公开(公告)号：CN114359082A

公开(公告)日：2022-04-15

申请号：CN202111600032.1

申请日：2021-12-24

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  李吉春 ,  林青

IPC: G06T5/00 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于自建数据对的胃镜图像去模糊算法。本发明算法包括：对于胃镜视频的处理、制作胃镜清晰图‑模糊图训练样本以及胃镜去模糊算法的训练。具体而言，首先收集一定量的胃镜视频，对其中的数据进行清洗；然后收集医生的标注，对每一帧的清晰或者模糊进行标注，并对“指导模型”进行训练；再用采用全部为清晰图的视频段，合成清晰‑模糊肠镜图片数据对；最后用清晰‑模糊肠镜图片数据对，训练肠镜去模糊算法。实验结果表明，本发明算法对于肠镜模糊图片的模糊去除具有很好的效果，具有很强的应用价值。

公开(公告)号：CN111340122B

公开(公告)日：2022-04-12

申请号：CN202010131868.0

申请日：2020-02-29

Applicant: 复旦大学

Inventor： 颜波 ,  林青

IPC: G06V10/80 ,  G06K9/62 ,  G06V10/764 ,  G06V10/56 ,  G06V10/44 ,  G06V10/82 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种多模态特征融合的文本引导图像修复方法。本发明方法依次包括：网络以缺损图像和相应的文本描述作为输入，分为两个阶段：粗略修复阶段和精细修复阶段；在粗略修复阶段，网络将文本特征和图像特征映射到统一的特征空间进行融合，利用文本特征的先验知识，网络产生合理的粗糙修复结果；在精细修复阶段，网络为粗糙修复结果生成更多的细粒度纹理；在网络训练中引入重构损失、对抗损失和文本引导的注意力损失来辅助网络生成更加细致、自然的结果。实验结果表明，本发明可以更好地预测缺失区域中物体的语义信息，并生成细粒度纹理，有效提升图像修复的效果。

公开(公告)号：CN109919830A

公开(公告)日：2019-06-21

申请号：CN201910065383.3

申请日：2019-01-23

Applicant: 复旦大学

Inventor： 颜波 ,  林青 ,  巴合提亚尔·巴热 ,  谭伟敏

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于美学评价的带参考人眼图像修复方法。图像修复是指利用算法来替换已丢失或者损坏的图像数据。人眼图像修复主要用于拍照中的闭眼、斜眼等情况，以产生真实、自然、美观的新人眼。本发明方法包括：从待修复图像中标记出眼睛的位置；基于人眼美学评价和人脸结构相似性选择参考图；对参考图片提取眼部位置；将输入图像、参考图像和对应的眼部标记共同载入生成器，通过深度网络生成修复的人脸图像。在网络的训练中引入全局判别器、局部判别器和人脸语义解析网络来辅助生成器学习人眼修复任务。实验结果表明，本发明可以生成自然美观且与原面部相符的人眼，有效解决人眼修复问题。

公开(公告)号：CN114359628B

公开(公告)日：2025-05-09

申请号：CN202111537613.5

申请日：2021-12-15

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  李吉春 ,  林青

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/09

Abstract: 本发明属于医疗图像处理技术领域，具体为一种利用相邻帧时空信息的食管内镜视频帧序列质量分类的算法。本发明算法包括：构建用于视频帧序列预测算法的卷积神经网络模型，包括内容特征提取子网络、运动特征提取子网络，参考两种特征的信息，最后通过全连接子网络给出中间帧的视频质量分数；进行数据的收集与模型的训练，当训练的目标函数降低至某可接受阈值，即可认为网络收敛；最后，将连续三帧图像输入到训练好的网络模型中，得到中间帧的质量分类；实验结果表明，本发明算法的质量分类的准确性超过85％，对于临床食管内镜的诊断与质量控制，具有很强的应用价值。

公开(公告)号：CN114494007B

公开(公告)日：2024-11-26

申请号：CN202011263437.6

申请日：2020-11-12

Applicant: 复旦大学

Inventor： 颜波 ,  马晨曦 ,  谭伟敏 ,  林青

IPC: G06T3/4053 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种文本指导的自然图像超分辨率重构方法。图像超分辨率重构是指利用算法来恢复丢失的图像像素。自然图像超分辨率重构主要用于提升图像清晰度，改善图像视觉效果，以产生真实、自然的高分辨率图像。本发明方法包括：从文本描述中提取语义特征；结合图像特征和文本语义特征；完善图像细节信息，修复语义不准确的特征；重构高分辨率自然图像。在网络的训练中引入基于语义的判别器、图文匹配损失和文本感知的重构损失来约束图像超分辨率重构模型学习图像超分辨率任务。实验结果表明，本发明可以生成自然美观且符合文本描述的高分辨率图像，有效解决大尺度图像超分辨率重构问题。

公开(公告)号：CN115576327A

公开(公告)日：2023-01-06

申请号：CN202211398386.7

申请日：2022-11-09

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 洪智铭 ,  林青 ,  刘璟 ,  张正泉 ,  杨晨浩 ,  王子乐 ,  韩宇轩 ,  代梦宇 ,  胡波

IPC: G05D1/02

Abstract: 本发明提供了一种基于自动驾驶智能小车边缘计算与推理的自主学习方法，具有这样的特征，包括以下步骤：步骤S1，通过设置在现实小车和车道上的多个传感器，实时获得现实小车和车道的传感器数据；步骤S2，对第一观测数据和第二观测数据进行轻量级压缩蒸馏构建仿真环境；步骤S3，基于类增量的最近均值分类器得到仿真环境中的变化事件；步骤S4，基于变化事件对虚拟小车进行训练，训练结果作为增量数据集；步骤S5，结合增量数据集基于迭代权重更新现实小车的决策模型；步骤S6，根据第一观测数据结合决策模型得到最优策略并控制现实小车执行。本方法能够很好地解决路况观测数据局限性和实时部署最优响应的问题，具有极大的应用前景。

公开(公告)号：CN114767163A

公开(公告)日：2022-07-22

申请号：CN202210267483.6

申请日：2022-03-17

Applicant: 复旦大学

Inventor： 李健 ,  颜波 ,  曹银银 ,  谭伟敏 ,  林青 ,  黄国英

IPC: A61B8/06

Abstract: 本发明公开了一种基于超声心动图的儿童先天性心脏病智能诊断系统。该系统包括用于自动预测患者是否有心脏缺损的超声心动视频关键帧选取模块，用于提供患者心脏缺损准确位置的先天性心脏缺陷定位检测模块，前者是基于ResNet设计的分类网络；后者是基于Faster‑RCNN设计的检测网络；以超声心动图的灰色和彩色超声图同时作为系统的输入；本发明还包括有5025名儿童的大规模超声心动图集，建立的基于超声心动图的深度学习模型，可以同时诊断常见的先天性心脏缺陷。实验结果表明，当输入单个超声心动图的标准切面时，在外部独立验证集上对三种常见先天性心脏病的诊断达到100%的敏感性和特异性。

公开(公告)号：CN115018767A

公开(公告)日：2022-09-06

申请号：CN202210477177.5

申请日：2022-05-03

Applicant: 复旦大学

Inventor： 颜波 ,  钟芸诗 ,  谭伟敏 ,  蔡世伦 ,  林青

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/26 ,  G06V10/774

Abstract: 本发明属于医学图像处理技术领域，具体为一种跨模态内镜图像转换及病灶区域分割方法。本发明通过构建的基于本征表示学习的神经网络，将消化道内窥镜白光图像转换成高质量的窄带图像；使用无监督训练的本质特征提取器获取白光图像的本质特征，通过空洞空间卷积池化金字塔网络进行病灶区域的预测，得到病灶区域的分割结果；测试时，待测白光图像只需要和一张辅助的窄带图像经过一次前向传播，即可获得白光图像对应的窄带图像。本方法采用无监督学习方式，拥有很好的泛化性，在不同内窥镜设备上效果优异。本发明能够为白光内窥镜设备提供额外的窄带成像，为医生诊断提供更好的参考，基于窄带图像辅助的病灶区域分割能够自动定位病灶区域，从而大大提高疾病诊断效率，降低发病率和死亡率。

公开(公告)号：CN114359628A

公开(公告)日：2022-04-15

申请号：CN202111537613.5

申请日：2021-12-15

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  李吉春 ,  林青

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医疗图像处理技术领域，具体为一种利用相邻帧时空信息的食管内镜视频帧序列质量分类的算法。本发明算法包括：构建用于视频帧序列预测算法的卷积神经网络模型，包括内容特征提取子网络、运动特征提取子网络，参考两种特征的信息，最后通过全连接子网络给出中间帧的视频质量分数；进行数据的收集与模型的训练，当训练的目标函数降低至某可接受阈值，即可认为网络收敛；最后，将连续三帧图像输入到训练好的网络模型中，得到中间帧的质量分类；实验结果表明，本发明算法的质量分类的准确性超过85％，对于临床食管内镜的诊断与质量控制，具有很强的应用价值。

公开(公告)号：CN114298975A

公开(公告)日：2022-04-08

申请号：CN202111486801.X

申请日：2021-12-07

Applicant: 复旦大学

Inventor： 颜波 ,  钟芸诗 ,  谭伟敏 ,  蔡世伦 ,  李吉春 ,  林青

IPC: G06T7/00

Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于PyQt5的食管内镜图像序列的质量标注工具。本发明包括五个模块：文件夹选择与打开模块、图像质量标记模块、训练样本生成模块、显示模块与切换控制模块；五个模块协同工作，共同完成文件夹内食管内镜图像序列的质量高与低的标注。本发明可以辅助医生完成对某个文件夹内的食管内镜图像序列进行质量评判的标注工作。食道内镜图片质量分为高质量或者低质量，由医生根据临床经验进行相应的判断。本发明工具操作简单，步骤清晰，直接生成神经网路训练所需要的数据对，适用于各种需要对医疗图像序列(不限于食管内镜)进行质量高低标注的场合。