日：2024-12-05
Applicant: 华侨大学
IPC: G06T7/194 , G06T7/00 , G06N3/0455 , G06V10/44 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，公开了基于Transformer的宫颈癌病理图像癌变组织的分割方法及系统，方法包括：采集宫颈癌病理图像并进行标注，获得宫颈癌病理图像数据集；使用DeepLabV3+作为主干网络构建宫颈癌病理图像分割网络，其中，在编码器中添加多特征Transformer单元以提取不同尺度的语义信息，且减少全局注意力计算中的冗余性；使用宫颈癌病理图像数据集对所述宫颈癌病理图像分割网络进行训练；使用训练好的宫颈癌病理图像分割网络对宫颈癌病理图像中的肿瘤和背景部分进行分割。本发明在分割宫颈癌病理图像时具有较高的准确率和较快的运行速度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.06 seconds)
